小波变换在波阻抗反演中的应用

介绍了利用小波变换进行多道波阻抗反演的原理。鉴于地震剖面上不同的频带有不同的信噪比，以及相邻地震道的反射波有效成分在波形和能量上有较强的相关性，笔者结合小波变换的特点，运用多道记录同时进行波阻抗反演，即在迭代过程中将实际记录与模型合成记录的残差道进行小波分解，     

小波变换在波阻抗反演中的应用

介绍了利用小波变换进行多道波阻抗反演的原理．鉴于地震剖面上不同的频带有不同的信噪比,以及相邻地震道的反射波有效成分在波形和能量上有较强的相关性,笔者结合小波变换的特点,运用多道记录同时进行波阻抗反演,即在迭代过程中将实际记录与模型合成记录的残差道进行小波分解,形成残差道分频小波剖面,然后利用Ｋ－Ｌ变换提取分频剖面中的相干部分用于波阻抗变化量的计算,从而避免了噪音参与波阻抗变化量的计算．展示了理论模型与实际应用的例子,说明该反演方法稳定性强,具有广泛的应用前景     

小波变换在波阻抗反演中的应用

根据国内外广泛采用的波阻抗随机反演理论，提出了多道小波波阻抗反演方法，消除了噪声对反演结果的影响。针对地震剖面上不同频带和时段上有不同的信噪比，以及相邻地震道反射波有效成分在波形和能量上有较强的相关性，运用多道记录同时进行波阻抗反演，在失代过程中将实记录与模型合记录的残差道进行小波分解，形成残差道分频小波波面，然利用Ｋ＿Ｌ变换提取分频剖面中的相干部分用于波阻抗变化量的计算，从而避免了噪音参与波阻抗     

基于离散小波变换的动态过程模型参数辨识的Markov方法

提出一种新的Ｍａｒｋｏｖ递推算法，该算法主要是基于过程噪声的离散小波变换的协方差矩阵及其Ｃｈｏｌｅｓｋｙ分解因子具有特殊稀疏带状结构的事实，利用模型输出误差的小波变换在线估计出其协方差矩阵及其Ｃｈｏｌｅｓｋｙ分解因子Ｌｃｗ，进而利用Ｌｅｗ对数据进行白色化处理。数值仿真验证了所提算法是可行的。     

用小波变换和多项式拟合提高地震资料分辨率

用小波变换研究了地震勘探信号小波变换的过零点特性。提出了用小波变换的过零点匹配提取地震勘探信号同相轴变化信息，并利用所提取信息和多项式拟合消除随机噪声，同时增强信号高频，使信号信噪比和分辨率都得到显著提高的新方法。该方法对地震道进行小波变换，对变换结果进行过零点匹配求出地震同相轴变化信息，沿同相轴对地震道的小波变换系数进行多项式拟合得到去噪的小波变换系数，对去噪后小波变换系数进行高频增强并进行反变换便得到具有高信噪比和高分辨率的地震道。理论分析和实际处理结果表明，该方法能有效地提高地震勘探信号的信噪比和分辨率。     

受控齐次随机信号的小波表示

通过分析受控齐次过程在小波变换下的特征，对信号进行小波分解，得到了若干结果。     

基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。     

基于小波变换的机织物经纬密度测量

利用小波变换对机织物图像进行多层离散小波分解和单层信号重构，对重构后的经纬纱线图像分别沿经纬纱线方向求出亮度平均值，根据亮度信号求出其周期，进而精确求出纱线的经纬密度。     

基于双密度小波变换的纹理图像检索

为了进一步提高纹理图像的检索性能，提出了一种基于双密度小波变换算法．该算法根据双密度小波分解变换的特点，从系数角度出发首先对子带进行组合，然后提取一阶和二阶统计矩并将结果作为纹理的特征用于图像检索．由于组合双密度小波变换采用了过采样，具有时移不变性，所以据此生成的算法具有特征数少、检索精度高等特点．对比实验结果表明，该算法的检索精度比单小波和双密度小波变换分别提高了10％和7％，性能最好的是一阶和二阶统计矩组合的方法．     

一种小波阈值的图像去噪的新方法

基于小波变换的图像去噪方法是在运用小波变换对含噪图像进行去噪前,先对图像进行小波级数分解,对其中的低频系数和高频系数进行适当的放大;然后对图像采取局部阈值去噪法进行去噪;最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构。     

地震子波外推方法研究

根据离散反演理论,综合测井和地震资料,充分考虑了地震子波的振幅特点和相位特点,给出了精确计算井旁地震子波的方法。在此基础上,针对测井与地震资料及地层的地质特点,提出了3种无井地震道处地震子波的外推方法,即反距离内插法、相位内插法和虚拟井法。其中反距离内插法是直接按照距离内插井旁子波;相位内插法则只内插井旁子波的相位,无井地震道处的振幅谱通过邻近的地震资料求出;虚拟井法是通过地震层序分析方法,由小波时频分析求出无井地震道处的虚拟反射系数后,进而得到无井地震道处的地震子波。介绍了各种方法的实现步骤,并给出了应用实例。结果表明,尽管各种方法计算的子波不同,但子波的变化是连续的。     

用小波变换谱均衡法提高地震资料的分辨率

谱均衡方法是提高地震资料分辨率的一种有效方法.通常,谱均衡方法是通过傅立叶正变换在频率域实现的,但是,傅立叶变换存在着先天不足的缺陷,即时-频局域性差,它不能分析信号的局部频率特性.小波变换方法的时-频局部性要优于傅立叶变换,它克服了傅立叶变换的不足,既能保证变换是可逆的,又可以分析信号的局部频率特性.文中充分利用小波变换与谱均衡的优点,利用小波变换与谱均衡相结合的方法,对不同尺度的分解结果进行谱均衡处理,以达到提高分辨率的目的.     

