姚胜利[1]2007年在《地震信号的小波去噪方法研究》文中研究说明提高地震资料的信噪比是地震信号数字处理的重要任务，因此地震资料去噪方法的研究一直是地震勘探领域的研究热点。随着数字信号处理技术的发展，很多优秀的去噪方法涌现出来，如何结合地震资料的特点，运用合适的去噪方法来提高地震资料的信噪比，具有重要的的现实意义。近年来兴起的小波分析方法以其良好的时频分析能力迅速成为非平稳信号处理的有力工具，基于小波分析的去噪方法更是大量涌现，且被证明其具有传统傅立叶变换去噪方法所不能比拟的优越性。本文研究了四种小波去噪方法，分析了四种方法各自的特点。处理结果表明，小波变换模极大值去噪方法，在低信噪比的信号去噪中具有优势，适合信号中混有白噪声且含有较多奇异点的情况；小波变换尺度间相关性去噪方法比较适合噪声水平不是很高的信号去噪，且具有较好的边缘重构能力；小波变换阈值萎缩去噪方法广泛的适应性，且有很好的去噪效果；平移不变量小波阈值去噪方法，能很好的抑制阈值去噪方法的伪吉布斯效应，且能得到更好的视觉效果。本文把以上四种小波去噪方法应用于地震资料处理，通过人工合成地震记录和实际地震资料的处理证明了方法的有效性，达到了提高地震资料信噪比的目的。
徐本燕[2]2007年在《基于测井信息提取的煤成气储层评价研究》文中认为本文借助于计算机技术，以层序地层学理论作为指导，运用小波变换、分形维数、主成分分析、聚类分析等方法对测井数据进行处理，充分挖掘测井序列中所蕴含的地质信息，为煤成气储层的识别与评价服务。本文利用Matlab函数wden对测井数据进行了小波软阈值消噪处理，并对消噪前后的效果进行了对比。实验证明，选用sym8小波、sln模式对测井数据进行5层分解能达到很好的消噪效果。运用小波变换方法对济阳坳陷石炭二迭系，特别是储层发育的上部层段进行了测井层序划分研究，分别对测井数据进行连续小波变换和离散小波变换，根据不同尺度下小波系数曲线的振荡趋势划分层序、准层序界面。研究表明，当尺度a为81时或者第4层小波高频系数对层序单元的划分有效，当尺度a为21或46对准层序单元的划分亦有效。通过对主成分数据进行小波变换并将其应用于层序、准层序划分中，发现利用主成分数据划分的层序单元界面与传统方法研究结果具有很好的一致性。第一主成分曲线在层序特征反映方面与GR测井曲线极其相近，客观性更好。利用层次聚类、K均值聚类和模糊C均值聚类结合交绘图进行岩性的识别，并对比分析了层次聚类和K均值聚类两种方法的应用效果。表明K均值聚类在识别复杂碎屑岩层段的岩性时比层次聚类优越，而对煤层的识别层次聚类效果较好。本文对研究区内砂岩物性参数(孔隙度和渗透率)的实验值进行了分析，得出不同组段的物性变化规律。发现孔隙度一般随深度降低，且孔隙度与渗透率呈一定相关性。同时发现，AC分形谱维数曲线与孔隙度曲线有较好相关性，其变化趋势在某些层段与孔隙度曲线类似，且以孔隙度峰值变化处为界限，可作为评价的辅助指标。另外，运用主成分分析法，根据各主成分在各变量上的系数构建蛛网图，通过对比分析得到奎山段、万山段砂岩的储层识别模式，并作为模板使用。
