基于波浪激励响应自适应变分模态分解的高桩码头桩基损伤识别

波浪激励下高桩码头桩基动力响应存在多类型信号混杂现象,因此信号重构对于码头桩基的损伤检测至关重要。变分模态分解(variational mode decomposition,VMD)方法能够有效避免信号重构中的模态混叠问题,但由于波浪激励下的动力响应频谱复杂,分解所需的模态数和罚因子会严重影响分解结果。为解决该问题,提出了一种自适应变分模态分解方法(improved adaptive variational mode decomposition,IAVMD),该方法通过罚权系数自适应调整各频率分量的罚因子,并通过分解结果的信号完整度来确定最佳模态数。进一步通过波浪激励下的高桩码头模型试验对IAVMD的有效性、适用性进行了验证。结果表明,该方法能够准确分离出动力响应损伤特征子信号,并根据能量因子确定损伤位置和大小。

紧支撑帕塞瓦尔小波框架的分解与重构

本文构造出性质良好的紧支撑帕塞瓦尔小波框架。利用小波框架及其相关尺度函数的数量关系式,在多分辨率分析思想下以小波框架为基础定义一般的空间序列,得到紧支撑帕塞瓦尔小波框架的分解与重构定理,进而得出信号分解与重构的框图,并对算法进行总结。实验结果表明,与Haar小波函数的分解重构算法相比,本文算法具有更好的性能。

深度学习在波前重构与波前预测中的研究进展

深度学习技术与自适应光学技术的结合,预期能够有效提升波前校正效果,并能更好地应对更复杂的环境条件。详细梳理了在波前重构技术和波前预测技术方向上应用深度学习的研究进展,包括研究者在这两个研究方向中所采用的具体研究方法以及相应的神经网络结构设计,同时分析了这些神经网络在不同实际应用场景下的性能表现,并对不同神经网络结构之间的差异进行了比较和讨论,探究了结构差异所带来的具体影响。最后,总结了深度学习在这两个方向上的已有方法,并就未来深度学习与自适应光学技术如何深度融合的发展趋势进行了展望。

自适应Laplace小波字典的矿山微震信号稀疏降噪方法

针对矿山微震信号降噪问题,提出了一种基于自适应Laplace小波字典的稀疏降噪方法。该方法从矿山微震信号特征波形的先验知识分析入手,首先通过相关滤波法选取与微震信号特征波形最匹配的Laplace小波参数,并以此构造Laplace小波参数字典。然后结合正交匹配追踪(OMP)算法,稀疏重构出微震信号的特征波形。考虑到相关滤波法计算量大、时间较长,使用鲸鱼优化算法(WOA)进行快速的全局参数寻优。仿真微震信号和实测信号分析结果表明,所提出方法可有效重构出微震信号的特征波形,实现微震信号的降噪,且对噪声具有一定的抗干扰能力。相比常用的集合经验模态分解(EEMD)方法,提出的基于自适应Laplace小波字典的稀疏降噪方法具有一定的优越性。

基于自适应时窗的矢量分解去噪方法

基于有效信号与噪声的矢量存在差异的特点,发展并形成了一种自适应时窗矢量分解(adaptive time window vector decomposition, ATW-VD)去噪方法。该方法将地震记录瞬时属性引入到时窗系数求解中,根据瞬时属性反映的地震记录特征自适应调节时窗尺度,以平衡不同区域地震记录矢量分解去噪和有效信号振幅保护的能力。将该方法应用于一套含噪声模型地震数据的处理,并与经典的固定时窗矢量分解(fixed time window vector decomposition, FTW-VD)去噪结果进行了比较,验证了方法的正确性和有效性,并将该方法应用于实际地震数据处理中。研究结果表明,该方法能够更加精确地提取地震信号的矢量方向特征,有效利用了有效信号与噪声之间的矢量角度差异压制噪声;在压制空间上无方向特性、延续时间短的噪声时具有较大的优势,特别适用于随机噪声、50 Hz电缆波和尖脉冲等噪声的压制;在保护有效信号振幅、波形等特征的同时可大幅度提高地震资料的信噪比。

基于自适应分解级数小波去噪的TDOA估计算法研究

在无源时差(Time Difference of Arrival, TDOA)定位技术中,针对现有基于广义互相关时差估计方法对目标信号波形相关度要求高、信号受噪声干扰严重时其时差估计精度难以满足实际需求等问题,提出一种具有自适应分解级数的小波去噪预处理时差估计方法。对待处理信号进行多级小波分解,计算分解后各级系数向量的能量贡献率累加和(Energy Contribution Rate Cumulative sum, ECRCs),以满足ECRCs不小于80%的最小分解级数作为小波去噪的分级参数。结合计算的自适应分解级数及小波去噪方法对待处理信号进行自适应去噪处理,结合广义互相关算法对处理后信号进行峰值分析,得到两信号的时差值。通过仿真信号及甘肃某地实测的TDOA数据进行分析验证,结果表明,所提方法可有效提升时差估计精度及稳定性,尤其信号受噪声干扰较大时具有一定优势。