利用小波变换进行地震数据压缩

根据Ｍ带小波变换理论,结合地震数据的特征,将Ｍ带小波变换应用于地震数据的压缩处理,提出了地震数据的压缩编码算法。实验结果表明,该方法简单,对地震数据压缩行之有效     

二维非平稳信号的小波谱均衡分析方法

小波变换对信号的分时分频的精细表达和多分辨率的全面把握，使我们能更深入地认识信号和噪声的特性，便于基于小波域进行更有效的高分辩率的处理工作；而谱均衡处理技术是提高信号纵向分辨率的有效方法．本文结合上述两种处理手段，提出了一种小波谱均衡方法：先将二维非平稳信号进行小波分频处理，得到不同尺度的信号；然后将各尺度上的信号分别进行谱均衡处理，再将经谱均衡处理的不同尺度信号进行重建，从而得到高分辨率信号．利用小波谱均衡进行实际信号处理，处理结果表明该方法的处理效果要好于常规的谱均衡方法，它既能提高二维非平稳信号的纵向分辨率，同时又能保持原信号的固有特征．     

空变地震子波提取方法研究

提出了一种利用地震和测井资料、综合考虑子波相位特性、直流分量和截断效应的影响 ,提取井旁子波的方法。对于无井地区 ,则从地震记录中提取振幅谱信息 ,并根据同一地区同一时段子波展开相位谱的稳定性来求得相位谱信息 ,最终得到具有空变性质、却又相对稳定的子波剖面 ,这将有助于改进地震反演效果。文中详细介绍了该方法的具体实现步骤 ,并给出了应用实例     

基于高阶谱的地震子波估计

常规的地震子波估计是在假设子波为最小相位的基础上对地震记录进行处理.针对这一局限性,研究了基于地震记录高阶谱的地震子波估计方法.该方法无需对子波作任何假设,直接从地震记录的高阶谱中恢复地震子波的振幅谱和相位谱,进而重构地震子波,并对不同相位地震子波的理论模型和野外实际资料进行了处理,结果表明这一方法对于提高地震资料的分辨率具有可行性和应用潜力.     

小波变换在地震道奇异性检测中的应用

作者在本文考虑到地震道信号的分形特征，选取了具有紧支集的样条小波对信号作小波变换，相应地提出了利用小波变换的极大模值来检测地震道奇异性的方法。并用了应用实例来说明，所提出的方法对实际地震资料的处理是十分有效的。     

应用神经网络技术提高地震资料分辨率

通过神经网络技术以井数据和井旁地震数据作为输入,学习它们之间的褶积关系,利用这种关系可以求出地震子波通过求取子波的逆即得到反子波,使建立在褶积模型基础上的地震数据可以与反子波褶积得到波形压缩提高资料的分辨率。该方法和传统的反褶积方法的区别在于对子波没有最小相位假设,而地震子波一般是混合相位的．同时有井数据的参与使得对目的层的子注求取更为准确,通过反褶积使地震波形得到很好的压缩,提高了分辨率     

Ridgelet变换在地震数据压缩中的应用

鉴于地震数据反映的物理界面的空间展布往往具有直线、平面等特性,小波变换进行震压缩处理不能很好地反映这一特性,根据Ridgelet变换的特点,将Ridgelet变换应用于地震数据压缩,结合嵌入式零树编码方法,提出了Ridgelet变换的地震数据压缩方法.通过对实际资料的处理,在压缩率为99.0%和90%时,比较了Ridgelet变换与小波变换处理结果.研究结果表明:Rigelet变换应用于地震数据压缩,其对数据的压缩比比小波变换对数据的压缩比大.     

用小波变换法定量压缩地震数据

应用模型数据对 3种常用无损压缩数据方法进行了测试 ,得到的压缩比在 1.5左右 ,不足以满足实际数据压缩要求。为此提出了一种利用小波变换定量压缩地震数据的方法 ,并重点分析了小波方法的压缩比与分解的通道数、能量比与压缩效果以及压缩比与镜像滤波器长度间的定量关系。对模型资料和实际资料的测试结果表明 :①在数据压缩的多种方法中 ,小波变换法有很强的变焦功能 ,比一般的压缩方法具有更高的压缩率 ,数据压缩比达到 2 1时 ,仍能取得较理想的压缩效果 ;②在满足分解次数的条件下 ,应尽量选取较多的通道数 ;③压缩效果可以用能量比来描述 ,对于地震资料的有效压缩 ,能量比值应大于 80 % ;④在小波压缩中 ,一般应取较长的镜像滤波器 ,但并不是越长越好 ,一般在 10个点以上即能满足要求。