张小飞[3]2007年在《基于混沌特性的小波数字水印算法研究》文中认为研究了基于混沌特性的小波数字水印算法，讨论和验证了混沌在图像加密算法中的应用以及小波变换在数字水印中的应用。在此基础上提出基于小波变换与混沌加密的彩色数字水印算法，将混沌算法产生的阵列作为密码对水印图像进行加密，实现了水印的自适应嵌入。在兼顾鲁棒性和不可见性的情况下，提出将加密后的水印序列的范围改变后，分别嵌入到阈值范围内的小波域的低频和中频(或高频)子带中，序列值的范围适应于小波变换的阈值范围。在提取时再将序列值范围改变回来，解密后恢复出原始的水印图像。根据水印小波系数的重要性不同，设定好嵌入顺序。由于嵌入区间确保了水印覆盖后小波系数相差不大，所以既保证水印有很好的不可见性又提高了水印的鲁棒性，在水印的鲁棒性和不可见性这两个相互矛盾的特性中有一个良好的均衡。讨论并实现将数字水印算法从灰度图像扩展到彩色图像，采用将原始图像的彩色模型从RGB模型转换到HSI模型，并根据人类视觉系统的特点将水印信息嵌入到亮度分量中人眼相对不敏感的区域，很好地保证了水印的不可见性。设计并实现了一个基于混沌特性的小波数字水印系统。该系统具有良好的稳定性和鲁棒性，水印提取过程不需要原始图像和原始水印的参与，做到了盲水印检测，符合所有权验证的需要，很好地顺应了水印算法的发展方向，能够满足特定领域的需求。
胡柏炅[4]2008年在《时频分析的Hilbert-Huang变换及小波方法》文中指出在非平稳信号的分析中,人们希望时频分析工具能在时域与频域同时具有良好的分辨率,这样信号频率随时间的变化情况以及复合信号中的多分量特性才能被精确地表现出来。近年来,一种由数据直接驱动的信号处理方法Hilbert-Huang变换(HHT)被提出,它具有自适应的频率分辨率,因而在工程领域得到广泛应用,然而它自身存在一些缺陷,影响了其时频分析能力。本研究给出了HHT核心的经验模态分解(EMD)方法在分解多分量信号表现上的数值分析结果,讨论了HHT受限的频率分辨率。基于对HHT本质局限性的认识,本研究结合了多种改进方法来减少HHT所产生的诸如模态混迭和虚假分量等问题,提出了一种综合的HHT改进方法:利用最大重迭离散小波包分解(MODWPT)进行多分量信号的二分非相交分解,然后对低频窄带信号进行进一步的经验模式分解,并且采用一种简单有效的筛选方法去除固有模态函数(IMF)分量中的虚假分量,得到了优于传统HHT的实验结果。同时文章还讨论了改进算法在不同情况下的适用性和局限性。此外,本文还介绍了一种从小波尺度谱中提取小波脊,从而构成小波瞬时频率谱的时频分析方法。通过与HHT及其改进方法的实验比较和分析,研究表明这种基于小波变换的瞬时频率分析方法能够产生关于非平稳多分量信号的更精确更清晰的时频特征描述。
程春和[5]2008年在《电力工程信号处理应用》文中进行了进一步梳理电力系统是一个复杂庞大的系统,随着规模的不断扩大、系统自动化程度的不断提高,对系统继电保护装置、自动控制装置、在线检测、电能质量分析评估与控制提出了越来越高的要求,这就需要能够更快更准确地提取更多的反映系统动态特征的信息。电力系统暂态量中包含非常丰富的信息,在电力系统的各个领域都有极高研究和应用价值,但是,信息提取与区分的难度也明显增大。因此各种数学工具被不断地应用到电力系统工程信号处理中来。本文从电力工程信号处理的角度出发,对电力系统常用的工程信号处理方法进行了广泛深入的学习研究,包括典型滤波算法、小波变换、数学形态学、HHT变换和S变换。在Matlab和C环境下实现了以上算法,并应用于电力系统信号消噪与滤波、信号奇异性检测、电能质量检测、系统低频振荡检测和故障行波选线、选相和测距中。仿真算例和实际工程数据算例表明了这些方法的有效性和准确性。本文主要研究成果如下:(1)学习研究并总结了常用典型滤波算法。(2)学习研究了小波分析基本理论,并重点研究了其在电力系统暂态信号消噪滤波、信号奇异性检测、行波故障选相和行波故障测距中的应用。(3)学习研究了数学形态学基本理论,并重点研究了其在电力系统暂态信号消噪滤波和信号奇异性检测中的应用。(4)学习研究了HHT变换方法基本理论,研究了其在电能质量检测、系统低频振荡检测、信号消噪与滤波以及信号奇异性检测等方面的应用。研究中发现HHT变换在故障行波波头精确定位方面具有独特优势,提出了基于HHT故障行波波头精确定位方法。理论仿真和实际线路故障行波电流数据的分析结果有力地验证这一方法的正确性和精确性。(5)学习研究了S变换基本理论,研究了其在电能质量检测中的应用。首次提出将S变换应用于行波波头检测、系统低频振荡检测领域的方法。
