共查询到20条相似文献，搜索用时 31 毫秒
1.
为探明路基中隐藏病害的类型和空间位置,应用探地雷达方法对公路路基质量进行了无损检测.在地层介质强衰减和噪声干扰作用下,探地雷达信号存在信噪比低、深部复杂目标体难以识别的问题.针对探地雷达路基实测信号非线性和非平稳的特点,采用信号均衡和希尔伯特-黄变换相结合的方法,首先对数据进行均衡处理以突出深层弱信号,在此基础上对单道信号进行经验模态分解以获得固有模态函数,通过希尔伯特变换对固有模态函数的瞬态属性特征进行分析,进而将希尔伯特-黄变换应用于整个探地雷达的数据剖面,最后通过综合对比瞬时振幅剖面和瞬时相位剖面对探测结果进行了分析和解释.结果 表明,信号均衡可以有效缓解深部信号衰减问题,基于希尔伯特.黄变换可以从多属性参数角度对探地雷达信号进行处理与解释,可以较好的识别异常体的位置和属性信息,提高了探地雷达解释结果的可靠性. 相似文献
2.
高频噪声压制是高分辨率地震数据处理中提高信噪比的关键性问题.本文针对f-x(频率-空间)反褶积空间预测滤波器无法处理非平稳、非线性信号的缺点,提出了一种基于高通滤波的频率-空间域经验模态分解(Empirical Mode Decomposition in the frequency-space domain,f-xEMD)压制地震剖面中高频噪声的方法.该方法采用全域高通滤波从原始数据中分离出含有部分有效信号的高频数据,将其变换到f-x域,然后在滑动的短窗口内提取每一个频率的空变数据序列进行EMD分解得到高频复本征模态函数(Intrinsic Mode Function,IMF)IMF1,将所有频率的IMF1序列反Fourier变换到时间域得到噪声剖面,将其与原始数据相减,达到高频噪声压制的目的.该方法可克服传统EMD分解方法中的模态混叠现象,保护陡倾角反射同相轴;压制后的噪声剖面中不包含有效信号能量,地震剖面的信噪比得到了提高.模拟数据和实际数据处理结果充分证明了该方法的有效性. 相似文献
3.
4.
5.
经验模态分解算法(EMD)是一种基于有效波和噪声尺度差异进行波场分离的随机噪声压制方法,但由于实际地震数据波场复杂,导致模态混叠较严重,仅凭该方法进行去噪很难达到理想效果.本文基于EMD算法对信号多尺度的分解特性,结合Hausdorff维数约束条件,提出一种用于地震随机噪声衰减的新方法.首先对地震数据进行EMD自适应分解,得到一系列具有不同尺度的、分形自相似性的固有模态分量(IMF);在此基础上,基于有效信号和随机噪声的Hausdorff维数差异,识别混有随机噪声的IMF分量,对该分量进行相关的阈值滤波处理,从而实现有效信号和随机噪声的有效分离.文中从仿真信号试验出发,到模型地震数据和实际地震数据的测试处理,同时与传统的EMD处理结果相对比.结果表明,本文方法对地震随机噪声的衰减有更佳的压制效果. 相似文献
6.
完备集合经验模态分解(CEEMD)通过添加正负成对辅助噪声可较好的解决集合经验模态分解(EEMD)中信号被噪声污染的问题,但CEEMD方法分解后的单个本征模态函数(IMF)分量中仍存在部分随机噪声信息.通过转变辅助噪声形式和分解流程提出自适应噪声完备集合经验模态分解(CEEMDAN)方法,该方法在较少集总次数和筛选迭代次数的情况下,即可实现优良的信噪分离功能,大大缩减处理耗时,具备分解精度高、具有完备性的特征.同时,针对传统经验模态分解(EMD)类方法去噪时直接舍弃第1～2阶高频IMF分量,导致其内高波数有效能量损失的问题,通过计算相邻IMF分量互信息熵获取高频噪声和低频有效信号的最优能量分界,对分界点前的各阶IMF分量进行同步压缩小波变换(SWT)处理,分离有效高频信息,最后与低频IMF分量重构达到噪声压制的目的.合成及实际地震资料处理结果表明,本文联合多步骤地震随机噪声压制策略具有较好的去噪效果和能量保持能力,在运算耗时指标上优于传统的EMD噪声辅助类方法. 相似文献
7.
