基于高阶累积量的线性化子波提取方法研究

在地震子波非因果、混合相位的假设下,分别应用滑动平均(MA)和自回归滑动平均(ARMA)模型对地震记录建模,并采用基于高阶累积量的线性方程法对子波提取和模型适应性进行了研究.数值仿真结果表明,ARMA模型比MA模型在描述地震记录时具有参数节俭、模型更为高效的特点;基于高阶累积量的线性方程法对加性高斯色噪声有较好的压制效果,却强烈依赖于累积量样本估计的准确性.如果累积量样本估计的误差和方差适度,结合AR-MA模型描述的累积量线性方程法适用于非因果、混合相位的子波提取,其有效性通过实际地震数据的处理得到了验证.     

基于高阶累积量的地震子波提取

在地震勘探中,子波处理是提高地震资料分辨率的一个重要手段,而该技术的关键是地震子波的估计.由于影响地震波的因素太多且复杂,使得子波的提取始终是一个十分困难的问题.传统的提取子波的方法主要利用地震记录的二阶统计信息,然而由于二阶统计量并不包含相位信息,因而无法解决非最小相位的物理问题.鉴于信号高阶累积量的性质和特点,利用高阶累积量来达到提取地震子波的目的.     

基于自回归滑动平均模型和粒子群算法的地震子波提取

基于自回归滑动平均(ARMA)模型理论,对地震子波进行参数化建模,采用累积量拟合法精确估计参数,使地震子波提取问题最终归结为一个多参数、多极值的非线性函数优化问题。对基本粒子群算法进行改进,通过自适应参数调整和边界约束,克服基本粒子群算法易陷入局部极值的缺陷,同时提高算法寻优精度和计算效率。仿真数据试验结果验证了改进的粒子群算法在地震子波提取方法中的有效性和稳定性。     

子空间法单输入多输出系统混合相位地震子波提取

针对高阶统计量混合相位地震子波提取方法要求地层反射系数是非高斯白噪声,并且子波提取速度较慢的缺陷,提出子空间法单输入多输出系统(SIMO)混合相位地震子波提取方法,即基于信号和噪声子空间正交的原理,建立二次型的目标函数,通过对目标函数进行优化就可以提取出混合相位的地震子波,它不需要对地层反射系数做任何假设,因此完全不同于高阶统计量地震子波提取.模型试验和实际应用结果表明,子空间法SIMO系统混合相位子波提取速度快且准确度高,非常适合于无井和井资料不可靠地区的地震子波提取,具有广阔的应用前景.     

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.     

ARMA模型参数估计的GW-LS两段算法

提出了新的GW-LS两段算法,很好地改善了自回归滑动平均(ARMA)模型参数估计的性能。首先摈弃传统的拟合到AR模型的思考方法,而是基于ARMA模型的相关函数用Gevers-Wouters(GW)算法对ARMA模型拟合到高阶滑动平均(MA)模型;然后在拟合的MA模型参数基础上,用最小二乘(LS)算法求解一个不相容的线性方程组,从而估计出ARMA模型参数。最终的仿真实例说明了本算法较高精度、较快速度的收敛特性。     

基于累积量增强全矢量正交子空间方法的MA建模

提出了一种新的线性代数方法——累积量增强全矢量正交子空间方法(CEAVOS)用于非最小相位非高斯滑动平均(MA)建模，该方法利用组合特性映射的累积量增强，并用全矢量正交于空间法估计MA参数．数值仿真结果表明，CEAVOS的性能优于组合累积量切片法WS和全矢量正交子空间法(AVOS)这2种现有的性能最好的MA参数估计方法，尤其是在估计的偏差上；在低信噪比与短数据的情况下，性能也表现良好．     

基于高阶累积量方法的非高斯非最小相位ARMA模型辨识

从利用高阶累积量对加性高斯噪声有色中非高斯过程辨识的基本理论出发,对近年来基于高阶统计量方法辨识非高斯、非最小相位ARMA模型的算法进行了分析和综述,阐明了借助高阶统计量方法可以克服传统的基于2阶统计量方法在解决此类问题中的缺陷,有效地解决非高斯、非最小相位系统的辨识问题。     

基于高阶统计量含噪模糊图像的复原方法

基于高阶统计量,提出了一种对含噪模糊图像点扩散函数进行模糊辨识的方法,可以辨识非最小相位的模糊图像,并将其建成非最小相位MA模型,其中的参数用观测图像的高阶累积量来确定。仿真实验验证了其有效性。     

