基于改进互补集合经验模态分解的自适应 小波熵阈值地震随机噪声压制算法

针对互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)后不易有效区分有用信号和噪声的问题,以及传统小波去噪阈值选取的不足,提出基于改进CEEMD的自适应小波熵阈值地震随机噪声压制算法。将地震信号进行CEEMD后,基于互信息熵和互相关系数获取高频含噪本征模态函数(intrinsic mode function,IMF);对含噪IMF进行多尺度小波分解,将高频小波系数等分为若干区间计算各区间小波熵,在此基础上得到不同尺度的自适应阈值,同时设计了改进阈值函数进行小波阈值去噪。仿真实验中,去噪残差和频谱分析表明,算法能在保留有用信号的同时有效去除随机噪声,实现保幅去噪。实际地震资料处理表明,相比其他去噪算法,算法能有效提高信噪比(signal-to-noise ratio,SNR) 1 d B以上,降低均方误差(root mean square error,RMSE),具有良好的去噪能力。     

基于双树复小波域HMT模型的煤燃烧火焰图像去噪

锅炉煤燃烧火焰图像中存在的噪声会对后续的特征提取和温度重建造成不利的影响.为更有效地去除锅炉煤燃烧火焰图像中的噪声,文中提出了一种基于双树复小波域隐马尔可夫树(HMT)模型的锅炉煤燃烧火焰图像去噪方法.首先对含噪火焰图像进行双树复小波变换,然后依据HMT模型分别对双树复小波系数的实部和虚部进行建模,并采用期望值最大算法来估计模型参数,接着利用贝叶斯最小均方误差准则来估计无噪双树复小波系数,最后通过双树复小波逆变换得到去除噪声的火焰图像.实验结果表明,与小波域VisuShrink阈值法、基于小波域或Contourlet域HMT模型的方法相比,文中方法能够有效地抑制噪声,获得较高的峰值信噪比.     

基于改进EMD的地震信号去噪

压制随机噪声是地震数据处理过程中的一个重要环节,目前大多数去噪技术都不同程度存在去噪效果差、易损伤有效信号等问题。利用经验模态分解可将信号自适应地分解为不同特征尺度固有模态函数的优点,及小波变换模极大值滤波方法对噪声的依赖性较小且适合于低信噪比信号去噪的优势,构造了一种经验模态分解与小波变换模极大值相结合的新的去噪算法,该算法很好地实现了地震有效信号与随机噪声的分离,有效提高了地震数据信噪比。将该算法应用于仿真实验和实际地震数据处理,结果都表明该方法明显优于常规经验模态分解去噪效果。     

基于C-WNNM的地震随机噪声压制方法

针对低信噪比情况下地震信号同相轴不易识别的问题,提出用C-WNNM方法来压制地震勘探资料中的随机噪声.给出了基于WNNM的低秩逼近理论,利用地震信号在时间和空间上具有一定的相似性这一特点来构建近似低秩矩阵,并且由CEEMD分解得到的IMF1分量来近似估计局部噪声方差,从而获得更加精确的权值.经过迭代逼近得到最终去噪后的信号.对由雷克子波生成的模拟地震勘探资料进行C-WNNM滤波处理.结果表明,在地震数据存在强噪声的情况下,该方法能够有效压制随机噪声并且能够更好地保留有效信号,信噪比相比于原始WNNM算法提高了3 d B左右.     

改进双树复小波变换和高阶累积量的齿轮箱信号降噪方法

采用传统阈值降噪方法对小波系数分别进行软、硬阈值处理时在强背景噪声下提取的齿轮箱故障振动信号效果不理想,且实、虚部分离的阈值处理方法会引起局部相位失真。利用双树复小波变换的平移不变性,提出了双树复小波变换和高阶累积量的齿轮箱振动信号降噪方法。对分解和单支重构后的各双树复小波系数采用了四阶累积量的处理方法,根据信号和噪声的统计特性进行信噪分离。由于小波分解层数会直接影响信号的去噪效果,因此,采用粒子群算法优化小波的分解层数。仿真和实验信号处理结果表明:该方法与双树复小波变换的软、硬阈值处理方法相比,在不同信号和噪声水平下更能有效地抑制噪声干扰,提高信噪比,并且能够满足实验中对采集到的振动信号进行特征提取的需求。     

