一种单自旋回波串信号参数估计方法

针对存在加性高斯白噪声多参数变量的单自旋回波串信号参数估计问题,提出一种参数分离化的2-D参数估计方法.利用2-D数据矩阵秩为1的特性,依照迭代加权最小二乘方法,从左、右主奇异值向量中以参数分离的方式分别估计出衰减因子和频率,基于最小二乘方法进一步获得信号幅度估计.该方法在相对高信噪比和/或大数据样本下可达到克拉美罗下界,且计算复杂度较低.仿真数据结果证明了算法的有效性.

基于特征向量的多谱线自旋回波串信号参数估计

针对存在加性高斯白噪声多参数变量的多谱线自旋回波串(SpinEcho Train,SET)信号参数估计问题,提出基于特征向量的2-D参数估计方法.将SET信号构造成2-D数据矩阵,按照不同的方式构造Hankel块矩阵束,利用子空间转移不变结构解得特征向量,依据特征向量的结构规律获得衰减因子和频率,基于最小二乘方法进一步获得信号幅度估计.该方法具有自动配对的能力,在相对高信噪比以及频率可分辨的情况下能够实现参数的有效估计,且计算复杂度较低.仿真数据结果证明了算法的有效性.

基于集总极值域均值分解的核磁测井信号去噪方法

针对核磁共振测井中自旋回波串混有大量噪声与传统经验模态分解算法存在端点效应和模态混叠的问题,提出一种基于集总极值域均值分解的信号去噪新方法。该方法将极值域均值模式分解融合嵌入集总经验模分解算法中,有效避免了经验模态分解算法存在的弊端,同时继承了其去噪优势。对实际测井数据的分析表明:该方法有效滤除了回波信号的噪声,提高了信噪比,且利用回波信号反演计算出的T2谱和孔隙度与实验用岩心的测量结果一致。