基于复小波变换全监督学习的微震波形降噪与相位拾取

由于井下微震信号有着更低的信噪比, 导致信号拾取精度降低. 现阶段基于小波阈值的信号降噪算法等在面对信噪比较低的信号时存在泛化性差, 阈值难以衡量等问题. 为解决这一问题, 本文研究了一种复小波变换全监督学习的微震波形降噪方法. 该方法首先利用复小波变换结合卷积自编器设计一个具有多个卷积和反卷积操作的编码-解码器完成图像的降噪过程. 为验证此方法的有效性, 首先在Stanford的Earthquake数据集上构建了Earthquake2023进行训练和测试, 并有着较好地拟合效果和训练结果. 同时基于该方法降噪后信号设计了一种震相拾取方法, 并达到了较高的拾取精度. 本文设计了多组对比实验, 结果表明此降噪方法能有效提高信号的峰值信噪比和均方根误差, 两者分别提高了16 dB和24%, P波、S波初至到时拾取的误差相较于STA/LTA减小了0.3 ms.     

图像的快速小波变换

详细介绍如何实现图像的快速小波变换。     

基于小波的继电保护装置电磁干扰软件防护快速算法研究

基于Mallat分解的小波变换方法能可靠地检测出电力波形中的奇异点,但不适合于实际工程应用。提出了基于S变换的改进的快速算法,即对AD采样点进行前向差分。对于正常的正弦采样信号,点与点之间的采样点值相差较小,所以差分值也较小;而对于奇异信号,在奇异点附近AD采样值有突变,所以差分值较大。因此,选择合适的差分门槛值就可以检测出信号中的奇异点。分析奇异点附近差分值的正负特性可以检测出该奇异点是正常的故障信号或是受干扰信号。最后,通过对典型波形的仿真计算和实际的电磁兼容性试验,验证了该软件抗干扰措施能显著提高数字式继电保护装置运行的稳定性。     

基于均值滤波和小波变换的单幅图像去雾算法

雾霾天气造成图像质量下降,进而影响计算机视觉系统的特征提取。论文提出一种改进的单幅图像去雾算法。先通过正交Haar小波变换进行处理得到图像的低频分量和高频分量,然后基于大气物理模型将低频分量利用均值滤波对环境光和大气光进行估计,得到低频去雾图像。然后将低频去雾图像与小波分解后的高频图像进行重构。最后将重构后的RGB图像转换到HSV颜色空间增强图像亮度。实验结果表明,论文算法简单有效,改善了图像质量,增强了去雾图像的边缘特征,利于计算机视觉进行特征提取。     

基于小波分析的双电源客户供电电源检测

采用小波分析方法对电源负荷监测数据进行分析,从高频系数中解析出重要电力客户的负荷成分,从而确定其实际供电电源,为客户服务工作提供真实准确的信息.建立双电源供电仿真环境,使用计量监测数据进行模拟分析,通过合理设定阈值,获取重要客户供电电源的准确判据,证明小波分析能够作为双电源客户实际供电电源检测的有效手段.     

基于NoC架构的网络通信抗干扰方法研究

为解决传统方法网络通信信号信噪比较高的问题,文章提出基于NoC架构的网络通信抗干扰方法。根据信号中小波系数能量的分布情况来定位干扰信号,获取网络通信入侵干扰信号的分布情况;利用NoC架构建立网络通信信道模型,对网络通信信道中干扰信号进行调制和降噪处理;设计通信网络路由机制,确保网络通信抗干扰后信号的有效传输。经实验证明,应用该设计方法网络通信信号信噪比小于传统方法,能够有效去除网络通信信道的噪声干扰。     

基于MLR-RBF的岩石强度智能随钻识别实验研究

提高巷道掘进效率、减少冒顶事故是实现煤矿安全高效和智能化开采的重要内容,其关键是对巷道围岩的合理支护设计,而煤矿顶板岩层强度的实时智能感知对巷道支护设计至关重要。利用自主搭建的微型钻进实验平台和制作的砂浆试样,开展钻进实验以获取随钻参数,并测定砂浆试样的单轴抗压强度。采用小波阈值法对随钻参数去噪后,分析钻速、转速和砂浆试样强度对推力和扭矩的影响。基于随钻参数构建预测岩石强度的多元线性回归(MLR)模型,利用径向基函数(RBF)神经网络对MLR模型得到的强度预测残差修正,建立MLR-RBF岩石强度组合预测模型,对MLR和MLR-RBF模型进行验证,并利用MLR-RBF模型对粉砂岩、细粒砂岩和粗粒砂岩3种岩石强度进行预测。研究表明：钻速和转速均与钻进推力呈负相关,但随转速增加旋转扭矩也增加,且扭矩值随钻进深度增加而缓慢线性增加;构建的MLR模型的预测相对误差均值为8.58%,MLR-RBF模型的预测相对误差均值为1.75%,证明了MLR-RBF模型的有效性;MLR-RBF模型对岩石强度的预测误差均值为6.67%,该模型对岩石强度的预测效果较砂浆试样差,主要是因为岩石与砂浆的均质性不同。     

改进的MEA-WNN图像复原方法

模糊图像复原是计算机视觉和图像处理领域的重要任务。针对思维进化算法(mind evolutionary algorithm,MEA)和小波神经网络(wavelet neural network,WNN)相结合的图像复原模型中,MEA的得分函数相对差别小、选优功能较弱等问题,提出了一种改进的MEA-WNN图像复原方法。该方法采用逻辑回归函数进行幂律变换,增加得分之间的差别,从而增强MEA的选优功能。将改进的模型与传统的基于WNN和MEA-WNN的图像复原模型进行对比,改进的模型把复原图像峰值信噪比(peak signal-to-noise ratio,PSNR)分别提高15%和6.5%、结构相似性(structural similarity,SSIM)提高了6.1%和5%,实验结果证明改进模型的有效性和优越性。     

基于SAR技术的油气管线地貌识别方法研究

本文研究了基于合成孔径雷达SAR(syntheticapertureradar)信号的油气管线地貌识别方法。首先采用分段回归图像插值算法及小波变换提高图像分辨率和信噪比,对油气管线地貌图像进行分析预处理。在此基础上,利用多尺度分割方法提取不同地貌目标SAR图像,使用灰度共生矩阵计算同质性、对比度、能量、相关度等纹理特征作为分类依据。最后,利用向量分类方法完成油气输运管线周围地貌目标识别。最终的实验结果表明,基于合成孔径雷达SAR信号的油气管线地貌识别方法能够准确识别油气管线穿越的水体、农田、沙漠、山地、建筑等地貌特征及动态变化,为长输管线地质风险预警和安全管理提供可靠的技术手段。