排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
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
2.
尝试在Web应用中提出基于不规则三角网格单元(TIN,Triangulated Irregular Network)的Contour算法:先生成图例Legend,再根据三角形顶点数值和等值线分布将三角形分为3类,据此把三角形进一步划分为若干区域,以填充对应颜色.同时引入基于硬件加速的WebGL方式绘制Contour,结果表明,基于WebGL的Contour图绘制过程CPU耗时远小于canvas方式. 相似文献
3.
地震信号属于典型的非线性、非平稳信号,其中通常夹杂一定的噪声,噪声会对后续的数据处理和解释产生一定的影响.经验模式分解(Empirical Mode Decomposition,EMD)是一种有效且自适应的非线性、非平稳信号分解方法.当原始地震记录转换到F-X域进行EMD时,可以将噪声分频分波数析出,首先通过Fourier变换将原始含噪的地震信号变换到频率域中,对实部和虚部分别进行EMD;然后剔除第一固有模式函数,将其余固有模式函数叠加,将叠加后的实部和虚部分量组合成新的复数序列;最后通过反Fourier变换将此序列转换至时间域,达到F-X域EMD压制地震信号噪声的目的.应用该方法对合成的单炮记录剖面和实测地震记录进行实验,结果表明,F-X域EMD法能有效且自适应地压制地震信号中的噪声. 相似文献
4.
地震信号属于典型的非线性、非平稳信号,其中通常夹杂一定的噪声,噪声会对后续的数据处理和解释产生一定的影响。经验模式分解(Empirical Mode Decomposition,EMD)是一种有效且自适应的非线性、非平稳信号分解方法。当原始地震记录转换到F-X域进行EMD时,可以将噪声分频分波数析出,首先通过Fourier变换将原始含噪的地震信号变换到频率域中,对实部和虚部分别进行EMD;然后剔除第一固有模式函数,将其余固有模式函数叠加,将叠加后的实部和虚部分量组合成新的复数序列;最后通过反Fourier变换将此序列转换至时间域,达到F-X域EMD压制地震信号噪声的目的。应用该方法对合成的单炮记录剖面和实测地震记录进行实验,结果表明,F-X域EMD法能有效且自适应地压制地震信号中的噪声。 相似文献
1