基于相位扫描的地震子波提取方法研究

以常相位假设为基础,通过计算随信号相位发生变化的目标函数值来对地震记录进行相位扫描,以寻求最能逼近子波真实形态的常相位值,并应用此相位及地震记录的振幅谱合成地震子波,达到地震子波提取的目的。在以往通用目标函数的基础上,增加了对信号相位特征反映更为敏感的绝对峰度准则目标函数,并在统计平均意义下,采用多目标联合扫描的方式求取信号相位,使其更能准确、真实地反映子波的相位特征,同时也能提高抗干扰能力。模拟试验证实了该方法的可行性和有效性,进一步通过对实际资料的子波估计以及应用估计的子波进行反褶积处理的结果论证了该方法的实用价值。     

带MA有色观测噪声的单通道多传感器信息融合Wiener滤波器

应用现代时间序列分析方法,基于ARMA新息模型、白噪声估值器和观测预报器,对带滑动平均(MA)有色观测噪声的单通道ARMA信号,在线性最小方差最优信息融合准则下,提出了多传感器信息融合Wiener滤波器,可统一处理滤波、平滑和预报问题。提出了用于得到最优加权系数的局部滤波误差方差和协方差计算公式。同单传感器情形相比,可提高滤波精度。一个目标跟踪系统的仿真例子说明了其有效性。     

高斯与非高斯混合有色噪声中的谐波恢复

提出了一种用于在高斯与非高斯混合有色噪声中进行谐波恢复的新方法。首先利用Hilbert变换将实数观测值变换成复数形式,然后应用一种特殊的高阶累计量识别非高斯噪声的AR参数并对含噪观测值进行预滤波后,再应用基于统计量的方法进行谐波恢复。文中提出的方法能够用来恢复高斯与非高斯混合有色噪声中的一维实数谐波信号,而不用考虑谐波信号是否存在相位耦合和非高斯噪声是否对称分布,仿真实验可以证明。     

保持信噪比的相位分解反褶积方法研究

反褶积是目前提高地震数据分辨率的主要方法,传统的反褶积大都建立在地震子波最小相位的假设之上,这 与实际情况下地震子波更接近混合相位的事实不符。由于地层的吸收作用,实际地震信号中的高频成分较弱,很容易 受到高频噪声的污染。地震记录经过常规反褶积处理之后,在提高分辨率的同时,降低了地震记录的信噪比,信噪比 与分辨率的矛盾在实际地震勘探中十分突出。为此,提出一种基于相位分解并能保持信噪比的混合相位子波反褶积 方法,实现混合相位子波反褶积,在提高地震记录分辨率的同时,能自动控制高频噪声对地震资料信噪比的影响,使得 分辨率和信噪比达到相对和谐,提高地震记录表征地下构造的能力。     

带有色观测噪声的多传感器ARMA模型信息融合辨识

对带已知有色观测噪声的未知自回归滑动平均模型(ARMA)模型,提出了一种两段信息融合辨识方法:第一段用递推辅助变量(RIV)算法得到自回归(AR)参数的局部和融合一致估值,第二段用Gevers-Wouters算法和用伪逆求解线性方程组方法得到滑动平均(MA)参数和噪声方差的局部和融合一致估值。该方法可用于语言增强信号处理问题。一个仿真例子说明其有效性。     

基于混合自回归滑动平均潜周期模型的短期电价预测

应用混合自回归滑动平均潜周期模型对短期电价序列进行了预测.对消除了趋势影响的电价序列,经离散傅里叶变换转换为复值潜周期模型,采用一种简单的周期图检测方法计算电价序列的周期特征参数.为了计及历史信息对当前状态的影响,采用自回归滑动平均模型拟合残差随机分量,采用赤池信息准则确定模型的阶数,参数则由矩估计得到.该模型不要求预先假设电价序列的周期尺度,周期的个数和大小由模型计算确定,方法简单.采用美国宾夕法尼亚、新泽西、马里兰电力市场的实际电价数据对模型进行了检验,验证了模型的有效性.     

Convergence of Recursive Identification for ARMAX Process with Increasing Variances

The autoregressive moving average exogenous (ARMAX) model is commonly adopted for describing linear stochastic systems driven by colored noise. The model is a finite mixture with the ARMA component and external inputs. In this paper we focus on a parameter estimate of the ARMAX model. Classical modeling methods are usually based on the assumption that the driven noise in the moving average (MA) part has bounded variances, while in the model considered here the variances of noise may increase by a power of log n. The plant parameters are identified by the recursive stochastic gradient algorithm. The diminishing excitation technique and some results of martingale difference theory are adopted in order to prove the convergence of the identification. Finally, some simulations are given to show the reliability of the theoretical results.