基于K—L变换的微地震资料去噪的分析及应用

在我国油田开发的中后期,由于大量未动用的油气储量大部分集中在低渗透储层中。压裂是改造低渗透储层的有效手段。利用微地震监测技术可对压裂过程和压裂效果进行监控和评价。虽然微地震信号与天然地震信号具有很大的类似,但由于实际收到的微地震信号,尤其是微地震监测资料信噪比是相当低的。在微地震监测过程中,去除微地震信号的随机噪音和相干噪音以提高微地震信号的信噪比,是一项非常关键的处理步骤。本文将利用K—L变换从多道微地震记录中提取微_地震信号,去除随机噪音和相干噪音。     

基于状态空间重构与K-L变换的特征提取

提出一种基于状态空间重构与K—L(Karhunen-Loeve)变换相结合的特征提取方法。先对实测回波信号用状态空间重构方法进行特征提取，然后用K—L变换对提取的高维特征进行特征压缩；并用此方法对回波信号进行特征提取。仿真结果表明该方法具有较好的分类效果。     

低信噪比地震记录干扰波压制方法研究

针对低信噪比地震记录,研究利用二次小波变换对面波及随机干扰波进行压制。首先采用二次小波变换分离弱反射信号,在压制干扰的同时最大程度的保留有效波信息;其次在阈值收缩过程中,采用余弦非线性阈值算法,对收缩因子加入光滑函数φ,一定程度上克服了传统阈值在小波逆变换中的畸变性。通过理论数据的算例及对某油田的实际炮记录的处理来看,该方法在有效压制干扰波的同时,较好地保留了有效反射波的信息。     

K—L变换在BP网络初始权值优化中的应用

提出了一种新的神经网络初始权值的优化方法，该方法首先对样本做K—L变换，将所得到的变换矩阵作为BP网络输入层到隐层的初始权值，然后开始BP算法对多层感知器的训练学习，以缩短样本学习时间．最后分别选取线性可分的样本和非线性可分的样本在MATLAB中进行了仿真，仿真结果证明，该权值优化方法是合理的．     

一种提高核磁共振信噪比的方法

介绍了一种实用的提高核磁共振信噪比的方法。此方法是根据周期性微弱信号的累加平均原理用TP801单扳机处理核磁共振信号。     

基于Keystone变换的低信噪比ISAR成像

在ISAR成像中,当目标平稳飞行时,对于低信噪比的回波数据,常规的运动补偿方法不再适用,故提出一种基于Keystone变换的运动补偿方案,完成对低信噪比数据的处理. 利用Keystone变换校正由目标速度引起的线性距离走动,通过对相邻距离像相干积累以提高数据信噪比,进而引入相关法和PGA法完成对高次项运动的补偿. 仿真实验的结果表明,针对低信噪比数据的处理,基于Keystone变换的运动补偿方法优于传统的方法,从而有效地提高了成像雷达的作用距离.     

应用小波变换提高浅层地震记录分辨率

地震资料分辨率较低主要是由于大地的滤波作用而导致地震波的高频成分衰减快，地震波的优势频率向低频方向移动．应用二进小波变换对地震记录进行多尺度小波分解，地震记录分解成多个频带，根据已知的地质先验信息，选取最能反映目的层的尺度，并对该尺度下的高频分量作补偿，即补偿因大地滤波作用而造成的高频分量的能量损失．模型及实际算例结果表明在保证信噪比的前提下，可使地震记录的分辨率得到明显提高．     

低信噪比下基于Keystone变换的多目标检测

在脉冲多普勒雷达里,针对低信噪比的多目标数据,该文提出了一种基于Keystone变换的运动补偿方案。利用Keystone变换校正由径向速度引起的线性距离走动,通过对所有脉冲的相干积累来提高信噪比。仿真实验结果表明,基于Keystone变换方法的性能优于传统相参积累的方法。     

自适应信号重构技术提高地震数据的信噪比

利用信号和噪声的特征值差别,采用奇异值分解技术压制噪声,提出了基于多道相似系数大小来自适应地选择特征值个数,进而进行信号重构,分离信号和噪声,从而达到提高信噪比的目的。通过对合成数据和实际地震数据的处理结果对比表明该方法能最大程度地保持信号,从而有效地提高地震资料的信噪比。     