基于GprMax正演模拟的探地雷达根系探测敏感因素分析 总被引：3，自引：0，他引：3
应用探地雷达对植物根系进行探测的有效性已得到证实.但由于根系结构复杂,根围环境异质性强,针对基于探地雷达得到的根系探测数据的解读尚处于经验积累阶段.本研究首先通过对比根系探地雷达实测信号图像和模拟信号图像,证实了利用GprMax模拟探地雷达探测植物根系的有效性.其次通过定义不同根系空间结构和电性参数场景,模拟了不同条件下根目标反射信号的差异,并对影响探地雷达探测植物根系有效性的敏感因素进行了初步分析.模拟结果有助于探地雷达野外根系探测图谱的解译,为探地雷达在植物根系探测中的应用积累经验. 相似文献
8.
完备总体经验模态分解(CEEMD)克服了经验模态分解(EMD)的模态混叠问题,依据信号自身的特点,将待分析的复杂信号分解为一系列不同尺度的固有模态函数(IMF)的子信号,且各IMF分量的频率由高到低依次排列,是一种适用于分析处理非线性非平稳信号的强大的信号分析技术.地震资料中的随机噪声一般属于高频率的信号,在CEEMD中往往分布在前几个高频IMF分量,本文针对基于CEEMD的分频去噪和基于CEEMD的小波阈值去噪等方法的不足,在前人基于EMD阈值去噪的基础上设计了自相关函数统计特性与CEEMD全局阈值联合去噪方法.该方法先对CEEMD分解的若干个模态分量进行自相关,寻找到噪声主导模态和信号主导模态,然后利用设计的全局阈值对噪声主导模态进行去噪,最后将处理后和未处理的固有模态函数进行重构,得到最终的去噪结果.模型试算和实际地震资料处理都验证了此方法在提高信噪比,保留原信号高频有效成分和弱信号信息上的有效性. 相似文献
9.
为了有效分离矿集区音频大地电磁（AMT）信号中的大尺度强干扰、抑制近源效应,本文提出利用变分模态分解（VMD）和匹配追踪（MP）联合压制AMT强干扰的方法.首先,对比了VMD与经验模态分解（EMD）、固有时间尺度分解（ITD）的处理效果,验证了VMD在避免模态混叠和端点效应方面的优势;讨论了VMD中模态个数对典型大尺度强干扰的去噪性能,并选择合适的模态初步获取待处理信号的重构信息.然后,运用MP对VMD重构信号做二次信噪分离处理,进一步滤除残余的尖脉冲干扰.通过对模拟和实测数据的分析处理,以及与远参考法结果对比,本研究能有效剔除时间域序列中的大尺度强干扰,且重构信号中保留了更多的低频缓变化信息和细节成分,近源干扰得到有效压制;视电阻率-相位曲线更为光滑、连续,低频段的数据质量得到明显改善,其结果能更为真实、可靠地反映地下电性结构信息. 相似文献
10.
本文通过对支持向量机原理以及路基病害特征的讨论和分析,提出了基于支持向量机的探地雷达回波信号识别算法;利用所提出的算法对探地雷达实测数据进行处理,试验结果表明该算法的识别效果优于神经网络算法,并且该算法克服了神经网络的过学习和局部极小值的缺点,是一种适合路基病害识别的高效算法. 相似文献
11.