多子波分解与重构技术应用研究

探讨地震信号的多子波分解与重构方法,为地质解释与油气藏描述提供技术支撑。该方法在对地震信号进行分解时,利用匹配追踪算法,将原始地震信号分解成由一系列频率成分不同的Morlet子波函数组成的原子函数库;在重构地震信号时,根据油气响应特征、地质现象描述的需求,先对原子函数库进行筛选、优化,再按照频率属性对Morlet子波函数进行线性求和。在对地震信号进行分解与重构的过程中,实现了将地震信号在时间域内、时间-频率域内进行联合解释,挖掘出了单域内难以发现的地质现象、油气响应特征。将该技术应用到四川新场地区沙溪庙组的储层预测与含气性识别中,获得了与钻井实测结果相吻合的良好效果。

基于小波分解与重构的时间序列预测法

一般的时间序列预测方法对非线性非平稳的信号不适用 .本文提出了一种基于多分辨率小波分解与重构的预测方法 .与一般方法相比 ,这种方法有效地提高了预测的准确度 .

多子波分解与重构技术在阿尔及利亚TKT—NGS油田储层描述中的应用

位于阿尔及利亚OUED MYA盆地东北部TKT—NGS区的油田为构造—岩性油气藏,主要目的层Si油层为辫状河沉积,砂体厚度薄、横向非均质性强。本文针对该区的地质结构特点,应用多子波分解与重构技术描述了该区油层分布,预测了油藏的含油范围。总结出应用多子波分解与重构技术进行油层解释的步骤为:①对地震数据进行多子波地震道分解;②筛选合成更有利于直接油层解释的新的地震道集;③计算地震波频率衰减系数道集;④提取地震分量,并根据钻井获得的油层资料,筛选出对直接油层解释更有效的地震分量。应用结果表明,该技术用于油层解释的效果较好。

基于自适应小波分解和SVM的模拟电路故障诊断

为了降低模拟电路参数故障的测试难度,提出了基于自适应小波分解和SVM的模拟电路故障诊断的新方法,该方法对电路故障响应进行小波分解提取最优故障特征,母小波的选择是根据被测电路的正常响应和故障响应小波系数之差的最大均方根原则,并引入支持向量机对故障进行分类识别。小波分解具有自适应性,支持向量机结构简单,泛化能力强。实验结果证明了所提的基于自适应小波分解和SVM的模拟电路故障诊断方法是有效的,其故障诊断率大于96.8%。

一种离散小波变换的快速分解和重构算法

通过对实序列的快速傅里叶变换算法的推导及Mallat算法原理的分析 ,根据离散小波变换 (DWT)算法结构特征 ,提出了一种离散小波变换的快速分解和重构算法 ;给出了相应的算法步骤 .从数学理论上对该算法进行了论证 ,结果表明与原有的快速小波算法 (Mallat算法 )相比 ,可显著减少信号与滤波器长度N较大 (大于 1 6)时小波变换的实乘次数 (分解仅为 ( 5log2 N + 7)N次 ,重构仅为 4N( 1 +log2 N)次 ) ,提高了运算速度 .且该算法有着良好的并行性 ,易于数字信号处理器 (DSP)

基于稀疏信号分解的自适应时变滤波器及其在齿轮故障诊断中的应用

提出一种新的自适应时变滤波器设计方法,并将其应用于变速齿轮箱齿轮故障诊断中。齿轮箱振动信号频率成分复杂,特别是多级变速齿轮箱,存在多个啮合频率,而齿轮箱齿轮故障诊断的核心是获取啮合频率的调制状态。在非平稳转速下,如何从复杂振动信号中提取包络调制信号是齿轮箱故障诊断需要解决的关键问题。基于多尺度线调频基(Multi-scale chirplet)的稀疏信号分解方法可以有效地提取频率呈曲线变化的信号分量,适合于载波频率的提取,以该载波频率为滤波器的中心频率,转频的倍频为滤波带宽,设计滤波中心频率曲线变化的自适应时变滤波器,可以有效地将多个包络调制信号分别提取出来,进而可以对变速多级齿轮箱齿轮进行故障诊断。提出的自适应滤波器可以根据信号本身的特点自动改变滤波中心频率和滤波带宽,对信号进行滤波,保留信号的有用频率成分,抑制无用成分。仿真算例和应用实例说明了方法的有效性。

