基于广义S变换的薄互层识别技术研究与应用

利用地球物理方法来识别薄互层一直以来都是困扰地球物理工作者的一项技术难题。常规时频分析技术存在一定局限性,本文介绍的广义S变换技术结合了STFT(短时傅里叶变换)和CWT(连续小波变换)二者的优点,可以根据实际信号的特点灵活选择窗函数,具有更好的时频分辨率。文章先对广义S变换的基本原理进行介绍,然后通过MarmousⅡ模型正演,将广义S变换与常规时频分析方法进行对比,验证了该方法的有效性,最后对实际工区的地震资料进行分频处理,并对结果进行分析,结果表明广义S变换对薄互层的识别比较有效。     

基于广义S变换的地震信号时频分析

S变换结合了短时傅里叶变换和连续小波变换的思想,具有良好的时频分析特点,但是基本小波不变,使得其在实际信号分析中有一定的缺陷.广义S变换克服了这些缺陷,可以根据实际信号灵活地选取窗函数,具有更好的时频分辨率.本文首先介绍了广义S变换的基本原理,然后通过仿真试验和地震模拟信号的对比,凸显了广义S变换的时频聚焦性.最后对实际地震信号进行了处理,取得了较好的结果.     

基于广义S变换地震剖面数据时频分析及分频显示

地震信号是一种非平稳信号,时频分析法是非平稳信号分析的有效方法,用时频分析技术处理地震信号,可以较为精确地分析数据时间和频率特征。现阶段应用于地震数据处理方面的时频分析方法有很多种,本文选取广义S变换作为时频分析工具,对地震数据进行处理,并提取不同频率剖面进行对比。实际资料处理表明,广义S变换在地震高分辨率处理方面是行之有效的,具有较强的抗干扰能力。通过时频分解,我们可以根据需求提取不同的单频剖面,细致研究局部层位,识别地震剖面中特征信息。     

广义S变换组合窗研究

通过对S变换和目前比较流行的广义S变换的分析比较,提出了不同窗函数的组合方法。在低频段和高频段均具有较高的频率分辨率来对中间段频率的压制,进而提高某一特定段的时频分辨率。通过对模拟信号和单道地震数据的分析,并对其进行广义S变换组合窗对比研究,证明组合窗效果优于普通广义S变换法,此方法可以很好的提高特定段的时频分辨率,使广义S变换的应用更具灵活性。用实际地震资料进行组合窗广义S变换结果显示,变换组合窗的广义S变换生成的单频剖面对含油气检测和识别具有明显效果。     

两级自适应滤波在输油管道漏磁检测中的应用

介绍一种两级自适应滤波算法对漏磁信号进行降噪的实现。第一级滑动离散余弦变换能够以高计算效率实现,将输入信号变换为一个由互不相关变量组成的对应信号。第二级将变换后的输入信号用做最小均方自适应滤波算法的输入。将算法应用于管道漏磁检测系统中,实验结果表明该算法在漏磁信号的处理中能取得较好的降噪效果。     

广义S变换在薄储层识别中的研究与应用

薄储层的识别一直以来都是石油科技工作者所困惑的一个技术难题。常规的时频分析技术存在一些缺陷,难以满足精细勘探开发的要求,而广义S变换吸收了常规的时频分析技术的思想,克服了这些缺陷,可以根据实际信号灵活地选取窗函数,具有更好的时频分辨率。本文首先介绍了广义S变换的基本原理,然后通过仿真试验,将常规的时频分析方法和广义S变换的结果进行对比,试验证明广义S变换具有更好的时频分辨能力,并且结合MarmousiⅡ正演模型,验证了该方法的有效性,最后对实际地震资料进行了处理,并对结果进行了分析,结果表明广义S变换可以有效地识别薄储层。     

基于特征点检测的复合材料序列图像的配准

在复合材料图像三维重构技术中,序列图像的配准是一个关键步骤。本文在通过小波边缘检测和Level set方法得到增强相颗粒轮廓的基础上,计算出平面曲线上的高曲率点作为候选点,利用自适应弯曲度来确定曲线上每个点的支撑区间,计算评价曲率。根据评价曲率和一定的规则选择出特征点。利用最大熵原理和Lagrange乘子将点集之间的匹配转化为一个能量函数,再利用最小二乘法计算出使该能量函数值最小的空间变换,即得到了配准的最优解。从而实现了序列图像的配准。     

基于相关性小波奇异熵的滚动轴承故障特征提取

针对轴承故障信号受噪声影响严重,导致故障特征提取稳定性较差的问题,将小波变换、相关性、奇异值分解和信息熵理论相结合,提出一种基于相关性小波奇异熵的轴承故障特征提取方法。该方法首先将轴承信号进行小波分解,利用小波分解系数和噪声的相关性特点不同,引入相关计算以去除噪声的影响;然后对相关处理后的规范化系数进行奇异值分解,轴承的不同故障信息就体现在奇异值中;再利用信息熵的统计特性对奇异值进行不确定度计算;最后,以相关性小波奇异熵作为特征向量,通过概率神经网络对滚动轴承故障进行识别。实验表明:该方法能够有效地提取轴承故障特征,具有良好的容噪能力和稳定性。     

