砂岩储层孔隙结构分形特征描述

在前人对孔隙结构分形特征研究的基础上,利用分形几何理论,建立了描述储层孔径分布的分形几何公式和储层毛管压力曲线的分形几何公式;利用岩心压汞测试资料,建立了描述孔隙结构的分形几何模型,探讨了砂岩孔隙结构的分形特征。研究表明孔隙的分形特征是分区域的,分形维数可以定量描述孔隙的非均质性,分形维数大,砂岩孔隙分布的非均质性强。依据建立的孔隙分形模型,在考虑孔隙结构、润湿性变化的基础上,根据函数公式和毛管束模型,推导出了油水相对渗透率的理论预测公式。根据所得到的理论预测公式,进行了相对渗透率曲线预测。预测结果表明,预测曲线与理论曲线是一致的。同时,可用于长期水驱后油水相对渗透率的预测和不同储层相渗曲线的归类,指导油田开发。

基于高阶谱谱骨架的信号细微特征识别

为解决同型号辐射源识别问题,针对实际信号,采用信号的高阶谱作为个体识别的基本特征向量,建立基于软K段主曲线算法的高阶谱谱骨架模型。将谱骨架的信息维数和盒维数作为特征矢量,并结合信号的时频域分析。最后将得到的融合特征使用SVM分类器进行训练识别,实现对不同辐射源信号的个体识别。通过对比实验充分验证该方法的有效性。实验结果表明,在低信噪比的环境下,该方法能够有效地识别个体信号,具有更好的识别效果,识别率可达到85%以上。

基于软K段主曲线的信号细微特征识别

为解决同型号电台信号识别问题,针对具有同步头的信号,根据噪声在频域分布于底层的特点,从频域角度出发,建立基于软K段主曲线算法的功率谱骨架模型。将谱骨架作为暂态特征,计算其信息维数和盒维数,将得到的分形维数使用SVM分类器进行训练,实现对不同电台发送的相同数据波形信号的识别。实验结果表明,在信噪比较低的情况下,该方法可以有效识别电台,识别率仍可达到80%以上。

基于分形缝隙的短波突发信号暂态特征提取

对信号的暂态特征提取有利于通信电台的个体识别。针对分形维数在特征提取中存在的非普适性问题,提出了基于分形缝隙的短波突发信号暂态特征提取方法,该方法以幅度值为尺度计算缝隙值作为暂态特征,与分形维数相比,可以更有效地描述信号的暂态特性。在高斯白噪声和短波信道下进行了仿真分析,实验结果验证了缝隙值作为暂态特征的有效性。

GFD和核主元分析的机械振动特征提取

针对旋转机械非线性特征提取的问题,提出了广义分形维数(generalized fractal dimension,简称GFD)和核函数主元分析(kernel principal component analysis,简称KPCA)的旋转机械振动特征提取方法。首先,通过广义分形维数进行初次特征提取,形成高维特征空间;其次,通过核主元分析方法对高维特征空间降维并进行第二次特征提取;最后,利用核主元分析方法和KN近邻(KNN)方法对转子和轴承不同状态下的特征进行了分类。研究表明,GFD-KPCA方法对旋转机械进行了有效的特征提取,对不同状态的数据有高精度的分类,对参数选取有较低的依赖性。轴承微弱振动特征提取结果显示,GFD-KPCA性能优于常规的KPCA特征提取算法,具有更好的精度和适用范围。