时间-频率域联合局部SVD压制随机噪声

全局奇异值分解(SVD)算法存在难以处理非水平同相轴问题的先天局限,局部SVD算法在一定程度上能克服这一局限,但时间域局部SVD技术的去噪效果受制于时窗参数的准确性,频率域局部SVD技术则会损坏部分频带内的有效信号。对于宽频带随机噪声,单独使用上述任何一种方法都难以取得满意的压制效果。综合两种方法特点,研究时间、频率域联合局部SVD去噪方法:依据资料特点对输入数据进行合理的时窗划分;在时间域对时窗内数据进行同相轴拉平处理并进行时间域局部SVD去噪;将经上述处理的各时窗数据变换到频率域并构建Hankle矩阵,采用SVD技术对该矩阵进行去噪处理并变换回时间域。算法克服了单域处理的局限性,在有效压制随机噪声的同时,保护高低频有效信号。模型与实测资料的应用效果证明了联合去噪方法的有效性。     

基于SVD的频域滤波去噪算法

为了解决时域SVD分解算法对非水平同相轴去噪效果不佳的难题,提出了Eigenimage和Cadzow 2种基于SVD分解的频域去噪算法.这2种算法将数据转化到频率域,在频率切片上进行SVD去噪,将信号时移转换为相移,从根本上解决了非水平同相轴的去噪问题,并且有良好的信号保真性.通过模型对其有效性进行验证,结果表明,Eigenimage和Cadzow算法对同相轴均有很好的去噪效果,但相比时域SVD算法,这2种算法计算量较大.     

基于SVD的倾角扫描叠加算法在去噪中的应用

针对SVD对非水平同相轴去噪效果不佳的问题,引入了基于SVD的倾角扫描叠加算法.采用Ricker子波合成倾斜同相轴的地震波,经线性时移后成为水平同相轴,然后用SVD算法提取信号,再作反线性时移恢复其时间轴坐标数据,将反线性时移后的结果叠加作为最终输出,模型验证此方法去噪效果明显.将倾角扫描叠加算法和传统SVD算法进行对比,可知前者所需的本征图像个数更少,但重构信号和去噪效果更好.     

频率域奇异值分解压制随机噪声方法

 奇异值分解(SVD)是提高信噪比的一种较新的有效手段之一。本文从数学角度阐述了奇异值分解SVD滤波技术增强地震资料信噪比的原理,对比了时间域和频率域SVD技术压制随机噪声的处理效果。结果表明,时间域SVD技术只能对水平或接近水平的同相轴进行信号增强,对倾斜同相轴的处理效果较差;而频率域SVD技术既可以处理水平同相轴,也可以处理倾斜同相轴,对提高地震剖面信噪比具有很好的效果。本文用3个简单的合成地震记录和1个实际地震资料检验了SVD两种方法的应用效果。结果表明,本文方法可以达到随机噪声压制的效果。     

小波及奇异值分解在混沌特征计算中的综合去噪研究

观测时间序列的非线性动力学混沌特征研究在电力、气象、地震、边坡等工程领域的应用日益广泛，但观测序列的噪声对研究结果具有重要的影响，人们通常采用傅立叶或者小波变换方法去噪。但对于混沌序列来说，这种去噪方法具有一定的局限性，会造成观测数据一定程度的破坏，对混沌分析结果会产生一定的影响。本文探讨运用小波变换结合奇异值分解（SVD）方法来解决观测时间序列在混沌特征分析时的去噪问题，该方法针对混沌分析过程中的源观测数据特点，首先用小波方法对一维观测序列去噪，并对去噪后的序列计算混沌特征分析中的重要参数一相空间重构参数m，τ，根据m，τ对源一维观测序列进行重构，得到重构的相空间矩阵A，然后对矩阵A采用SVD方法进行处理，通过这两种方法相结合的方式来达到更好的去噪目的。结果表明其去噪效果是明显的，数据经过小波变换和SVD联合处理后其观测序列的混沌特征更明显和易于提取，提高了观测时间序列混沌分析的可靠性。     

基于S变换与奇异值分解的局部放电信号去噪方法

根据白噪声在S变换域服从2分布且平均功率谱与频率成正比的特点,提出了基于S变换与奇异值分解(SVD)的局部放电(PD)信号去噪方法。首先对带噪PD信号进行S变换,得到时频矩阵;接着利用SVD与奇异值差分谱理论,确定PD信号发生的时间与个数,得到白噪声区域;然后通过构造与频率成正比的线性方程,采用硬阈值法对时频矩阵进行处理,完成PD信号的第一次去噪;最后利用SVD对PD信号进行第二次去噪。仿真和实测信号的分析结果表明,文中方法的去噪效果优于小波阈值法,且该方法更简便快捷。     

