基于广义Curvelet变换和相空间特征聚类的VSP波场分离方法

垂直地震剖面(Vertical Seismic Profiling,VSP)蕴含大量的地层地质信息,是连接地震反射数据与测井资料之间的桥梁.VSP数据分辨率高,资料丰富,包括上行波、下行波、转换波等多种类型的波场,常被用于地层反射界面标定、介质衰减参数反演等.其中,如何有效地分离波场是将VSP资料应用于油气勘探的关键之一.广义Curvelet变换是一种具有多尺度、多角度的相空间变换,能够进行相空间域波场特性的提取.本文聚焦于VSP波场的上下行波分离问题,提出一种基于广义Curvelet变换和相空间特征聚类方法.首先,采用广义Curvelet变换对VSP波场进行特征提取,构造融入相空间角度信息的特征数据集;然后,利用K-means聚类算法在相空间对波场特征进行分类;最后,对分类结果进行反变换,完成VSP上下行波波场的自适应分离.为了验证方法的有效性,本文将所提出的方法用于合成数据和实际VSP数据的波场分离,并与常用的基于F-K变换的波场分离方法进行对比.处理结果表明,本文方法角度分辨率高、抗噪能力强,波场分离结果的保真保幅性好,这为后续的成像与地层的特征分析提供了重要基础资料.

基于小波散射变换和MFCC的双特征语音情感识别融合算法

为了充分挖掘语音信号频谱包含的情感信息以提高语音情感识别的准确性,提出了一种基于小波散射变换和梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)的排列熵加权和偏差调整规则的语音情感识别融合算法(PEW-BAR)。算法首先获取语音信号的小波散射特征和梅尔频率倒谱系数的相关特征;然后按尺度维度扩展小波散射特征,利用支持向量机得到情感识别的后验概率并获得排列熵,并使用排列熵对后验概率进行加权;最后采用一种偏差调整规则进一步融合MFCC的相关特征的识别结果。实验结果表明,在EMODB、RAVDESS和eNTERFACE05数据集上,与传统的基于小波散射系数的语音情感识别方法相比,该算法将ACC分别提高了2.82%、2.85%和5.92%,将UAR分别提升了3.40%、2.87%和5.80%,IEMOCAP上提高了6.89%。

基于多项式Chirplet变换的线性调频引信干扰波形设计方法

针对现代战场环境下线性调频引信干扰技术的迫切需求,提出多项式Chirplet变换的方法实现低信噪比下对调频连续波无线电引信的信号参数估计,并针对调频连续波引信重构了干扰信号。基于线性小波变换原理,选取适当的核函数,将无线电引信信号经过旋转与平移操作后进行短时傅里叶变换,再利用遗传算法求得变换核的最优参数,实现对调频连续波信号的参数估计,并重构干扰信号。仿真对比结果表明,该方法可以在较低信噪比下实现对调频连续波无线电引信信号载波频率、调制周期、最大频偏等参数进行精准估计,相较于周期调制类干扰,重构干扰信号能够以更低功率对调频引信产生较好的干扰效果。

基于小波变换的锚杆锚索测力仪设计

针对井下存在的电磁干扰,会对测力仪采集到的运放端的电压信号存在较大的干扰,进而对传感器测得的压力值准确性产生影响的问题;设计了基于小波变换的锚杆锚索测力仪。以国产HC32L176单片机作为主控芯片,对运放端的电压信号进行AD采集;选用合适的小波基函数、分解层数、阈值规则及阈值函数,对含噪信号进行分解,滤除不同层的高频成分,再对信号重构,得到去噪后的信号。Matlab仿真与实际测试结果表明:小波变换可以对采集的电压信号实现很好去噪,提高了锚杆锚索测力仪的可靠性与稳定性。

基于自适应小波变换与HHT的混合储能容量配置

混合储能系统能有效缓解风电输出功率强波动性与随机性造成电网频率不稳定问题。本文以蓄电池和超级电容组成的混合储能系统为研究对象,提出了一种混合储能容量配置方法。该方法首先采用自适应小波变换对风电输出功率进行功率一次分配,得到满足条件的并网功率和储能功率。然后采用HHT变换对储能功率进行分解,得到一系列波动功率分量以及各分量的瞬时频率。再根据瞬时频率确定分界频率,将高于分界频率的功率分量分配给超级电容,剩余的功率分量分配给蓄电池。最后根据蓄电池与超级电容各自的储能功率,对储能系统的额定容量与额定功率进行配置。该仿真结果表明,本文采用自适应小波变换与HHT变换能够有效地将风电输出功率进行分解,实现风电输出功率的平抑与混合储能系统的容量与功率配置。

