基于谐波分解恢复弱势信号的高分辨率处理技术

地震资料高分辨率处理是预测薄储集层的有效手段,高分辨率处理的主要目的是有效恢复地震高、低频信息和拓宽频带,同时保持资料的信噪比和保真度。基于谐波分解恢复弱势信号的高分辨率处理技术,以压缩小波变换为基础,根据信号谐波分量对地震高、低频弱势信号进行恢复。首先,基于有效频带内的地震信号,采用压缩小波变换将其分解为各基频信号,然后计算各基频信号的高次谐波与低次谐波,将计算出的高次谐波与低次谐波加入小波变换系数中,最后进行小波逆变换,即可恢复高、低频弱势信号。在实现过程中,仅仅在有效频带内估算基频信号,能较好地保持信号的信噪比。地震信号的小波变换系数与地层反射系数具有一致性,因此该技术具有较高的保真度,可以较好保持相对振幅关系。实际应用表明,在保持资料信噪比的同时,该技术能大幅拓宽地震资料的频带,处理后的地震剖面断点更清楚,分辨能力改善明显,能较好地识别6 000 m以深约40 m的薄储集层。

基于小波压缩深度学习重构的多图像光学加密

为解决多图像加密算法密文体积大、加密效果差、重构效果不理想等问题,提出一种基于小波压缩和深度学习重构的多图像光学加密方法。利用小波压缩提取多图像的低频部分,将重排后的新图放入改进的FDT-DRPE光学加密系统中得到密文;利用矢量分解和螺旋相位变换克服FDT-DRPE不敏感问题;构造的L_S混沌系统提高密钥敏感性。提出新型深度学习网络模型BHCN,解决传统图像重构精度不高问题。实验结果表明,密文体积可压缩至原图的1/4,重构图像的峰值信噪比为34.57 dB,结构相似性为0.9521,与同类文献相比,速度更快,重构效果更好,安全性更高。

多媒体数据自适应多尺度分块压缩仿真研究

在多媒体图像数据压缩过程中,为了减小数据体积,通常需要牺牲图像的一些细节和精度,这会导致部分信息的丢失。为了提高压缩效果,以多媒体图像为例,提出一种面向多媒体数据的分块无损压缩算法。通过四叉树算法对多媒体图像展开分块处理,通过结合边缘特征和方向特征的多尺度小波变换算法获取多媒体图像每层子带图像块的自适应采样率,基于纹理块和平坦块的自适应多尺度分块压缩感知方法完成多媒体图像数据的分块无损压缩。实验结果表明,所提算法的压缩效果更好,不仅能够实现数据有效压缩,而且不会损失图像信息,且压缩时间较短,整体应用效果更好。

基于小波变换的全息图压缩编码比较研究

在全息三维显示及全息视频应用中,减少全息图的信息量、满足通信带宽的要求是一项重要的研究工作。使用小波阈值和量化的方法有损压缩全息图,对比分析使用不同小波基阈值对全息图再现像质量和全息图压缩比的影响。研究结果表明,对离轴数字全息图小波阈值有损压缩后,Haar和db5小波基得到的再现像质量最高,其峰值信噪比(PSNR)达到了26.38 dB,使用sym2和db2小波得到的压缩比最高,达到了6.68。相息图小波阈值有损压缩后,Haar和Daubechies小波得到的再现像质量最高,其PSNR达到了32.32 dB,使用Biorthogonal小波得到的压缩比最高,达到了4.47。研究结果可为如何有效使用小波变换实现全息图的压缩提供参考。

一种基于类小波变换的无线电频谱监测数据无损压缩方法

无线电频谱监测海量数据存储和分析是无线电监管工作的重要组成部分。频谱数据具有时间相关性以及不同频点间的相关冗余,对此本文设计了一种基于类小波变换的无线电频谱监测数据无损压缩方法。该方法首先基于时间相关性将一维频谱信号转换成二维矩阵;转换成二维矩阵后数据在水平方向以及垂直方向都存在冗余,算法采用卷积神经网络来代替传统小波中的预测和更新模块,并引入了自适应压缩块来处理不同维度的特征,从而获得更紧凑的频谱数据表示。研究进一步设计了一种基于上下文的深度熵模型,利用类小波变换不同子带系数获得熵编码参数,以此估计累积概率,从而实现频谱数据的压缩。实验结果表明,与已有的Deflate等传统频谱监测数据无损压缩方法相比,本文算法有进一步的性能提升,与典型的JPEG2000、PNG、JPEG-LS等二维图像无损压缩方法相比,本文所提出的方法的压缩效果也提高了20%以上。