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。     

盲小波算法在金属矿床地震资料去噪处理中的应用

根据小波分析和盲信号分离原理,提出了一种金属地震资料降噪的盲小波算法。首先将金属地震信号用小波分解为不同频带的信号;其次把不同频带的信号进行软阈值法处理,并进一步对不同频带信号进行盲分离,提取出与源信号相关的信号;最后通过小波重构估计源信号。通过盲小波算法与其他降噪技术对实际金属地震资料进行降噪处理,结果表明盲小波算法能有效消除各种干扰噪声。去噪后的金属地震资料纹理清晰,地震资料剖面信噪比显著提高。     

双密度双树复小波RH模型纹理图像检索

针对利用光滑概率密度函数提取小波系数直方图及系数模直方图方法存在参数估计复杂,难以充分有效地提取纹理特征的不足。提出了双密度双树复小波RH模型的纹理图像检索方法,通过分析双密度双树复小波原理,RH模型与非均匀量化器的内在关系,将RH模型推广为提取双密度双树复小波变换系数及系数模直方图特征。该方法结合了RH模型及双密度双树复小波的优点。实验表明,研究方法与利用概率密度函数提取提取直方图特征的方法相比检索率提高了2~9%;推广RH模型提取双密度双树复小波系数模特征的方法获得了75.66%的最高检索率。     

自适应结构方向复扩散压制沙漠地震随机噪声

非线性复扩散( NCD: Nonlinear Complex Diffusion) 能针对不同结构特征调节扩散强度,有效压制地震勘探随机噪声。但沙漠地震勘探数据结构复杂,NCD 方法不能有效估计出同相轴方向,会导致同相轴衰减。为此,基于同相轴结构特征提出自适应结构方向复扩散( ASOCD: Adaptive Structure-Oriented Complex Diffusion)滤波算法,该算法沿同相轴方向定向复扩散,在压制随机噪声同时增强有效信号。此外,该算法利用地震勘探数据的区域特性自适应调节扩散阈值,在信号区域减小扩散阈值以更好地恢复地震勘探信号。合成和实际沙漠地震数据结果验证了所提方法的有效性,与NCD 方法相比,滤波后信噪比提高了6 dB 左右。     

一种基于小波系数方差的语音端点检测方法

首先分析讨论了小波变换的原理,在此基础上提出了一种利用小波系数方差识别含噪语音信号中静音与语音的新算法。算法首先对含噪语音进行小波分解,观察各层小波系数的统计特性,提取它们的方差作为检测特征,从而进行语音端点检测。对该算法进行了仿真实验,并与传统的基于能量与过零率的端点检测算法进行了比较。实验结果表明:该算法在低信噪比条件下也能够有效分割语音。     

Shearlet域深度残差CNN用于沙漠地震信号去噪

由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题,提出了一种基于Shearlet 变换的深度残差卷积神经网络( ST-CNN: Deep Ｒesidual Convolutional NeuralNetwork for Shearlet Transform) 模型,实现沙漠地震信号的随机噪声压制。在训练阶段,将沙漠地震信号经Shearlet 分解后的系数作为输入,将随机噪声经Shearlet 分解后的系数作为标签,通过卷积神经网络( CNN: Convolutional Neural Network) 学习输入和标签之间的映射关系; 在测试阶段,利用此映射关系即可从沙漠地震信号系数中预测出噪声系数,并间接地获得有效信号系数,最后通过Shearlet 反变换获得有效信号。通过与传统的Shearlet 硬阈值去噪算法对比,发现该算法可把沙漠地震信号的信噪比从－ 4． 48 dB 提高到14． 15 dB,具有更好的去噪效果。     

润滑油磨粒超声回波信号的双树复小波自适应降噪

针对润滑油磨粒含有强噪声的回波信号的问题,采用基于双树复小波变换(DT-CWT)的自适应降噪方法,从而提取清晰的磨粒回波信号. 该方法结合奇异谱分析(SSA)和小波熵理论,分别对双树复小波变换后的近似部分和细节部分进行分析. 奇异谱分析去除了近似部分包含的噪声,同时,小波熵理论能够自适应选取不同分解层上的阈值,实现了细节部分系数的自适应选择. 仿真表明,对于润滑油磨粒超声回波信号的双树复小波自适应降噪,输出信号信噪比(SNR)高、均方根误差(RMSE)小、相似系数(NCC)大,算法运算时间能够满足在线检测要求. 实验分析表明,该方法降低了信号中的噪声,还原了准确的波形特征.      

