测井数据小波变换边界效应研究

小波变换方法在测井数据处理中有着其他信号处理方法不可比拟的优势,但同样存在缺点,为使小波变换结果反映更加真实的旋回信息,需要研究其边界效应。通过对模拟测井数据和实际测井数据进行小波变换,发现了两种类型的边界效应:一是因信号的有限长的特征导致的左右边界效应,二是因信号频率的突变引起的频率边界效应。因此得出测井数据的小波变换的边界效应比较明显,需要用特殊的方法减少甚至是消除边界效应,才能得到精确的旋回信息的结论。     

基于小波变换的信号去噪应用

讨论了一种基于小波变换的信号去噪方法，从3种不同的去噪方法比较中看出小波变换在信号去噪中的优越性，数值实验及实际运用都证明了该方法的有效性．     

小波分析在测井数据融合处理中的应用

通过分析测井信号曲线能够较好地解决实际的工程问题,综合利用多条测井信号所反映的地层信息,应用小波分析方法将多条测井曲线信号融合成一条参数曲线。对融合后的参数曲线解译,增强了原始测井曲线中所包含的共有信息,削弱了单条测井信号中存在的偶然误差,使得测井数据的可信度大大提高。     

小波变换及其应用

主要研究了小波变换在重力异常分析中的应用 ,并结合具体模型探讨了重力异常的小波特征     

基于小波变换的心电信号的分析与处理

本文分析了小波变换与窗口傅里叶变换的时频特性,以及小波变换下信号的奇异特征,研究了基于小波变换的心电信号的特征提取与心电信号的消噪处理,研究结果表明,心电信号中ＱＲＳ波的平均检出率可达９９％以上;经消噪处理后的重建心电信号的信噪比可由原来的５．１ｄＢ提高到１２．８ｄＢ,因此,小波变换技术是生物医学信号分析与处理的又一可行有效的技术方法。     

小波变换中的数据变换方法

在图象压缩、重构等处理中，二进正交小波变换是一个非常有用的工具，其函数形式为{2^k/2Wn(2^kt-j):n∈N;k,j∈z}(t是实数）；在计算过程中，由于数据量太大，为了减少计算量应选择运算较快的算法，在计算机中浮点数比整数运算速度慢，若把t浮点数表示为形如A2^k 1(A是整数）的形式时，则2^kt-j为整数的形式，可以大大提高计算速度；在进行上述变换时，在考虑计算机字长p的限制下，为使在加、减、乘运算时，运算后的数据误差满足小于给定的ε、k、A如何取值，并得到了ε与p的一个近似关系式。     

基于小波变换的信号检测

研究了基于小波变换的信号检测方法及它在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去除噪声,使有用信号能从噪声中检测出来,提高信号的分辨率、信噪比。     

基于广义S变换的测井信号时频谱分析

S变换虽兼备短时傅里叶变换和小波变换的优点,但基本小波固定,在薄互层识别方面受到较大限制。广义S变换,通过引入λ,p两个参数对S变换中的高斯窗函数进行改造,时频分辨率得到了明显提高。本文在对广义S变换方法原理进一步研究的基础上,应用VC++在Qt平台上编写了广义S变换时频分析程序,并构造平稳信号和非平稳信号进行了对比分析,凸显了广义S变换的时频聚焦性。最后,应用该方法对实际测井信号进行了时频谱分析,取得了良好效果。     

基于小波变换的跳频信号分析仿真

信号分析识别是通令对抗的重要工作,能有效地检测和识别跳频信号,是对跳频信号实施跟踪式干扰的重要前提,在简述和比较了时变信号的分析方法的基础上,选择小波变换对跳频信号进行分析,详细地介绍了采用Morlet小提取跳频信号的基本特征,从而检测和知识出跳频信号的基本原理、方法和步骤,并给出了计算机仿真结果,验证了其可行性和有效性。     

小波变换多精度表示及其应用

正交紧支小波基函数的形状是非对称的,其下次镜像滤波器ＯＭＦ不具备相移不变的特性。采用由紧支小波的自相关函数扩张平移构成多精度表示,进行瞬时信号的检测则有移不变特性。以两个裕列体现了这两种方法的不同应用。     