三峡升船机齿条模型试验及状态监测方案研究

三峡升船机采用齿轮齿条爬升式垂直升船机型式,其中齿条作为升船机船厢升降运行的传动设备,其设备安全可靠性对升船机的稳定运行至关重要,为其设置智能状态监测系统十分必要。通过小比例试验台,对齿轮有可能出现的缺陷与不良工况进行模拟试验,并采用基于同步压缩小波变换时频谱切片的分析方法及门控循环神经网络的故障诊断方法,进行齿条不良润滑、齿面点蚀与齿根裂纹故障信号的采集与识别。以试验结果为依据,提出了三峡升船机齿条状态监测和故障诊断方案,为三峡升船机齿条状态监测和故障诊断方案的现场实施奠定了良好基础。

融合小波框架和低秩的动态磁共振图像重建新思路

动态磁共振成像(dynamic magnetic resonance imaging, DMRI)是一种通过连续扫描图像获取其随时间和空间变化的影像技术,将压缩感知技术应用于动态磁共振成像,容易导致磁共振图像重建后的视觉质量不够理想。因此,针对压缩感知在DMRI重建上存在的不足,通过?_1范数以刻画磁共振图像数据的稀疏性,以及利用低秩描述动态磁共振图像序列的内在相关性,提出了一种基于低秩和稀疏分解的重建模型,有效减少了动态磁共振成像的伪影。在建模阶段,将稀疏成分应用?_1范数进行建模,对低秩成分利用核范数进行建模。在模型优化求解阶段,引入小波框架正则化方法,将重建模型转化为非光滑凸优化问题,然后使用基于动量加速的近似点优化梯度方法求解该问题。最后,通过在心脏电影、心脏灌输和phantom体膜影像数据上进行实验,验证了所提模型的有效性。结果表明,所提方法在采样率30%时,平均峰值信噪比达到33.709 0 dB,平均结构相似度达到0.966 0,进一步提升了磁共振图像重建的精度。

基于连续小波变换和模型无关元学习的压燃式活塞发动机气门故障诊断研究

针对压燃式活塞发动机缸盖表面振动信号样本少及传统故障诊断方法特征提取和选择困难的问题,提出了一种基于连续小波变换(continuous wavelet transform,CWT)和模型无关元学习(model agnostic meta learning,MAML)的压燃式活塞发动机气门间隙异常故障诊断方法。通过将CWT的特征提取能力和MAML的快速学习能力相结合搭建故障诊断模型。试验结果表明该方法能有效识别气门间隙故障,并且其准确率高于传统基于CWT和卷积神经网络(convolutional neural network,CNN)的故障诊断方法。通过跨域故障对比试验,研究了不同气门故障类型对模型诊断能力的影响,验证了该方法在解决小样本和跨域故障问题时具有更高的准确率和泛化能力。

基于稀疏表示的语音压缩编码技术研究

针对语音压缩编码技术中的关键问题,结合小波变换和最小绝对收缩和选择(Least Absolute Shrinkage and Selection Operator,LASSO)算法提出一种基于稀疏表示的语音压缩方法。首先,研究稀疏表示方法在语音压缩编码中的总体框架。其次,重点研究小波变换和LASSO算法在优化稀疏表示中的作用。最后,通过实验测试验证所提方法的有效性和优越性。实验结果表明,基于小波变换和LASSO的稀疏表示方法在语音压缩编码中获得更高的压缩比,为语音通信和存储提供了可靠的技术支持。

基于稀疏编码的数字电视信号压缩与传输方法研究

针对数字电视信号压缩与传输问题,研究一种基于稀疏编码的视频压缩与传输方法。聚焦基于小波变换的视频稀疏编码方法,引入字典学习优化稀疏编码。实验结果表明,所提方法在保持高压缩率的同时,能够有效地保持视频质量,为数字电视信号的高效压缩与传输提供了新的思路和方法。