基于推广形式的K-L变换的人脸识别方法

提出了一种图像预处理方法,将不同光照条件下的图像甚至是负像处理成亮度、对比度与参考图像基本相同的图像,且调整后的图像与原图像保持较高的相关性,从而有效降低了光照对人脸识别结果的影响.根据随机矩阵的主行列分析法给出了推广形式的K-L变换,提出了进行人脸识别的一种方法.同基于K-L变换的人脸识别方法相比,大幅度缩减了协方差矩阵的维数,从而大大降低了计算特征值的运算量,提高了运算速度.理论分析和实际识别证明了该方法的有效性.     

基于K-L变换和支持向量机的滚动轴承故障模式的识别

提出了应用K-L变换和支持向量机相结合进行滚动轴承故障诊断的方法。K-L变换可以将高维相关变量压缩为低维独立的主特征向量,而支持向量机可以完成模式识别和非线性回归。利用上述原理根据轴承振动信号的变化特征,采用K-L变换对其提取状态主特征向量,然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别。试验结果表明,K-L变换分解后的主特征向量与支持向量机相结合可以有效地、准确地识别轴承的故障模式,为轴承故障诊断向智能化发展提供了新的途径。     

基于SVD的正交多项式变换及其在地震资料处理中的应用

在地震资料中,噪声干扰严重影响了资料的品质,为此必须进行有效的去噪处理。通过对正交多项式变换方法的研究,本文提出一种基于奇异值分解（SVD）算法的正交多项式变换压制地震资料噪音的方法。将地震资料经过正交多项式变换后,有效信号和噪音在正交多项式系数上的分布不同,使用奇异值分解算法可以有效地分离有效信号和噪音。经合成地震记录模型及实际地震数据的处理结果表明,该方法不仅能够有效地进行信噪分离,而且可以减少对振幅的畸变,同时增强了反射同相轴的连续性。     

小波变换在地震信号噪声处理中的应用

常规小波域阈值去噪方法未能充分利用地震信号相关性的特点进行去噪，只能去除地震信号中部分随机噪声，为此提出了一种小波域分时分频相关结合阈值去噪处理方法。该方法首先对小波变换后多个尺度上小波系数进行分时分频相关去噪处理，然后对处理后小波系数进行重构，并可去除大部分不相关随机噪声。对重构后地震信号再进行常规小波域阈值去噪处理以进一步去除噪声。模型测试和实际资料处理效果表明：使用该方法可以有效地改进地震信号去噪处理效果。     

小波变换及其在地震资料处理中的应用

讨论了小波变换的基本性质，用快速小波算法实现了信号的尺度分解，研究了信号尺度与频率的对应关系，以此为基础，对地震信号在滤波，压噪等方面进行了有益的尝试，结果表明本方法是有效，有行的。     

基于小波变换的舰船辐射噪声检测

分析了舰船辐射噪声（简称舰船噪声）与1／f信号的关系，提出了一种基于小波变换的信号检测方法，对白噪声背景下的舰船辐射噪声进行了检测；推导了相应的检测统计量及其统计分布特性，并与传统的匹配滤波器、能量检测器进行了比较，计算机仿真结果证明了本方法是有效的，在较低的信噪比下得到较好的检测效果。     

利用小波变换提取水轮机轴系动态特性信息

利用小波变换能进行精确分频的特点，进行水轮机轴系动态特性信息的提取。仿真及实际运用均表明本方法具有很有了的去除噪声的能力。     

基于小波双重噪声抑制的卫星信号检测

信号检测是信号解调、译码、信息还原的重要前提。针对传统小波变换方法对基底噪声较强的卫星信号检测效果不佳的问题,本文在大尺度小波变换噪声抑制的基础上通过加窗求和实现噪声的再次抑制,有效提高了卫星信号的检测性能。通过实验可以看出此方法无论对于低信噪比下的仿真信号还是实际卫星信号都有着很好的检测性能。