探地雷达数据中的形状和纹理特征是公路病害识别的重要依据,许多专家和学者提取和分析了公路病害在探地雷达图像上的形状特征,却很少提取其纹理特征,从而无法全面的反映公路病害特征.为提取和分析探地雷达路面数据的纹理特征,本文提出基于线性型、对数型和指数型三种转换类型的探地雷达数据灰度级转换方法,并采用灰度共生矩阵和小波变换提取转换后的探地雷达图像纹理特征.采用线性型、对数型和指数型转换关系将探地雷达数据转换为图像数据,通过对比分析,64级线性转换是将探地雷达数据转换为图像数据的最佳转换类型;以公路路面结构层层间不密实为例,讨论了灰度共生矩阵各参数的选择,并基于灰度共生矩阵算法提取纹理参数特征图;对探地雷达图像进行二层小波分解,得到高频部分和低频部分,并计算高频系数的平均能量.通过分析各个特征图可以得出,不密实病害的纹理特征明显,出现上下边界两条与其内部反差较大的特征曲线,这对其识别具有重要意义.从小波分解的结果可以得出,不密实纹理信息集中在低频部分.本文采用的提取探地雷达图像纹理特征的方法在公路病害识别方面具有一定的实用性,为公路养护提供重要的技术支撑. 相似文献
12.
探月雷达作为嫦娥三号和嫦娥四号月球探测任务中最重要的科学载荷之一,其目标是探测月壤及地下结构信息.然而,嫦娥三号探月雷达的第二通道数据受到横向杂波的干扰,使得有用的反射信息被掩盖.这些杂波可以认为是影响数据质量的横向噪声,使得探月雷达数据信噪比低,影响数据解释.本文将利用shearlet变换对探月雷达数据进行信号分析与噪声去除,并对嫦娥三号着陆区的月壤结构进行重建.首先,在shearlet域中,观察横向噪声的分布,并分离出以噪声为主的shearlet分量,并得到重建后的雷达数据.随后,为充分利用嫦娥三号第二通道两套数据的整体优势,对两套经过shearlet变换去噪后的雷达数据进行融合,得到综合探月雷达图像,有效得去除了水平噪声并增强了来自浅月表的有效信号.最后,根据探月雷达处理结果对嫦娥三号着陆点的月壤结构进行重建,重建结构中的溅射物厚度与撞击坑溅射物经验公式结果得到了相互印证. 相似文献
13.
14.
《地球物理学进展》2015,(6)
作为经验模态分解(EMD)的改进型算法,完备总体经验模态分解(CEEMD)不但有效解决了EMD的模态混叠问题,同时也保留了EMD处理非平稳信号的优势,如自适应性、二进滤波特性等.CEEMD能自适应地将一个复杂信号分解为一系列本征模态函数(IMF)分量,且IMF分量满足从高频到低频系列分布,随机噪声往往分布在第一个或前几个高频IMF分量.考虑到地震信号的非平稳性和去噪方法对非平稳信号的适应性,针对CEEMD直接舍弃高频IMF分量去噪容易造成高频有效信息损失以及小波阈值去噪方法存在的不足,本文提出了一种基于CEEMD的小波阈值去噪方法.该方法首先引入自相关曲线判别出含噪较多的高频IMF分量,然后对CEEMD直接去噪要舍弃的这些含噪高频分量进行小波阈值降噪,以保留这些分量中的高频有效信息,最后与不含噪声的其他IMF分量一起重构原信号.模型和实际地震数据试算结果表明,该方法在显著提高地震数据信噪比的同时,能有效地保留原信号中的高频有效成分和弱信号信息,是一种相对保幅的有效去噪方法. 相似文献
15.
受仪器设备和环境的影响,使用探地雷达(GPR)进行数据采集的过程中会引入各种不同的噪声,从而干扰目标体反射信号,对数据处理及解释造成困难.由此,本文提出了一种能够同时实现GPR剖面数据噪声压制及双曲线异常识别的变分自动编码器(VAE)神经网络结构.首先,详细阐述了模型结构、数据集建立及网络参数选择;然后,通过合成数据实验验证该算法的有效性及模型的泛化能力,相比于深度卷积自动编码器(CDAE),本文算法在噪声压制能力和双曲线识别能力上均表现更优;最后,通过对隧道衬砌和管线的实测数据进行处理,验证了本文算法的实用性. 相似文献
16.