数字技术支持下的海量图像信息多云存储平台设计

为降低海量图像的存储内存占用率,并保证图像的存储安全性,设计数字技术支持下的海量图像信息多云存储平台。该平台包括Google Cloud、Amazon S3、Microsoft Azure等多个云服务,形成多云架构;通过客户端控制高性能的本地服务器,实现本地服务器和企业云存储服务之间的云通信;本地应用模块利用数字水印技术加密海量图像信息后,结合小波变换算法压缩该图像后,通过该通信方式上传压缩加密后海量图像信息至多云存储架构中。测试结果显示,该平台数据流标准方差均在0.27以下,内存占用率在22.6%以下,多云服务器的负载均衡度结果均在94.1%以上,能够保证图像质量不会发生损坏。

一种基于二维小波变换图像无损压缩的VLSI设计与实现

针对离散小波变换的提升算法进行研究和优化,提出一种基于5/3的二维离散小波变换的硬件架构。离散小波变换整体工作过程都采用了并行输入输出结构,使用内部RAM对计算过程中间变量进行暂存。将三级流水线结构运用到列滤波器和行滤波器的设计上,设计出逻辑较为简单且内存较小的转置单元。减少外部RAM存储空间,采用5个RAM对小波系数进行存储。通过实验,在XILINX KC705型现场可编程逻辑门阵列上实现无损压缩系统,对4幅图像进行压缩,压缩比在1.3~2之间。本设计节约了硬件资源消耗,缩小了关键路径延时,DWT模块工作频率可达219 MHz,在实际应用中具有一定的技术优势。

基于小波字典的风速数据重构的压缩感知方法

由于风速具有明显的非平稳性,常用字典的压缩感知(compressed sensing,简称CS)方法对于风速信号重构效果不佳,故引入基于小波字典的压缩感知方法,用于重构风速缺失数据,有效提升了风速信号的重构精度。通过风速仿真数据和广州塔的监测风速数据验证了本研究方法的有效性,并研究了数据缺失工况、正则化参数、小波字典层数和小波类型对风速信号重构效果的影响。结果表明,基于小波字典的压缩感知方法可有效重构缺失的风速信号。

同步压缩小波变换在电力系统次同步振荡参数提取中的应用

大多数经典的次同步振荡(SSO)模式提取方法都有一些缺点,如模式识别率低,抗噪声性能差。因此,本文提出了一种新的时频分析方法,即同步压缩小波变换(SWT)。SWT结合了经验模态分解(EMD)和小波的优点,具有EMD的适应性,提高了EMD和小波的抗模态混合能力。因此,可以获得更好的抗噪声性能和更高的模式识别。首先,对SSO信号进行SWT变换,得到其时频谱。其次,通过自动识别算法分析每个固有模式类型(IMT)分量在其时频谱中的衰减特性,并确定哪个IMT分量需要重建。然后,重构具有发散特性的选定IMT分量。再次,利用希尔伯特变换(HT)实现了模态参数识别的高精度检测。仿真和应用实例证明了该方法的有效性。

基于子波分解的叠前煤层压制方法及应用

西湖凹陷X区平湖组地层煤层广泛发育,且具有厚度薄、层数多、阻抗低的特征,在地震上呈现的强振幅掩盖了砂泥岩的地震响应特征,从而降低了砂岩储层的预测精度。针对上述问题,提出基于子波分解的叠前煤层压制方法,首先对叠前道集进行子波分解,得到一系列具有不同中心频率的带有Ricker子波意义的窄带道集,再针对窄带道集具有的不同煤层响应特征分别实施相应的处理,其中低频道集薄煤层响应弱,无需进行针对性的压煤处理,高频道集煤层地震响应特征明显,通过强振幅衰减法对煤层强能量进行压制,最后将处理后的各频段信号重构得到煤层压制后的道集,在此基础上开展储层预测,预测精度得到明显提升,为煤系地层的岩性油气藏的勘探提供了有力支持。