于燕平[6]2008年在《基于小波变换和GMM的病态嗓音特征提取及识别研究》文中进行了进一步梳理病态嗓音识别是计算机技术在医学领域的渗透与发展,这将为临床实现无痛、无损伤化检查和客观的诊断作出重要的贡献。由于嗓音的复杂性,基于声学参数的病态嗓音检查不能仅凭一个或几个参数作出诊断,最终也无法摆脱医生的经验进行主观判断。为了真正实现客观的检测,许多研究者已经作了大量的工作,在病态嗓音的智能识别和客观评价方向上作出了重大的贡献,但目前的结果离真正的进入临床应用还存在一定的距离。本文在前人工作的基础上,研究了基于小波变换和高斯混合模型(GMM)的病态嗓音识别系统。从嗓音的发音机理、病态嗓音与正常嗓音在频域的表现差异,利用小波变换对信号进行分解,突出病态嗓音的特点,本文提出了基于多尺度分析的小波降噪、分解的熵系数(Entropy Coefficient Based on De-noise ,Decomposition of Multi-scale Analysis, ECDDMA)作为模型识别的特征矢量集,运用GMM模型实现了正常与病态嗓音识别。本文数据库242例正常嗓音和234例病态嗓音,其中病态嗓音样本全部来自临床,随机各选取80例作为训练集,剩余的作为测试集。详细介绍了小波变换和小波降噪的基本理论,并得到了ECDDMA系数的提取过程及算法。实验结果表明:ECDDMA系数较传统的模拟人耳听觉非线性特性的MFCC及其动态特征更有利于正常与病态嗓音的识别,并得到了好的识别结果。并通过实验分析了特征提取过程中去噪的必要性、模型混合数的选取对识别性能的影响、小波分解层数选取对识别性能的影响等问题。由于ECDDMA系数的提取是对语音的整个频域进行分析的,因此存在部分特征对识别率的提高没有作用,反而会使识别性能下降,使运算复杂,因此有必要进行特征选择,选出有效的特征来构建模型,提高识别性能。本文对传统穷举法与基于神经网络特征选择法进行了比较,实验表明基于穷举法的特征选择对于维数较多的特征矢量是不实用的,也证明了基于神经网络特征选择的优越性,本文最后使用神经网络方法从(ECDDMA系数+能量特征)22维原始特征中选取出了一组7维的特征矢量,并取得了较好的识别性能。对比分析了声学参数与ECDDMA系数病态嗓音识别性能,尝试了不同的特征组合特征选择后的识别性能,实验结果显示了ECDDMA系数较声学参数在计算机病态嗓音自动识别方面的优越性。
胡新超[7]2017年在《基于小波包变换的发动机活塞敲击故障诊断研究》文中提出机械故障的诊断越来越多的倾向于通过分析机械设备的振动信号来对故障进行分析和处理,这种方法非常适合于结构复杂的发动机的故障诊断。发动机机体表面的振动的重要来源是活塞敲击,所以做好发动机活塞敲击的监测可以保证发动机的正常运行,同时提高发动机的安全可靠性。活塞敲击类的故障与活塞的二阶运动相关,所以掌握好活塞敲击的二阶运动的特性以及故障下的振动特性,就可以很好地为活塞敲击故障做一个准确的判断和状态的监测。本文以发动机的活塞敲击故障为研究中心,围绕活塞敲击特性与活塞敲击振动进行深入研究,获得活塞敲击中的运动参数,以及活塞运动的规律。