匹配追踪时频分析及其在油气检测中的应用

地震波穿过地下含油气区时会表现为低频能量相对增强、高频能量相对减弱,准确提取地震波的低频能量和高频能量可以实现地下岩石的含油气性检测。利用短时傅里叶变换、S变换和引入尺度参数的匹配追踪算法对合成信号进行了试算,结果表明,引入尺度参数的Morlet小波匹配追踪算法不仅算法速度快,而且有更好的时频分辨率;通过对实际地震资料的匹配追踪计算,表明该算法也适用于实际资料;利用匹配追踪算法较准确地提取地震波的低频和高频能量,并对实际资料进行了含油气性预测,取得了与钻井一致的结果。     

基于混合优化算法的地震数据匹配追踪分解

以5个参数(幅度、频率、相位移、尺度因子、时移)控制的Morlet小波作为匹配子波原子,在确定控制参数的过程中,提出应用具有全局优化能力的粒子群优化算法与具有局部优化能力的BFGS算法的混合优化算法,能够使得匹配追踪算法不再依赖于复数道分析确定子波原子的振幅、频率和相位的初值.控制子波时间延续长度的尺度因子是一个重要的参数.匹配追踪分解后,消除较小和较大的尺度因子和分解终止时的剩余信号能够有效地压制地震数据噪声.利用局部函数解析表达式和残差信号能量进行有效地控制算法的迭代次数可以提高计算效率.数值试验和实际资料的应用均表明:利用本文方法能够压制地震数据噪声,对地震信号快速地、精确地进行时频谱分析,为烃类检测和储层描述提供有效的手段.     

基于匹配追踪算法的高精度页岩气“甜点”识别

中国页岩气资源开发近年来已取得了许多阶段性进展,但因勘探开采成本高、风险大,因此在钻井资料较少的情况下,充分利用地震资料的横向变化特征,精确刻画页岩气"甜点"区分布具有重要意义。常规叠后地震反演方法能够识别页岩层,但不能有效区分含气页岩层与非含气页岩层,而基于地震波衰减理论的流体活动因子能够有效表征储集层的渗透性,识别含气页岩储层。提出将流体活动因子与高精度匹配追踪算法相结合,在地震信号时频分解的基础上,建立含气页岩层与地震波衰减的联系,求取流体活动性属性,进而实现高精度页岩气"甜点"识别。该方法不受测井资料及构造解释的影响,能客观反映页岩层的含气性,适用于页岩气勘探初期钻探目标评价。理论模型试算和在中国南方复杂构造区海相页岩气勘探中的实际应用表明了该方法的有效性。     

水下沉底目标回波的小波谱重排时频分析及其匹配检测

在浅海沉底目标主动声探测中,强混响背景下回波有效特征表征是目标分类的基础。根据工程需要讨论了Wigner-Ville,短时傅立叶变换(STFT)和小波重排谱下回波时频特征的提取过程,分析了混响与目标回波的耦合特性。提出构造基于小波尺度谱重排的时频检测器,在时频面实现目标信号和混响分离,以小波重排谱来表征回波,可取得较好的效果,在此基础上设计时频匹配检测器,以达到较好的目标检测性能。湖试数据分析表明小波尺度谱重排联合二维匹配检测器能压抑混响,提高信混比约2dB.     

基于交叉验证法优化参数的Morlet小波消噪方法

针对机械监测故障信号的非平稳性特点,提出一种基于交叉验证法优化参数的Morlet小波消噪方法。选择与机械冲击振动波形相似的Morlet小波,对Morlet母小波进行改进,增加了波形调整参数。通过交叉验证方法设计了改进Morlet小波的波形参数和变换尺度。对信号进行连续小波变换(CWT),实现对含噪信号的滤波消噪。将该方法应用于齿轮故障检测中,对比2种传统的小波消噪方法,验证该方法能够提取出强噪声背景下的有效信号特征成分,具有较好的滤波消噪效果。     