用人工神经网络法预测气－水边界

文章研究了在构造复杂地区（如高陡构造带、断层发育等），地震记录上储层的信噪比低的情况下，用人工神经网络方法预测气水边界。对影响预测效果的某些因素作了试验，其中包括地震特征参数的选择、计算时窗大小、数据圆滑方式、学习样本与预测区域的选择等。文中还给出了已知剖面的预测结果，并被钻井证实是成功的。     

EHGFs方向可控滤波压制地震勘探随机噪声

为有效提取地震信号同相轴信息, 解决以哈密特-高斯函数(HGFs: Hemite-Gauss Functions)为核函数的方向可控滤波器因无方向性而导致同相轴被降频的问题, 引入以拉伸哈密特-高斯函数(EHGFs: Elongated Hemite-Gauss Functions)为核的方向可控滤波去噪方法。该方法考虑有效信号与随机噪声在方向性上的差异,
通过近似拟合方法构造EHGFs 方向可控滤波器, 借助EHGFs 具有明确的方向性, 滤波时沿着轴向进行滤波,提高线性度, 减少平滑作用, 取得方向滤波数据后再根据数据局部数字特征进行数据重组, 达到去噪效果。实验结果表明, 该方法具有明显压制随机噪声、恢复有效信号的效果。     

非线性滤波技术在地震信号处理中的应用

地震序列是具有线形纹理特征的图像.早期的去噪方法多是线性的,会产生一些副作用.目前一些处理软件使用中值滤波方法,但当同相轴有倾角时就不适应了.本文根据线形纹理图像的特征,采用一致增强性扩散算法,它以扩散张量作为扩散系数,是一种各向异性扩散,能较好的保护边缘纹理信息,并针对同相轴的弱边界问题提出二阶导数处理法,它能使断裂的同相轴变得连续,更有利于解释.经计算,一致增强扩散比中值滤波信噪比有所提高,同时,同相轴更为连续,纹理更加清晰.     

基于小波阈值的浮动车数据消噪算法

研究通过小波函数选取等策略来构造一种适合于浮动车原始数据去噪的小波阈值去噪算法.数据去噪是浮动车数据进行交通信息研究的基础性工作,小波分析对于掺杂噪声信号的数据去噪有不可比拟的优势,本文通过构造新的阈值及阈值函数进而以信噪比、均方误差为指导对浮动车数据的去噪结果进行分析来确定小波基函数及小波分解层数,以此研究出针对于浮动车数据的小波阈值去噪的有效算法.通过本文构造的小波阈值算法使得浮动车数据去噪前后与遥感微波检测器（RTMS）数据的相关性提高10%以上,能够有效去除浮动车数据中的噪声.      

RSOM算法及其应用研究

神经网络以其优越的非线性拟合能力和强大的自组织模式分类能力已被用于许多模式识别问题,并取得了很好结果．但是对于大样本集分类和复杂模式识别问题,大多数常规神经网络在决定网络结构与规模、设计自学习算法和应付庞大的计算量等方面存在诸多困难．为了克服这些困难,在Kohonen自组织映射模型(SOM)的基础上,提出了两种基于类别可分性判据RSOM分类树：非结构自适应的RSOM-Ⅰ分类树与基于奇异值分解方法的结构自适应RSOM-Ⅱ分类树,这两种分类树的每个节点由拓扑有序的自组织映射网络组成．RSOM分类树的优点在于处理大样本集和复杂模式的识别问题时能够自适应地确定网络的结构和规模,最后的数据试验就是很好的佐证．     

三维叠前深度偏移在复杂构造区的应用

针对复杂构造区,通常应用3D叠前深度偏移。但长期以来这是件可望而不可及的事。近来,随着巨型并行计算机和软件方法的不断发展,使得此项应用成为现实。在较短的处理周期内,我们应用一个实例,利用3D叠前深度偏移处理技术,在估计和验证与逆掩断裂区有关的速度深度-模型方面做了大量的实际工作,并在最后给出了应用效果     