在对机体振动信号的处理方法上,采用小波包变换的处理方法进行,并通过一些信号的处理方法进行振动信号的处理过程的模拟,与其他方法的对比,显示出小波包变换的优点。在对活塞敲击故障的研究中,建立活塞、缸套等模型进行动力学的分析处理,得到的相关参数进行处理整理,导入到仿真软件AVL EXCITE Piston&Ring对活塞的二阶运动进行模拟分析,并对故障进行设置,得到活塞敲击所影响的振动信号的频段。通过小波振动波形特征的处理,进行故障特征的程度的估计。最后,通过所得到的数据和结果,对活塞-缸套间的磨损趋势进行预估,从所了解到的磨损特性对活塞敲击振动的故障进一步分析讨论,最终总结出活塞敲击于活塞-缸套间的磨损特性的关系。活塞-缸套的磨损一般情况下,是在出厂时会有一段较大能量的敲击,但随着磨损间隙的扩大则会呈现敲击能量的减小的趋势,最后又会随着活塞-缸套间的间隙的扩大敲击能量也会逐渐变大,即敲击故障也会明显显示出来。通过以上的研究总结,为活塞敲击故障的后续诊断提供了理论上的参考依据,对振动信号的处理也会更有方向性。
宋英姿[8]2007年在《第二代Curvelet变换及其在图像融合中的应用研究》文中研究说明Curvelet(曲波)作为一种新的多尺度分析的方法比小波更加适合分析二维图像中的曲线或直线状边缘特征，而且具有更高的逼近精度和更好的稀疏表达能力。第二代Curvelet变换理论的提出也使得其理论更易理解和实现。目前关于第二代Curvelet变换理论的研究刚刚起步，如何在实际图像处理中应用该理论还有很多工作要做。将Curvelet变换引入图像融合，能够更好的提取原始图像的特征，为融合图像提供更多的信息。 本文首先介绍了图像处理中几种常用的变换，接着分析了第二代Curvelet变换的原理，讨论了它的实现算法。将第二代Curvelet变换引入图像融合领域，首先对图像进行Curvelet变换，然后在相应的尺度上利用融合规则将Curvelet系数融合，最后进行重构得到融合结果。通过实验分析得到适合Curvelet变换使用的融合规则。实验表明对于多聚焦图像，Curvelet变换的融合算法均优于小波变换的融合算法，特别是采用基于边缘的融合规则时Curvelet变换的融合效果改进更好。 针对经典去噪算法的缺点，本文改进了Curvelet去噪中原有的阈值函数，将神经网络中常用的S型函数引入到Curvelet阈值去噪中，取得了较好的效果。同时，提出了一种新的基于Curvelet变换的图像融合去噪：方法，该方法首先直接提取噪声图像的边缘信息，对提取出来的边缘信息进行去噪处理，然后对噪声图像进行Curvelet阈值去噪，最后将处理过的边缘信息与去噪后的图像进行融合，取得了更好的效果。
关伟[9]2008年在《基于小波变换的地震信号去噪方法研究与模拟》文中研究表明小波变换归属于数学领域的调和函数的范畴,是调和分析几十年来的一个突破性进展,并且在很多科技领域内得到了广泛应用。由于小波变换的时间-尺度分析方法具有多分辨率的特点,它在时间和频率域都具有良好的局部化性质,它可以对任何频率成分进行精细的描述,有“数学显微镜”之称。因此,近20年小波在理论分析及实际应用上得到了蓬勃的发展。本文旨在探讨小波变换理论,并结合专业中的地震信号去噪展开研究。论文以小波变换为核心,首先介绍了论文研究的目的、意义及主要研究内容,由此引出了小波变换理论,并对其原理做了详细阐述。这不仅包括连续小波,离散小波,多分辨率分析方法还包括与传统傅氏变换等的对比,从而在理论上明确其性能特点的优越性。