基于匹配追踪时频LBP谱图的内燃机气门故障诊断方法

为直接对内燃机振动时频图像进行诊断识别,引入图像纹理特征提取技术,提出一种基于振动信号匹配追踪时频局部二值模式谱图的内燃机气门故障诊断新方法。首先,为清晰刻画内燃机时频图像中的各分量信息,利用匹配追踪算法(MP)获取无交叉项干扰项且时频聚集性良好的信号时频表示;然后引入局部二值模式(LBP)生成MP时频表示的LBP谱图,并将LBP谱图的灰度直方序列作为特征参数,利用支持向量机(SVM)对故障状态进行模式识别。在内燃机4种不同气门状态的诊断识别实验中,该方法最高识别率可达99.17%,表明基于MP时频LBP谱图识别的故障诊断方法具有较强的故障特征描述能力,能够准确诊断内燃机气门故障。     

雷达信号的匹配小波识别

为提高船用雷达在海上复杂气象条件下的抗干扰性能,有效识别航道目标,克服通常小波雷达信号处理中小波选择的困难和多尺度分析的非实时性,提出根据学习雷达信号匹配构造与信号具有相似频谱特征的带限尺度函数和小波算法.通过一级分解和重构,实时提取信号中的有用模式.根据不同信号动态构造优化尺度和小波.在实际一维雷达信号处理中,构造出频带锁定学习雷达信号有效频段的带限尺度和小波.     

基于Morlet小波带通滤波特性的振动系统频率识别

利用Morlet小波在频域的带通滤波特性,对通过改变Morlet小波的带宽,直接在尺度图上识别振动系统频率的方法进行了分析研究。该方法的特点是简单易行,便于应用。并针对实际试验数据中存在严重噪声污染和振动系统的密集模态识别问题,进行了仿真,仿真结果验证了该方法的有效性和可行性。     

基于Morlet小波变换的结构密集模态参数识别

为了解决结构密集模态识别精度不高的问题,提出了基于Morlet小波变换进行结构模态参数识别的一套方法流程.首先,从公式推导的角度对结构模态混叠的机理进行研究分析,明确和量化了密集模态的定义,提出了结构模态密集度指标——相邻模态的频率比,以此判定应用Morlet小波变换进行模态识别的有效性.其次,针对边端效应和噪声污染的不利影响,改进了小波变换识别结构模态参数的方法,并提出了最优小波中心频率的选取方法.理论研究结果表明,当相邻模态的频率比值一定时,随着阻尼比以及相邻模态阻尼比差值的增加,模态混叠的严重程度也增加.数值仿真算例结果表明,这种改进的模态识别方法可有效地识别结构的模态参数,且能够获得较高的参数识别精度.     

基于小波迹和匹配追踪算法的超声波检测信号消噪

针对某大型国有企业的零件在线无损检测工程实际需求,为了提高超声波检测的准确度和精度,引入小波迹理论和匹配追踪算法对超声波检测信号进行消噪处理.首先,在信号的小波变换基础上构建一个小波迹字典;然后,在小波迹域内进行阈值消噪去除信号中的噪声;最后,利用匹配追踪算法通过有限步骤的迭代后,在小波迹字典上用一定数量的小波迹的组合来实现原信号的稀疏描述.小波迹字典内的小波迹具有对信号结构特征无损的描述能力,在小波迹域内消噪克服了传统小波消噪不考虑各尺度之间小波系数的相关性而只进行简单的系数收缩的缺陷.通过仿真试验将本文采用的方法与传统的小波硬阈值和软阈值消噪技术进行了对比,结果表明该方法的消噪效果要优于传统的小波消噪方法.实际超声波检测信号的处理结果也论证了本文所采用消噪技术的优越性.     

基于Morlet小波变换的振动特性参数识别

传统的振动系统特性参数识别方法对于非线性、非平稳信号的处理能力差,尤其对于阻尼比的识别精度较低.将Morlet小波变换和随机减量技术相结合识别振动系统的特性参数,首先利用随机减量技术提取振动的自由衰减响应信号,进而由Morlet小波变换对信号进行连续的小波变换处理得到小波能量谱,结合参数识别的基本理论及对时间-幅值坐标面曲线的半对数拟合结果得到振动系统的频率及阻尼比,数值仿真结果表明,提出的方法能有效识别系统的固有频率和阻尼比.将该方法应用于罐车模型流固耦合冲击试验研究,较好地识别出充液工况下振动系统的固有频率和阻尼比.     