基于光响应非均匀性的WhatsApp压缩视频来源识别

光响应非均匀噪声(photo response nonuniformity,PRNU)是光学成像传感器成像时引入的一种独特噪声,可有效识别压缩视频的来源。针对现有算法提取压缩视频的PRNU效果并不显著的问题,论文提出了一种改进PRNU提取算法。首先,去除视频编解码的环路滤波器,对视频帧使用双密度双树复小波变换进行分解;然后对高频子带使用基于贝叶斯阈值估计的双变量收缩算法进行估计,再使用自适应加窗维纳滤波进行二次估计,得到噪声残差;最后用基于量化参数值加权的最大似然估计法聚合噪声残差,再与视频帧估计得到PRNU。实验结果表明:该文提出的方法在20 s时WhatsApp视频的识别率为75%。

微服务多维度全链路异常监测方法

针对微服务多维度全链路异常监测存在的不足和缺陷,如监测结果置信水平、召回率较低等,文中提出了微服务多维度全链路异常监测方法。该方法采用压缩感知技术采集微服务日志信息和微服务性能指标信息,通过对微服务全链路信息进行小波变换处理,去除原始数据中的噪声干扰,并通过多特征融合量化链路的异常程度,识别监测链路的异常状态,以实现微服务多维度全链路的异常监测。实验证明,该方法的置信水平高于96%,召回率高于90%,能实现对微服务多维度全链路异常的精准监测。

压缩传感图像边缘自适应增强方法研究

传感图像存储过程中受压缩处理的影响,造成边缘细节模糊,为此,提出基于加性小波的压缩传感图像边缘自适应增强方法。基于高斯平滑滤波算法对压缩传感图像进行去噪处理,对经过去噪处理的图像展开多尺度加性小波分形,采用形态学梯度对低频图像进行滤波处理,获取形态学梯度图。通过模极大值方法提取边缘,叠加多层边缘信息获取高频边缘图。将形态学梯度图和高频边缘图两者作加性小波逆变换,对逆变换结果进行二值化处理,获取压缩传感图像边缘图,实现边缘自适应增强。主观测试结果表明,所提方法可以准确增强压缩后传感图像的边缘;客观测试结果表明,所提方法信息熵均值为7.81、平均梯度为7.89、对比度为273.7,可以获取较多的图像边缘细节。

黏土-砂混合物三轴压缩超声波特性研究

为研究核废料缓冲回填材料的超声波特征,本文利用岩石三轴压缩伺服仪和超声波测试系统,开展侧限压缩和常规三轴压缩2种应力路径和2种超固结比状态OCR=0.83和2.9的压实黏土-砂混合物的三轴压缩试验和超声波测试。结果表明:侧限压缩试验的纵、横波波速(V_(p)、V_(s))曲线表现出与轴压-轴向应变曲线相似的3阶段特征,但V_(p)曲线具有滞后效应;常规三轴压缩试验的V_(p)增加,V_(s)降低,V_(p)和V_(s)变化与围压有关。动剪切模量和动泊松比(G_(d)和μ_(d))的曲线分别与V_(s)和V_(p)的曲线相似,围压主要影响动剪切模量的大小;V_(p)和V_(s)与有效平均压力(p)有关,V_(p)和V_(s)与p的关系可用二次函数较好描述;横波信号的主频逐渐增大,主振幅先减小后增大,主频变得不易分辨,围压越大,横波信号衰减越强;Ⅰ和Ⅱ区随偏压加载而逐渐融合,横波分裂效应减弱。研究结果可为核废料缓冲回填材料的配比设计提供参考。

基于非线性支持向量机的配电网带电检测方法

由于现有方法在配电网带电检测中应用效果不佳,不仅灵敏度比较低,而且特异度也比较低,无法达到预期的检测效果,本文提出基于非线性支持向量机的配电网带电检测方法。采用压缩感知算法对原始配电网电气信号处理,减少样本数据量,构造配电网数据序列样本集,利用小波去噪技术对数据序列样本去噪处理,利用非线性支持向量机对电气信号分类,识别检测异常信号,以此完成配电网带电检测。经实验证明,设计方法灵敏度与特异度均在90%以上,检测精度较高,在配电网带电检测方面具有良好的应用前景。