Problems in wavelet analysis of hydrologic series and some suggestions on improvement

Applying the wavelet theory and methods to investigate the hydrologic processes such as precipitation and runoff is a hot field. However, several aspects in research are usually ignored: the effect of admissible condition of wavelet functions and the disturbance of noises for the detection of periods, the effect of the length of a hydrologic time-series on the final result, and the choice between the anomaly and the original time series for wavelet analysis. In this paper, these issues are fully discussed. Precipitation data from Lanzhou Precipitation Station are taken for case study. The result indicates that in the wavelet analysis of hydrologic series, denoise methods should be used to eliminate the influence of noises. The MexHat wavelet function satisfies the admissible condition, which ensures that the periodic properties of hydrologic processes can be well represented by using the MexHat wavelet for decomposition. The affected range of hydrologic series which should be discarded before analysis is given. It is also suggested that the anomaly series should be used to highlight the actual undulation of the hydrologic series.     

Bayesian-combined wavelet regressive modeling for hydrologic time series forecasting

Wavelet regression (WR) models are used commonly for hydrologic time series forecasting, but they could not consider uncertainty evaluation. In this paper the AM-MCMC (adaptive Metropolis-Markov chain Monte Carlo) algorithm was employed to wavelet regressive modeling processes, and a model called AM-MCMC-WR was proposed for hydrologic time series forecasting. The AM-MCMC algorithm is used to estimate parameters’ uncertainty in WR model, based on which probabilistic forecasting of hydrologic time series can be done. Results of two runoff data at the Huaihe River watershed indicate the identical performances of AM-MCMC-WR and WR models in gaining optimal forecasting result, but they perform better than linear regression models. Differing from the WR model, probabilistic forecasting results can be gained by the proposed model, and uncertainty can be described using proper credible interval. In summary, parameters in WR models generally follow normal probability distribution; series’ correlation characters determine the optimal parameters values, and further determine the uncertain degrees and sensitivities of parameters; more uncertain parameters would lead to more uncertain forecasting results and hard predictability of hydrologic time series.     

应用小波分析提高MT资料信噪比

大地电磁测深法（ＭＴ）野外观测得到的原始资料是包含多种频谱的时间序列,这种时间序列中常常包含固定源噪声。由于这种噪声的频率相对稳定,应用小波分析容易得到一个或多个以这种噪声为主的时间序列块。对实验数据应用小波变换,将时间序列分解成不同频率的多个时间序列块,压制噪声比较集中的时间序列块后重建时间序列。通过与未作这种处理的时间序列的谱分析结果对比,信噪比有明显的提高     

二维小波分析理论及其在显微图像去噪中的应用

阐述了二维小波分析理论,把二维离散小波分解与重构算法应用在显微图像的去噪中.对采用不同方法去噪后的图像按照分水岭算法进行分割,然后进行对比.实例结果表明小波分析方法效果较好.     

fMRI time series analysis based on stationary wavelet and spectrum analysis

The low signal to noise ratio (SNR) of functional MRI (fMRI) prefers more sensitive data analysis methods. Based on stationary wavelet transform and spectrum analysis, a new method with high detective sensitivity was developed for analyzing fMRI time series, which does not require any prior assumption of the characteristics of noises. In the proposed method, every component of fMRI time series in the different time-frequency scales of stationary wavelet transform was discerned by the spectrum analysis, then the components from noises were removed using the stationary wavelet transform, finally the components of real brain activation were detected by cross-correlation analysis. The results obtained from both simulated and in vivo visual experiments illustrated that the proposed method has much higher sensitivity than the traditional cross-correlation method.     

基于小波变换的4种图像噪声滤波方法比较

利用小波变换方法进行图像噪声滤波是使用小波分析理论进行图像处理应用的一个重要内容.本文以MATLAB为平台,给出了最常用的4种基于小波变换的图像噪声滤波方法并进行了仿真效果比较,同时,针对模极大值滤波方法实现时的烦琐和速度慢问题,提出了中值滤波和模极大值滤波相结合的算法改进,简化了运算,提高了运算速度并保证了滤波质量.试验得出小波域尺度相关性和改进后的小波系数模极大值法效果最理想.同时对小波变换方法的进一步改进与完善具有实用意义.     

改进的小波变换阈值去噪方法

针对Donoho的阈值去噪方法有时去噪效果不能令人满意的问题,提出了一种二次小波变换阈值去噪的方法--对小波变换各个尺度上的小波系数都进行二次小波变换,并进行去噪处理后重构小波系数,再由重构的小波系数重构原信号,此时原信号中已去除大部分随机噪声,此后再对重构后的原信号进行小波域阈值去噪.仿真结果表明:该方法具有良好的去噪效果,而且对信号的主要细节保留较好.     

基于单一小波的时变信号最优分解方法

针对常规的小波变换并不能保证对信号实现最优分解。以时频性能优良的Morlet小波为单一基函数,并扩大了基函数的参数空间,确定了满足小波容许条件的参数空间边界,提高了用其分解信号的灵活性。对实数编码遗传算法进行了改进,改进后的算法免除了独立的变异操作,提高了算法的搜索速度、收敛性和准确性。以互信息最小化为寻优的判据准则,给出了基于改进的遗传算法和改造后的Morlet小波的信号最优分解的具体步骤。对时变信号的仿真分析表明所提方法是有效和可行的。     

基于小波分析的过零点滤波器与地震降噪

为解决地震勘探中的面波压制问题,该文基于小波分析理论处理单分量地震资料,根据面波频率低、能量强的特征设计了过零点滤波器,在小波分解后的逼近系数中识别并压制了面波,在细节系数中进行了有效波补偿。实际资料处理表明,该方法能剔除95%以上的面波,并且在压制面波的同时减少反射波的损失,较之传统方法有显著改善。     