基于离散小波变换的信号分解与重构

为数值计算简化和理论分析简便,在实际信号处理应用中,需要对小波变换进行离散化处理。介绍了傅里叶变换与小波变换的基本理论,以及离散小波变换在信号分解和重构过程中的原理及方法。利用MATLAB小波工具箱中提供的函数分别对一维信号和语音信号进行分解与完全重构,并对结果进行分析比较。仿真结果表明,用离散小波变换进行一维和语音信号分解时均可有效地获取其平均相似信息和细节信息,重构信号与原始信号相比损失较少,分解和重构均得到了很好的效果。

基于频率域小波的地震信号多子波分解及重构

多子波分解是将一个地震道分解为不同频率的子波集,并针对不同的目标地质异常体,选择不同频率的单一地震子波或子波段,重构新的地震剖面和数据体,以便进行更精准的地质地球物理解释和储层特性描述。文中根据频率域小波的解析表达式及小波变换时间—尺度域和时间—频率域的转化关系,提出一种能适应多子波分解精度要求的处理方法。对合成地震信号及含气裂缝模型正演剖面的多子波分解与重构处理表明,该方法具有较高的精度,处理结果能直接用于含油气特征的检测;对实际地震数据处理得到的单频剖面也可明显地表征含油气储层的特征信息。

一种基于双正交小波分解的自适应数字水印技术

提出了一种基于小波域上的自适应图像水印嵌入方法 ,它根据各小波子带的噪声敏感度和视觉掩盖特性 ,将基于 Legendre序列的伪噪声水印添加到图像各小波子带的特定数据上 .实验结果表明 ,本水印具有很好的不可见性 ,并且对图像压缩和噪声干扰具有比

基于小波分解的自适应滤波算法在抑制局部放电窄带周期干扰中的应用

在局部放电在线监测中,由于窄带周期干扰的频率范围很宽,自适应滤波器的参数设置比较困难,有时甚至会导致算法不稳定。为此,文中提出了一种基于小波分解的自适应滤波算法,以用于抑制窄带周期干扰:利用小波的分频特性先将信号分解到不同的频段上,然后对各频段的信号施以自适应滤波,由于信号被分解到不同的频段,各频段内的窄带干扰频率相差有限,所以,可以根据各频段信号的特性采用最佳的滤波参数,以达到较好的滤波性能。计算机仿真分析和现场数据处理表明,该算法比普通自适应滤波算法有更好的抗干扰性能和稳定性。

微型自适应光学系统的波前重构算法

基于测量所得的 37通道微型机械薄膜变形镜的影响函数矩阵和微型自适应光学系统 ,给出模式法波前重构与补偿的微型变形镜的控制电压 。

多子波分解与重构中子波的优选

在地震信号的多子波分解与重构中,子波类型与子波分辨率的选择是十分重要的。针对这一问题,首先计算了复数Paul子波和复数Morlet子波的时频谱,并讨论了频率域内子波宽度控制参数对频率域分辨率的影响;然后应用匹配追踪算法对实际地震数据进行多子波分解与重构,从理论上确定了控制复数Paul子波和复数Morlet子波频率域分辨率的最佳子波宽度,对两种子波分解重构地震剖面的差异性进行了对比分析。理论和实际计算结果表明:复数Paul子波与复数Morlet子波的分辨率和频谱能量分布有所不同,在实际应用中需针对不同的研究目的选择不同类型的子波。基于复数Paul子波的重构剖面保留了更多的低频能量,适用于反射同相轴连续的地下构造研究;基于复数Morlet子波的重构剖面高、低频频谱差异大,更适用于地震波吸收衰减研究。

一种改进的多小波分解重构算法及其应用

在论述多小波基本理论及其分解重构算法的基础上,基于多小波分解重构算法的扩展与正交多小波的对称/反对称特性,提出了一种改进的分解重构算法,并以SA4多小波为例,对电力系统高压输电线故障暂态信号进行分解与重构,证明了其有效性。

基于小波分解的自适应滤波算法及其应用

在管道运行时,由于管道摩阻、周围介质扩散等影响,使得测得的压力与流量信号带有很大的噪声,当噪声频率很宽时,自适应滤波器的参数设置比较困难,致使去噪效果不明显。为此,提出了一种基于小波分解的自适应滤波算法,该算法基于信号和噪声经小波变换后在不同尺度上有不同的特征,即先对信号进行小波多尺度分解,然后对各尺度分解的信号分别选用不同的滤波参数,进行自适应滤波处理。并用该方法对在管道泄漏实验中采集的信号进行降噪处理。结果表明,该方法比普通的自适应滤波方法更能有效地消除信号中的噪声。