在对信号噪声特点研究的基础上,特别是地震信号的噪声特点,给出小波去噪的过程框图。对于信号去噪过程中的分解重构方法进行了理论讲述,并应用matlab模拟给出了具体的实例。在对信号去噪处理中,分别针对随机噪音、单频干扰做了研究。并提出了几中不同的处理方法,本文通过对比研究最终选定了小波阈值去噪方法。由此结合给定的信号应用matlab进行处理,并通过对比处理结果为本文后面的处理工作选定合适的参数。从所做例子来看,小波阈值处理达到了很好的去噪效果。论文应用matlab模拟地震信号,包括子波、共炮点道集、共中心点道集以及模拟地震剖面。结合小波阈值去噪方法对这几种地震信号进行了处理。在文中给出了这几种信号的原始模拟信号,加噪信号及处理后的效果图,从图中可以看出,小波阈值去噪完成了模拟地震信号的去噪处理。另外,对实际的地震资料进行了试处理,去除了面波,达到了去噪的目的。
李霞[10]2007年在《测井多尺度分析方法在层序地层分析中的应用研究》文中研究说明随着勘探开发的不断深入,层序地层分析正从定性向半定量、定量化发展。本文旨在利用建立的测井多尺度分析方法,系统研究测井信号的多尺度特性和不同测井曲线的多尺度信息融合,从原始测井信号中提取出地层的多旋回特征,建立测井数据向地质目标的映射关系,以期将测井资料更好地应用于层序地层评价。根据小波的多尺度分析理论,对单条测井曲线进行多尺度分析;依据小波多尺度边缘检测原理和模极大重构算法,对不同测井曲线进行多尺度数据融合;在此基础上,建立了测井多尺度分析方法。测井曲线正交小波变换后的频谱特征可以表征沉积旋回的变化,据此建立了识别准层序和准层序组内部沉积旋回类型的频谱响应模型;根据Morlet小波、零通小波、高斯小波和二进二次样条小波各自的特性对测井数据进行多尺度分析,提取不同尺度下测井信号的时频特征和突变特征;提出依据小波尺度-模平均值和小波时频色谱信息定量选取最佳尺度因子的方法;在最佳尺度下,根据小波系数曲线的周期振荡特征和多尺度边缘检测特性,与各级层序单元界面建立一定的对应关系,从而实现不同级别层序单元界面的定量划分。对层序地层单元内部特征选取合适的对比指标进行数字表征,将测井多尺度分析方法与有序元素最佳匹配法相结合,实现了层序地层单元的定量对比,从而建立起等时层序地层格架。这些探索将为地层层序的定量划分和对比提供一种新的思路和有效途径。
参考文献：
[1]. 地震信号的小波去噪方法研究[D]. 姚胜利. 中南大学. 2007
[2]. 基于测井信息提取的煤成气储层评价研究[D]. 徐本燕. 山东科技大学. 2007
[3]. 基于混沌特性的小波数字水印算法研究[D]. 张小飞. 南京信息工程大学. 2007
[4]. 时频分析的Hilbert-Huang变换及小波方法[D]. 胡柏炅. 华东师范大学. 2008
[5]. 电力工程信号处理应用[D]. 程春和. 昆明理工大学. 2008
[6]. 基于小波变换和GMM的病态嗓音特征提取及识别研究[D]. 于燕平. 广西师范大学. 2008
[7]. 基于小波包变换的发动机活塞敲击故障诊断研究[D]. 胡新超. 中北大学. 2017
[8]. 第二代Curvelet变换及其在图像融合中的应用研究[D]. 宋英姿. 河海大学. 2007
[9]. 基于小波变换的地震信号去噪方法研究与模拟[D]. 关伟. 中国地质大学（北京）. 2008
[10]. 测井多尺度分析方法在层序地层分析中的应用研究[D]. 李霞. 中国石油大学. 2007
标签：数学论文; 小波变换论文; 图像融合论文; 特征提取论文; matlab小波变换论文;