改进的小波域阈值去噪方法

针对使用常规小波域阅值去噪方法对含有高频噪声的低频信号或较平稳信号进行处理时，其去噪效果和信号保真度有时不能令人满意的问题，提出了一种对小波变换尺度1上的小波系数进行二次小波变换，并进行去噪处理后重构小波系数的新方法。该方法可去除大部分高频随机噪声。此后，再对重构后的信号进行小波域阈值去噪处理。仿真结果表明：该方法去噪效果明显，且信号主要细节保留较好。     

基于时间序列分析的网络流量异常检测

针对传统模型无法对网络流量异常进行准确识别和检测的问题,提出一种基于时间序列分析的网络流量异常检测模型.首先提取网络流量的原始数据,并对原始数据进行小波阈值去噪处理,消除干扰因素的影响;然后采用时间序列分析法挖掘网络流量数据之间的变化关系,建立网络流量异常检测模型;最后通过仿真实验验证检测模型的有效性和优越性.实验结果表明,时间序列分析法可以准确、及时地检测网络流量的异常行为,且结果优于目前其他网络流量异常检测模型.     

多元小波分解的平稳性

使Ｌ＾２（Ｒ＾ｎ）中的以允许矩阵为尺度的尺度函数的平稳性与它的符号的代数性质得到若干刻画。     

与可允许群相关的Clifford代数值的可允许小波

研究与可允许群相关的Clifford代数值的可允许小波。用Fourier变换的语言对可允许条件进行精确描述,给出该类可允许小波变换的Plancherel公式、再生公式、再生核,并给出了关于可允许群的一个近乎充分必要条件的刻画。     

噪音背景下流体识别应用方法探讨

地震资料处理中,难免存在噪声,因此在频率域储层识别的研究中,低频噪音问题是干扰储层识别的重要影响因素,在噪音问题上必须采取有效的手段,才能排除低频信息是流体的响应而不是噪音的响应。据此在储层检测手段上,首先要进行噪音对算法的干扰分析,只要在检测方法上噪音不产生干扰,那么用到实际地震资料流体识别上才有意义,通过在噪音背景下的模型进行试算,优选了抗噪性好、分辨率高的小波基函数对实际资料进行处理。另外,对地震流体识别可靠性检验方面,主要是通过测井解释来验证地震检测流体的可靠性。研究结果表明,优选的小波基函数不仅在模型上取得了很好的效果,在研究区过井地震资料上存在低频异常,与测井解释油气显示基本吻合。     

电主轴振动加速度信号特征提取

针对电主轴振动加速度信号存在噪声问题,本文研究了利用小波理论进行电主轴振动加速度状态信号的监测处理方法．介绍了电主轴的基本概念和简单结构;分析认为小波理论非常适合电主轴振动加速度状态信号的处理,它是非常重要的理论基础;阐述了小波基本理论以及Mallat算法;最后针对电主轴加速度信号,利用小波理论分析了信号与噪声呈现的不同特性,进行小波逆变换重构信号,解决了加速度信号去噪和恢复,这样可以准确提取电主轴的振动运行状态信息,为科学研究和数控系统的决策和控制提供了很好的依据．     

电磁辐射信号的小波变换去噪研究

重点分析了实验室实验过程噪声的来源和特征,并利用小波变换的多尺度分析和非线性软门限方法对噪声进行了滤除。结果表明,实验室的噪声主要有固定频带的干扰和随机白噪声两种;对固定频带的噪声可以通过小波变换的多尺度分析进行有效滤除,对白噪声可以通过非线性软门限方法进行有效滤除,得到真正有用的信号。噪声滤除对于分析煤岩电磁辐射信号规律具有重要的意义,可以为现场利用电磁辐射监测技术预测煤岩动力灾害现象提供更加准确可靠的信号。     

小波技术在高耸构筑物安全性评价中的应用

高耸构筑物施工风险大,安全监测至关重要。然而,复杂的环境因素使构筑物的原型观测数据包含强烈的噪声,严重干扰构筑物的受力分析和预测。为此,综合运用小波多尺度技术和小波神经网络技术分别对原始监测数据进行去噪处理和预测模型的建立。研究结果表明:经小波去噪后的数据更好地反映构筑物真实受力状态;基于RBF神经网络方法预测效果较好,具有很好的工程应用前景。     

基于MATLAB的小波包分析在信号降噪中的应用

应用MATLAB小波工具箱中的一维小波包分析函数，采用默认阈值、调节后的阈值两种方法对含噪声的信号进行处理，并以一可见吸收光谱降噪为例，说明该方法在信号降噪中有效可行。     

基于小波变换提取局部放电脉冲特征的影响因素分析

针对局部放电测量中存在的缓变窄带噪声，采用小波变换技术来提高局部放电脉冲，通过计算机模拟，着重分析了基于小波变换提取局部放电脉冲特征的各种影响因素，并在此基础上了用小波变换方法提取场测试局部放电脉冲信号，研究结果表明：利用小波变换能有效地从窄带噪声中提取电泳的特征。     

广义随机2-D系统的状态估计

考虑广义随机2-D系统的卡尔曼估计问题。目的是利用最小方差准则，在系统同时受到动态噪声和测量噪声干扰下，得到一类2-D系统的卡尔曼滤波。通过运用斜割支线和几何方法，给出状态向量的卡尔曼滤波与最优预测。同时，给出滤波和预测误差的方差与协方差阵的显示公式。