瞬变电磁法(TEM)是电法勘探的一个重要分支,具有受地形影响小、工作效率高、对低阻体分辨率高纯异常测量等优点.在野外数据采集过程中,瞬变电磁数据容易受到周边环境噪声的干扰.由于瞬变电磁的晚期信号能量弱,极易被噪声淹没,使得数据处理过程中出现假异常.为了更好地减弱噪声的影响,剔除假异常,得到真实的地下介质信息.本文把Hilbert-Huang变换(Hilbert-Huang Transform,简称HHT)方法应用到瞬变电磁数据处理中,通过对含有噪声的瞬变电磁仿真数据进行经验模态(Empirical Mode Decomposition,EMD)分解、重构,得到了真实的电磁信号,证明HHT方法在瞬变电磁去噪中可行.最后对TEM实测数据进行EMD分解、重构,结果表明该方法能够有效的压制噪声的干扰,突出TEM真实信号,较好的识别异常体的位置,提高TEM解译结果的准确性. 相似文献
17.
F-X域经验模态分解去噪方法在处理非稳态地震数据时存在两个局限,一是单纯剔除第一个固有模态分量将导致有效信号缺失及去噪能力偏弱问题,二是分解复信号时对实部和虚部分别分解存在分解数目不一致的风险。本文对上述两个方面进行了改进,提出了一种新的F-X域投影法复数经验模态分解预测滤波方法,首先采用基于空间投影的复数经验模态分解将F-X域地震数据直接分解为不同的复固有模态分量,然后再对这些分量分别进行F-X域预测滤波。合成记录及实际资料测试表明,本文的新方法能更好地衰减随机噪声,更有效地保持地震信号。 相似文献
18.
针对地震反射信号经验模态(EMD)分解过程中出现的混叠及分解重建失真等问题,本文提出一种改进的EMD分解方法.首先对地震信号进行小波转换,对转换分解得到的信号高频部分进行噪声压制处理,然后将转换后的结果再进行EMD分解;针对频带宽度、振幅大小变换,提出了地震信号EMD分解的分段控制停止准则,根据主频带宽,确定相应的时窗长度,并采用各个时窗段部分叠置衔接的方法,最后对每段结果再利用单调函数停止准则进行变换,该方法有效避免了计算结果的时窗效应.通过实际资料处理对比分析,改进的EMD分解方法较以往常规EMD分解方法,在分解结果的可靠性、分解精度及非线性弱信号时频分析能力等方面都具有显著的改善,为提高薄层地质体识别能力提供了有力的技术手段. 相似文献
19.
《地球物理学进展》2015,(6)
针对多分量地震数据具有信噪比低、波场比较复杂等特点,同时为了解决有效波和面波在低频带具有相关性且频带有重叠的部分.本文基于希尔伯特—黄变换(Hilbert—Huang transform,HHT)提出一种多分量地震数据去噪方法.HHT的核心部分是固有模态分解(Empirical mode composition method,EMD),它将地震信号自适应分解为各个尺度的固有模态函数(Intrinsic mode function,IMF);然后根据有效波和噪声分布在不同的分辨尺度范围内进行数据重构;对于一些尺度分布比较宽的,进行更加严格的EMD分解,以及通过瞬时参数阈值大小进行处理以达到更好的去噪效果.本文所做的工作主要针对多波资料中面波的处理,利用面波跟有效波的频率尺度和瞬时属性差异,从仿真数据、模型和实际地震数据进行面波的压制实验,取得了比较满意的压制效果,提高了地震资料的分辨率.也表明了该方法在多分量地震去噪处理中的可行性. 相似文献
20.
地震信号是典型的非平稳随机信号,容易受到场地条件和周边环境的影响,产生噪声干扰。采用自适应噪声完备集合经验模态分解（CEEMDAN）方法,对地震数据进行分析预处理,将地震信号分解成一系列具有不同特征时间尺度的固有模态函数（IMF）;对各IMF分量进行自相关计算,筛选含噪IMF分量,使用软阈值小波包方法进行去噪处理,与无噪分量进行重构,从而降低噪声干扰,提高数据质量。 相似文献