基于边缘匹配和多尺度小波变换的图像校准

提出了一种新颖的图像校准算法．先将边缘方向曲线链码化,选出相对于基准点位置相似且局部链码匹配的对应边缘曲线段．然后采用多尺度小波变换提取对应边缘曲线段上的真实角点,即得到两幅图的对应特征点集．仿真试验证明,我们的算法可以在实时系统中,以较小复杂度,达到较好的性能．     

小波变换和信号的时频局部分析

从信号时频分析的角度讨论了小波变换的应用,重点是多尺度分析和波包,指出了用小波包分析非平稳信号的步骤。     

小波变换的时频分析及其在实际中的应用

由于小波变换自身的特性,它非常适合对非平稳和时变信号进行分析及处理。本文介绍了小波变换的时频分析,具体将小波变换应用于几个非平稳及时变信号的处理,并将小波变换和其他信号时频分析方法做了比较,得出了小波变换的优势和适用特点,最后给出了小波变换应用于信号去噪的例子。     

基于匹配跟踪的脑电睡眠纺锤波的时频分析

匹配跟踪(MP)算法是一种冗余算法，通过信号x在所选择的最佳向量(最佳基)上的反复正交投影而逼近原信号。它不仅可以获得较好的时频分辨率，而且可以参数化描述任何类型的数据。在临床应用实践中已发现睡眠纺锤波与多种病症有关，因此，有效地检测出睡眠纺锤波具有重要的临床应用价值。文中根据脑电信号(EEG)睡眠纺锤波的特征，利用基于Gabor函数的MP算法对EEG中的睡眠纺锤波进行检测和分析，并给出了分析结果的时频表示。     

基于多尺度小波算子的图象边缘检测

分析了传统的图像边缘检测算法及其存在的问题，论述了基于多尺度的小波分析进行边缘检测的算法，并以实例说明基于小波分析得图像边缘检测算子效果更优。     

图像基于小波包变换的多尺度匹配算法

基于梯度算子的图像匹配方法存在收敛速度慢、迭代容易落入局部最优点等问题,针对这些问题,提出了一种基于小波包变换的多尺度图像匹配算法.该算法利用小波包的多尺度特征对图像进行不同分辨率的分解,先对低分辨率的子图像进行匹配,再根据该结果对高分辨率的子图像进行匹配.实验表明该算法匹配准确度高,计算速度较快且减小了迭代落入局部最优解的概率.     

用分层抽样和复Morlet小波识别短样本模态参数

针对大型结构短样本模态参数识别,提出基于分层抽样的最优复Morlet小波短样本模态参数识别方法.先对结构响应信号进行分层抽样,用随机减量法提取每一层的自由衰减信号;再根据样本标准差确定每一层的层权,用最优复Morlet小波识别每一层的模态参数;最后用层权对模态参数进行加权得到最终的模态参数.工程应用结果表明,所提方法具有较高的识别精度,良好的低频密集模态解耦和高频虚假模态抑制能力.     

基于Morlet小波变换与SVD的故障特征提取

针对Morlet小波变换结果中的特征提取问题,对连续小波变换得到的小波系数矩阵进行奇异值分解(SVD),分析了所获得的奇异值与Morlet小波变换结果中的特征信号以及噪声的对应关系.基于这种关系,通过选择合适的奇异值进行重构,清晰地提取到Morlet小波分解结果中的有效特征信息;进一步计算得到频率-能量谱,根据峰值位置能够提取冲击特征.将该方法应用于轴承振动信号的故障特征提取,并与其他方法进行了比较.结果表明,文中方法所获得的故障波形非常清晰,在低信噪比时具有较好的故障特征提取效果.