关于SVD水印算法的分析和探究

基于奇异值分解理论的数字水印技术是一种新的值得探讨和研究的变换域水印技术,它的提出为数字水印技术的发展开拓了新的思路和方法。本文对传统的基于奇异值分解理论的数字水印技术进行了深入分析和研究,并提出了改进方法,给出了一种新的基于奇异值分解的数字水印方案。仿真实验证明,新的方法比较好的满足了数字水印的透明性和鲁棒性,能经受住通常的图像处理操作且具有较大的应用潜力。     

水平井分段压裂各段产能评价技术研究进展

为了更好掌握水平井分段压裂后各层段产能贡献情况,本文分析水平井分段压裂各段产能评价存在的问题,系统梳理现有的3种水平井分段压裂各段产能评价技术,并提出该技术未来的重点攻关方向。结论认为：①水平井分段压裂产能评价主要存在测试仪器输送困难和测试资料解释困难;②产出剖面测井技术的测试仪器因井身结构和井况使其适用性受限制,分布式光纤监测技术可实时连续监测压裂动态,但数据解释仍是最大的难题;示踪剂监测技术选取合适的示踪剂可弥补上述2种技术的不足;③下一步攻关方向应着重于各技术的测试工艺和数据解释。通过对水平井分段压裂各段产能评价技术综合剖析,可对现场测试提供技术参考和后续技术发展提供新视角。     

电磁场对复杂黄铜凝固组织及性能的影响

通过对水平连铸黄铜棒添加电磁场后的铸态组织、密度、力学性能的研究,分析了电磁场对复杂黄铜铸造的影响.分别进行了普通水平连铸和加电磁场水平连铸试验,研究了电磁场作用下黄铜水平连铸铸坯的凝固组织、力学性能、物理性能等的变化,为黄铜的加电磁场水平连铸生产提供合理的电磁场设计、优化铸造工艺奠定一定基础.     

用奇异值分解研究数控工作台动态特征

本文用奇异值分解方法研究数控工作台动态特征。测试数控工作台三个方向的加速度信号;用奇异值分解得到信号的奇异谱;找出构成信号的主分量;通过提取主分量动态特征来研究信号的动态特征及其影响因素;通过计算信号能量来对信号及主分量进行量化分析。结果表明：构成信号的前两个主分量的信号特征明显,依此可以提取出混沌信号的动态特征;工作台铅垂方向的信号与水平面上运动方向的信号有很大的互相关性,说明信号来自于同一激振源,而水平面上与运动方向相互垂直的两个方向的信号互相关性小;运动方向的信号总能量最大,水平非运动方向的最小,铅垂非运动方向的居中;丝杠在铅垂方向的弯曲振动远比水平方向的大。     

一种新的故障树直接分析法

本文给出一种新的大系统故障树直接分析法,首次提出最小相关子树概念,有效地减少了分析的计算量。作者按此算法编出DFTA程序,用它可求出多种可靠性参数,而且处理问题能力强,运算速度快,占内存极少。这使在微机上分析大系统故障树成为可能。     

高性能计算机体系结构综述

高性能计算机的研制水平受探求复杂的物理世界与人类社会本身的应用计算需求的驱动及研制者所处环境及当时的可选择的实现技术的影响.首先以时间为主线回顾了从20世纪60年代到目前为止的高性能计算机体系结构的发展情况;其次介绍了高性能计算技术目前的发展情况,包括高性能计算机目前比较流行的体系结构技术;最后根据目前的发展状况,预测了高性能计算体系结构的发展趋势.     

FPGA实现流水线结构的FFT处理器

针对高速实时信号处理的要求,介绍了用现场可编程逻辑阵列(FPGA)实现的一种流水线结构的FFT处理器方案.该FFT处理器能够对信号进行实时频谱分析,最高工作频率达到75 MHz.通过对采样数据进行加窗处理来减少了频谱泄漏产生的误差.为了提高FFT工作频率和节省FPGA资源,采用了由1 024点复数FFT计算2048点实数FFT的算法.此外还介绍了一种计算复数模值的近似算法.     

设计前馈神经网络结构的一种新方法

提出了一种设计前馈神经网络结构的新方法,该方法对网络隐层节点的输出作奇异值分解,根据奇异值大小的分布情况来决定隐层节点的个数,优化网络结构。这种方法同样也适用于有多个隐含层前馈神经网络的设计。应用这种方法来设计一个前馈神经网络并对一复杂信号建模和进行预测,能取得令人满意的结果。