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。     

小波变换在瞬变电磁数据去噪中的应用

瞬变电磁法是当前煤矿水文电法勘探中最常用的物探方法之一。在瞬变电磁数据采集时,不可避免地受到各种噪声的干扰,传统的去噪方法已不能适应目前的勘探精度要求。应用多尺度小波变换方法对瞬变电磁信号去噪处理,可有效地区分有用信号与噪声信号,经试算得到了比较满意的去噪效果,实际应用中也表明小波变换是对瞬变电磁信号去噪的一种切实可行的方法。     

基于提升小波的地震数据压缩编码算法

提出了一种基于提升格式小波的地震数据压缩算法,该算法针对地震数据信号及其噪声的特点,首先利用提升格式小波对地震数据进行小波变换,然后结合嵌入式零树编码的思想,对变换后的小波系数采用改进的SPHT算法进行编码.研究结果表明:本文所提出的算法能实现海量地震数据的快速编码,达到了对地震数据的高保真压缩;本算法实现的编解码时间快,同时解压的地震剖面图视觉效果要优于目前的离散小波压缩算法.     

小波分析在低应变检测数据处理中的应用

在低应变检测采集的数据中,会受到各种噪声的干扰。利用小波变换的时频局部化能力,对实测信号进行降噪处理,可保留信号的突变特征,抑制噪声信号。在实际应用中证明小波分析对低应变检测信号的降噪是一种比较好的数据处理方法。     

Hilbert变换与小波变换在探地雷达资料处理中的应用

希尔伯特（Hilbert）变换与小波变换是广泛运用于数字信号处理中的基本重要变换,希尔伯特变换能有效提取复杂信号中的＂三瞬属性＂,即瞬时振幅、瞬时相位、瞬时频率,基于小波多尺度分析可以进行信号奇异性检测。本文尝试将希尔伯特变换与小波变换配合使用,在瞬时相位的基础上进行小波分析,将此处理方法应用于探地雷达数据处理中,并给出了相应的处理实例,应用效果令人满意。     

基于Marr小波变换的图象边缘检测

本文从Ｍａｒｒ小波函数与高斯函数的相互关系,分析了Ｍａｒｒ小波变换对信号奇异点的响应特性,得到Ｍａｒｒ小波变换的零交叉特性是检测图象边缘点的理论依据。通过构造二维Ｍａｒｒ小波,实现图象的二进小波变换分解,分解后的零交叉位置对应着图象边缘点,同时由粗至精的多尺度检测图象边缘的方法也得到实现。     

基于小波变换的遥感数据融合与边缘检测

介绍了小波图像的分解和重构方法以及小波融合过程。采用Symlet小波变换融合方法对西安地区鲸鱼沟 水库的TM4、TM5子图进行单尺度二维离散小波变换融合,并进行水库的边缘检测。对图像通过TM4分解的低 频图与TM5分解的高频图像融合再与TM4影像原图比较,融合图像提取细节效果明显优于TM4原图像。     

小波变换及其在滚动轴承故障诊断中的应用

小波变换不仅具有良好的时频局部化特性,而且它的时域分辨率和频域分辨率随着分解尺度变化而变化．广义的小波分析包括多分辨率分析和小波包分析,本文采用小波分解和信号重构的方法,提起了噪声掩盖下滚动轴承振动信号中的故障信息,并计算出406滚动轴承外圈故障下的故障特征频率,通过对比由公式求取的故障特征频率,从而对滚动轴承的故障进行诊断．     

一种基于小波变换和数据融合降噪的图像边缘检测方法

提出的一种基于小波变换和数据融合降噪的边缘检测方法,是在边缘检测前先进行去噪处理,为避免去噪不完全、微分算子对噪声敏感,在边缘检测的同时增强了噪声,并把微分算子检测得到的边缘幅值图像融合与去噪相结合.最后,对融合后的图像进行灰度阈值处理和细化,得到边缘二值图像.实验结果表明：该方法在抑制噪声的同时能较好的检测出图像的边缘.