应用连续墨西哥帽小波变换对弱信号提取分析研究

应用连续小波变换分析含有噪声的模拟弱信号,对比mexh、db4、coif4、haar、meyr、morl 6种小波函数,结果显示,小波函数不同所得结果也不一样.通过小波变换系数求和,可将原信号放大,mexh能有效显示所要研究的信号,峰位值不变,并且使不易进行定量分析的信号也具有良好的线性关系.     

基于交叉谱法的C波段机载SAR海浪反演

传统的初猜谱海浪反演方法,需要先使用海浪预报模式来获取初猜谱,其优劣直接影响着反演的精度。为了摆脱对初猜谱的依赖,在不需要先验信息的情况下实现海浪反演,提出了基于交叉谱法的海浪反演方案。该方案采用C波段全极化机载SAR探测数据,利用全极化信息反演海面风矢量,作为WVW算法的风场输入,再通过WVW算法获取海浪谱,进而提取海浪信息。研究结果表明,海浪反演精度得到显著提高,海浪传播180°模糊问题也得到了有效解决。该方案对机载SAR海浪反演业务化应用具有借鉴意义。     

基于小波变换的Radon变换反演

采用小波取样定理和共轭正交小波变换两种方法进行了Radon变换的反演计算 ,并对不光滑函数的反演计算进行了深入讨论。理论和实例证明 ,基于小波变换的Radon变换反演算法便于计算并能高精度重构原信号。     

化学信号小波变换的本质分析

根据墨西哥帽小波的特点,提出两种新的函数,对化学信号进行n次小波变换,得到了信号的近似2n阶导数.由数值微分法和小波变换法对模拟信号计算的结果发现对于含噪信号,小波变换法有效滤除了噪声,所得结果的信噪比明显高于前一种方法;同时还可分离重叠峰,提高谱图分辨率.该方法函数形式简单,易于编程,为处理化学信号提供了新的途径.     

一种基于小波分析的SAR图像增强应用

通过对SAR图像的特征分析,采用小波分析方法,对图像做小波变换,提取各层小波分解系数,利用软阈值法对各系数作去噪预处理,然后再利用软阈值法对各系数做衰减或增强处理,最后重构出清晰图像.结果显示,用此方法处理的SAR图像,效果较好,既增强了图像对比度,又不损失细节信息,为进一步分析和开展海洋SAR研究奠定了坚实的基础.     

基于遗传神经网络算法的海面风速反演新方法

针对海面运动的复杂性、海面电磁散射理论模型的局限性以及利用SAR图像反演海面风速存在的非线性现象,基于遗传神经网络的方法,以业务化的CMOD4模式函数数据为基础,采用Fletcher-Reeves算法的变梯度反向传播算法,建立一种SAR风速反演的新模型。试验结果表明,利用遗传神经网络方法反演海面风速是可行的,当随机误差小于10%时,模型的抗噪能力较强,风速反演的精度较为理想。比较不同风速下的反演结果可以发现,在中、小风速的情况下,模型的抗噪能力较强,模型学习拟合和预测检验的精度相对较高;在大风速的情况下,模型的反演能力有待于进一步提高。     

改进的基于小波变换SAR图像去噪方法的性能评价

文章从两个方面研究了改进的基于小波变换的SAR图像去噪方法的性能,与常用的几种滤波方法进行对比;并考察该算法在抑制相干斑点噪声的同时保持图像的边缘等细节信息的性能;结果表明,该算法在有效滤除SAR图像斑点噪声的同时,有更强的图像细节信息保持能力。     

应用三次样条插值和连续‘Mexh’小波变换对重叠峰的分离研究

对于分析化学中的重叠信号,是化学计量学的研究重点之一.本文应用模拟信号,应用三次样条函数进行插值以增加数据密度,然后由连续‘mexh’小波变换分析重叠信号.结果显示通过‘mexh’小波变换能分离重叠的信号,峰位值不变.对实验信号进行分析,获得理想结果,可为分析化学中重叠的色谱、光谱信号分析提供方法.     

基于小波变换的SAR图像自适应子带编码算法

为降低大数据量SAR图像对传输带宽和存储空间的要求,必须对SAR图像进行高效压缩.基于小波变换的传统SAR图像压缩方法只对低频子带进行分解处理,造成SAR图像处于中高频子带的重要纹理信息丢失.针对上述问题,提出一种基于小波变换的自适应SAR图像压缩算法.首先对图像进行小波软阈值消噪预处理,然后依据能量指标,进行子带重要性判定,对认定为重要的子带进行深一层次分解,分解完成后对所有子带进行恒定比特率条件下的最小误差量化,实现对图像的自适应压缩.仿真实验表明:该算法能很好地保护SAR图像的高频细节,提高了信噪比.     

基于Sentinel-1A的长江口近岸风矢量场反演研究

选取长江口外近岸海域,以欧空局发射的Sentinel-1A为SAR图像数据源,利用多级小波变换和傅里叶变换获得高精度风向信息,再利用基于GMF的3种CMOD系列模型反演风速,最后将反演结果与同时相的ECMWF模式风场数据以及五组实测数据进行对比.结果表明,除个别包含复杂纹理特征的SAR子图像以外,SAR风场反演精度整体优于ECMWF模式风场.经过多级小波变换后的风向反演结果更优,均方根误差分别为31.6°,29.7°,23.5°.经过二级小波变换之后的整景SAR图像结合风向信息代入到CMOD系列模型中反演得到的风速精度最优,均方根误差控制在0.8 m/s.比较适合长江口外近海海域的是MOD-IFR2和CMOD4,均方根误差分别为1.08 m/s和1.05 m/s.     

An overview on SAR measurements of sea surface wind

Studies show that synthetic aperture radar （SAR） has the capability of providing high-resolution （sub-kilometer） sea surface wind fields. This is very useful for applications where knowledge of the sea surface wind at fine scales is crucial. This paper aims to review the latest work on sea surface wind field retrieval using SAR images. As shown, many different approaches have been developed for retrieving wind speed and wind direction. However, much more work will be required to fully exploit the SAR data for improving the retrieval accuracy of high-resolution winds and for producing wind products in an operational sense.     

基于小波分析法与滚动式时间序列法的风电场风速短期预测优化算法

为实现风电场风速的超前多步高精度预测,提出一种基于小波分析法与滚动式时间序列法混合建模的优化算法。该优化算法引入小波分析法对风电场实测非平稳风速序列进行分解重构计算,将非平稳性原始风速序列转化为多层较平稳分解风速序列,利用对传统时间序列分析法改进后的滚动式时间序列法对各分解层风速序列建立非平稳时序预测模型,并通过模型方程实现超前多步滚动式预测计算。仿真结果表明:该优化算法实现了风速的高精度短期多步预测,将传统时间序列分析法对应超前1步、3步、5步的预测精度分别提高了54.22%,26.44%和19.38%,其预测的平均相对误差分别为1.14%,3.06%和4.41%;优化算法具有较强的细分与自学习能力。