快速傅里叶变换在冲击回波检测混凝土缺陷中的应用研究

针对冲击回波法检测混凝土缺陷产生的波形信号,采用时频转换手段,研究了信号的处理方法,结果表明：傅里叶变换后的频谱可以携带混凝土厚度和缺陷等信息,是波形信号分析的有效手段;在满足转换条件的前提下,时频信号能够自由转换,结果等价;快速傅里叶变换的运算次数比普通傅里叶变换明显减小,在满足精度的同时提高了检测效率;分析参数的选取是信号分析的基础,要同时满足最小记录时间和采样点数的要求。     

一种基于熵的WBCT自适应方向分解优化算法

提出一种基于熵的WBCT自适应方向分解优化算法,在对图像进行小波变换的基础上,对各级高频子带进行完全方向分解,然后分析各子带不同方向分解数目时熵的变化情况,并根据最小熵原则给出各个子带的最优方向分解数目。采用SPECK编码方法验证了方向分解数目的合理性。结果表明:经笔者算法处理后的重构图像PSNR值均有明显提高。     

小波分析在热重实验数据处理中的应用

利用小波分解、滤波、重构对热重信号进行去噪处理,消除实验中由于各种因素产生的噪声,得到了较为满意的热重实验数据.该方法与其他处理方法相比,得到的处理信号不失真且去噪效果明显.比较发现小波去噪的结果与阈值选取相关,通过分析确定合适的阈值选取规则,使得处理后的信号能满足以后分析的需要.研究表明选择的阈值可广泛应用于不同煤种的热重实验数据处理.     

基于小波变换的即热式水温信号降噪方法研究

利用小波阈值去噪法对仿真信号和即热式热水器出水温度信号进行降噪处理,并比较了不同阈值和不同阈值函数的去噪效果。仿真实验肯定了小波阈值法对即热式热水器温度信号消噪处理的可行性与优越性,实际数据试验表明:在sqtwolog准则和局部自适应阈值条件下选取软阈值降噪对即热式热水器出水温度信号的去噪效果最好。     

电力电缆局部放电测量小波降噪技术

从主要测试方法、信号提取电路和信号波形、离散小波变换（DWT）的滤波器本质特性实例分析了电力电缆局部放电的现场测量和降噪分析技术。根据离散小波降噪的母小波选择、分解尺度选择和阈值算法等3个关键因素,分析了DWT降噪应用于电缆局放现场信号处理的局限性,并对DWT降噪应用于在线局放检测的前景进行了展望。     

小波变换与傅立叶变换在地震资料去噪中的对比

由于小波变换具有良好的时—频特性,从而为其在信号降噪中的应用提供了广阔的前景。小波变换通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析,解决了傅立叶变化不能解决的许多困难问题。本文通过傅立叶变换和小波变换在地震资料去噪中的对比可以看出,小波变换对奇异信号极其敏感,使得其在非平稳信号的去噪中显出了较大的优越性。     

高含气率气液两相流差压信号时频特征分析

为了更有效地揭示高含气率气液两相流流动特征,研究了一种新的时频特征分析方法。首先,对差压波动信号进行小波包变换并由变换系数计算信号能量的时频分布;然后,应用统计方法对时频分布进行特征提取得到一组时频特征量。应用类可分性测量准则分析该组特征量区分不同流型的效果,并与以往小波包特征分析方法相比较,结果表明:该组特征量具有更强的流型特征表征能力。最后,以该组特征量为输入向量,构建了集成多类支持向量机分类器实现了流型识别,其流型正确识别率可达97%。     

基于S变换和径向基神经网络的暂态电能质量扰动识别

提出一种基于S变换和径向基神经网络的暂态电能质量扰动识别的方法。该方法首先用S变换对暂态电能质量扰动波形进行预处理．使用统计的方法提取了5个相关特征量,然后用径向基神经网络对提取的特征量样本进行分类。仿真结果表明,该方案正确率高,抗噪声能力强,训练样本少,响应快速．     

PLC在V形滤池自动控制系统中的应用

研究了V形滤池生产工艺和反冲洗控制过程的基本流程和原理,设计了基于西门子S7-300PLC的滤池恒水位过滤和气、水反冲洗自动控制系统,实现了滤池生产和反冲洗环节的无人执守自动控制,有效提高了净水生产效率,降低了生产劳动强度和企业人力成本.     

免疫算法在重叠拉曼谱峰中的应用

拉曼光谱及其联用技术的快速发展使其成为复杂样品分析的重要手段,但由于环境的复杂性以及拉曼光谱信号的特点,在复杂样品分析中难免会出现一些重叠谱峰。为此,采用小波变换扣除原始信号中的荧光背景得到有用信号,并基于免疫算法将该方法对重叠拉曼光谱谱峰信号进行解析。结果表明：该方法可以准确地将重叠拉曼光谱谱峰信号进行分离,并且同时得到了各组分的定量信息,绝对误差在2%之内。     

基于自适应小波神经网络的往复泵故障诊断

为了对往复泵的故障进行正确诊断,提出了基于自适应小波神经网络的往复泵故障诊断方法.以往复泵单个泵缸内的压力信号作为系统特征信号采用小波变换来提取故障特征向量,同时将此特征向量作为小波神经网络的输入,利用小波神经网络对故障做进一步的精确实时诊断.通过对往复泵液力端多故障诊断实例的检验表明：该系统故障诊断正确率达到了93％以上.