小波域KL变换用于去除探地雷达直耦波

直耦波是影响探地雷达目标回波的主要杂波之一,其在各道间变化很小,即具有很强的相关性,采用KL变换能够将雷达数据分解为特征值矩阵和特征向量矩阵的乘积,其中特征值的大小反映各道数据相关性的强弱,选取特征值较小的数据便能重建出不相关信号,从而抑制了直耦波。将具有很强时频分析能力的小波变换与KL变换结合起来,设计出小波域KL变换能够弥补常规KL变换仅在时间域上考虑相关性的不足,在信噪比较低的情况下,仍能突出目标回波,尤其是在浅层。该方法去除直耦波速度快、效果好,特别适用于公路路基检测、铁路路基检测等海量数据处理领域。

基于小波域KL变换外辐射源雷达杂波抑制算法

基于小波域KL变换,对外辐射源雷达杂波抑制算法进行了研究。针对雷达记录中,传统KL变换滤波在整个时间轴上不相关,对某时间段部分细节缺乏分析。在记录雷达数据时,以KL变换为基础改善的算法——wavelet域名"KL转换方法"将被提案,改进后的算法完全可以过滤随机噪音和水平波,突出了有效波。通过理论数据及实测数据处理,发现KL变换滤波算法能对直达波和杂波进行有效抑制,且抑制性能优于LMS算法。与LMS算法相比,KL变换滤波算法具备较小失调误差及较快收敛速度。在进行复杂度的计算时,KL变换滤波算法计算量要远低于LMS算法。

基于小波域KL变换的地质雷达信号处理技术

为了克服现有信号处理算法对地质雷达直耦波和噪声滤除的不足,基于KL变换和小波变换进行算法融合设计,提出一种适用于地质雷达信号滤波的小波域KL变换方法。采用电磁波时域有限差分法模拟雷达检测过程,并基于理想无噪声的雷达仿真信号设计验证实验,通过与KL变换方法、小波阈值去噪方法的对比,对小波域KL变换方法的滤波效果进行定量分析和评价。实验结果表明:小波域KL变换对于直耦波的辨识能力较强,用于地质雷达信号直耦波的去除可以取得理想的效果;在采用KL变换和小波变换滤除噪声时,去噪信号的信噪比分别为10.16和15.12,而小波域KL变换对应的结果为18.34,对于噪声的滤除具有更好的效果;同时,小波域KL变换滤波结果对小波函数和分解层数的敏感度较低,对于深部噪声信号的辨识能力亦较强。基于地质雷达实测数据的测试结果同样验证了小波域KL变换方法在实际工程应用中的良好性能。

基于Curvelet变换的地震资料信噪分离技术

在地震资料中,噪声干扰严重影响了有效信号的提取,为此必须进行信噪分离处理.本文提出一种基于Curvelet变换和KL变换相结合的软硬阈值折衷处理方法.首先对地震数据进行Curvelet变换,然后对各尺度系数选取适当阈值压制噪声干扰,再利用KL变换提取数据中的相干有效信号,最后重构得到去噪后的记录.经合成记录和实际地震资料处理实验证明,该方法与小波变换法相比较,更能有效进行信噪分离,提高地震剖面信噪比和分辨率.

基于小波包分析的地震资料联合去噪方法研究

在地震记录中,随机噪声严重影响了有效信号的提取,为此必须进行消噪处理。这里首先使用小波包变换对不同频段的信号进行精细分离,有效信号和噪声经小波包分解后,其小波包系数将表现出不同特性,然后根据这种不同特性进行去噪处理,对小波包分析法处理后的剩余地震信号再进行KL(Karhunen-Loeve)变换,提取相关有效信号,最后对提取的有效信号进行中值滤波处理,进一步去除剩余噪声。经合成地震剖面和实际地震剖面处理实验证明,小波包分析、KL变换和中值滤波联合去噪方法,能有效地消除较强的随机噪声,提高地震剖面信噪比和分辨率。

基于（2D）^2-KL变换的小波域图像融合算法

为使融合后的图像在尽可能保留源图像细节信息的同时,还能够有效提高源图像的对比度,提出基于(2D)2-KL((2D)2-Karhunen-Loeve)变换的小波域图像融合算法.首先用(2D)2-KL变换直接对图像信息进行分析,并构建协方差阵,提取图像的重要特征,然后将其主要特征输入到小波域中.在此基础上,对小波变换分解得到各子带系数,用一定的融合策略进行融合.低频子带含有图像的轮廓信息,引入加权因子指导低频子带系数进行融合.实验结果表明,提出的算法有效提高了图像的对比度,并且很好地保留了图像的细节信息,无论在视觉角度上,还是在各种客观性能评价上都比其它传统方法取得了更佳的融合效果.