基于双密度双树小波变换的图像去噪

为了使图像的不同增量同时达到最优的去噪结果,本文提出了一种基于双密度双树小波变换的图像去噪方法.首先使用Vese和Osher的图像分解模型把图像分成结构和振荡分量,然后根据各个分量的不同特性进行双密度双树小波变换域阈值去噪.实验结果表明,本文方法不但有效的去除了噪声,而且去噪后图像的视觉效果更好.     

基于二元广义正态分布模型的双树复数小波图像去噪

双树复数小波变换具有平移不变性和多方向选择性,适用于图像去噪.对小波系数统计分布进行建模,提出了一种二元广义正态分布的概率模型.在此先验分布的基础上,通过运用最大后验概率估计方法,从含噪系数中去除高斯噪声.实验表明,该方法不仅在直观视觉上去噪效果明显,在信噪比方面也要优于Bayes-Shrink、W iener2、SureShrink等方法.     

基于双变量收缩函数与小波系数增强的SAR图像去噪

在充分考虑斑点噪声模型特殊性的基础上,将双变量收缩函数与小波系数显著性增强相结合,提出一种新的用于SAR图像的斑点抑制算法.将双变量收缩函数与双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后,通过最大后验概率估计出滤波后图像的小波系数,再采用小波系数的模极大值准则对系数进行显著性增强,突出图像的边缘特征和点特征.仿真实验表明,与其他传统的去噪算法相比,该算法具有更好的去噪效果.     

基于空间分数阶复扩散的地震勘探噪声压制

沙漠地震勘探数据信噪比低,随机噪声主要为非平稳、非高斯的低频色噪声,利用常规噪声压制方法很难有效辨识与表征地震勘探信号,导致弱纹理结构信号的损失。针对此问题,引入分数阶梯度算子,提出空间分数阶复扩散随机噪声压制算法。该算法利用空间分数阶梯度增强地震信号的弱纹理和细节,在复扩散框架下,根据同相轴结构控制扩散强度。实验采用合成地震勘探数据和实际沙漠地震勘探数据评估算法性能,结果表明,提出的空间分数阶复扩散滤波算法可压制沙漠勘探随机噪声并保留有效信号结构。     

基于双密度双树复数小波变换的图像去噪

针对双树复数小波方法对图像去噪效果不理想的问题，综合双密度双树小波和双树复数小波的变换机理，提出一种基于双密度双树复数小波变换的图像去噪方法．该方法将双树复数小波的6个方向提高到12个方向，采用该小波进行最优阈值去噪处理，图像噪声明显减少．仿真试验表明，该方法能有效消除图像噪声，与双树复数小波相比，去噪效果明显改善，均方误差减小了5．8％．     

二代小波变换在地震信号降噪技术中的应用

小波变换是去除地震信号中随机噪声,提高信噪比的有力工具,但实际去噪效果受到小波基函数、分解层数、门限阈值和阈值函数的影响。将二代小波变换与改进的阈值函数相结合,通过对去除相关成分的小波细节系数进行白噪声检测,确定最佳分解层数。通过仿真实验证明,该方法具有较好的去噪效果。     

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。     

煤热重信号的两步法去噪

提出不同于传统方法的两步法小波去除热重信号噪声的方法,即将小波去噪过程分成两步:首先,利用小波的二进制离散变换将信号进行不同层次的分解,分析不同分解层的小波系数,利用方差来区别突变信号的特性,对小波系数和尺度系数进行不同的滤波处理,重构获得除去突变噪声的含噪信号;然后采用传统方法将含白噪声的信号进行消噪处理.将该方法用于河北峰峰变质煤的恒温热重信号消噪,从去噪结果上看:两步法可以有效地滤除掉突变信号的干扰,且较好地保留了信号的基本特征.