基于经验小波变换的多通道微弱电流信号噪声控制

多通道微弱电流信号受很多噪声因素的干扰,导致输出的微弱电流信号与原始信号之间的相对误差增加,控制效果变差,为此提出基于经验小波变换的多通道微弱电流信号噪声控制方法;采集多通道微弱电流信号,利用经验小波变换技术分解采集到的微弱电流信号,判断电流信号中是否存在噪声并确定噪声类型;设计微弱电流信号噪声控制器,根据电流信号中的噪声量与噪声类型生成控制指令,对不同通道微弱电流信号噪声进行控制;在两种不同噪声强度的实验环境下,该方法控制下的多通道微弱电流信号信噪比较高,输出信号与原始信号间的相对误差较低,控制任务完成时间更短;以此证明该方法的多通道微弱电流信号噪声控制效果更好,可以广泛应用至电流信号噪声控制领域。

三电平Buck变换器输出纹波电压畸变机理分析

交错控制三电平Buck变换器受功率开关器件寄生参数的影响,输出电压纹波及电感电流纹波不仅发生了畸变,且纹波电压大小和忽略寄生参数的纹波电压存在较大误差。因此,深入分析了交错控制三电平Buck变换器输出纹波电压畸变机理,建立了考虑功率开关器件寄生参数的电感电流纹波、输出纹波电压的数学模型。在此基础上进行了实验验证,实验结果表明,功率开关器件的寄生参数是导致输出纹波电压波形畸变以及与理想模型产生较大误差的主要原因,验证了理论分析的正确性。所得结论可为三电平Buck变换器的变换器参数设计提供理论指导。

Super-Boost变换器的工作模式及输出纹波电压分析

Super-Boost变换器代替传统的充、放电模块可大大减小电源的质量和体积,提高其功率密度,因此在空间电力系统中具有广阔的应用前景。但由于Super-Boost变换器有多个功率元件,且存在电感电流反向流动特性,导致其供能模式及输出纹波电压较传统Boost变换器复杂。为了给Super-Boost变换器的分析和设计提供正确的理论指导,对Super-Boost变换器供能模式及输出纹波电压进行了深入研究。研究发现,电感L_(1)和L_(2)均存在连续导电模式、伪连续导电模式和伪断续导电模式等工作模式,建立各工作模式的临界电感和输出纹波电压解析数学模型,探讨峰值电流与电感间的关系,得到了满足设计要求的最小电容和最小电感,据此给出了变换器参数设计方法,实验结果验证了理论分析的正确性。

基于改进无参尺度空间经验小波变换的变压器高频电流局放噪声抑制研究

变压器是电力系统中的关键设备,局部放电(PD)是致使变压器绝缘劣化的主要原因,也是绝缘劣化的重要表现形式。针对高频PD信号中复杂的噪声信息,提出一种基于互信息和峭度优化的改进无参经验小波变换的降噪方法。该方法以经验小波变换(EWT)分解为基础,构造高斯核函数平滑频谱生成尺度空间,利用k-means聚类对边界点进行筛选得到频带分界点,然后提取无参尺度空间EWT分解的模式分量的互信息值和峭度值进行合并优化,排除冗余的频谱划分点并对频谱重新分割,利用新的频谱边界进行划分得到有价值的分量,在有价值的分量中去除噪声分量并将剩余分量进行通用阈值降噪然后重构信号达到PD信号降噪效果。文中方法不需要人工参与且解决了模态混叠问题,仿真和实验室、现场测试表明,与现有小波变换降噪和基于经验模态分解降噪的方法进行对比,文中的方法能够更加有效抑制PD信号中的噪声信息。

经验小波变换和改进S变换结合的电能质量检测与识别方法

为分析不确定干扰因素影响下的实际电力网络电能质量问题,提出一种经验小波变换(EWT)和改进S变换相结合的电能质量检测与识别方法。该方法一方面利用EWT联合归一化直接正交(NDQ)算法和奇异值分解(SVD)算法准确提取调幅-调频分量的频率、幅值和时间参数,另一方面考虑到EWT算法在高噪声环境下瞬时幅值波动的问题,引入改进S变换提取高噪声干扰下的电能质量扰动时频信息,最后,基于EWT和改进S变换提取的扰动特征向量,利用基于改进粒子群优化算法(IPSO)优化支持向量机(SVM)的电能质量扰动识别分类器实现扰动类型的精确识别。仿真和实验表明所提方法在复合扰动识别分类时平均识别准确率为93.23%,且能够准确识别4种实测扰动信号。

基于改进经验小波变换的海洋平台结构模态参数自动识别方法

针对经验小波变换(empirical wavelet transform,EWT)方法在处理低信噪比信号中频谱分割边界容易产生误判的问题,提出了一种改进经验小波变换(improved empirical wavelet transform,IEWT)的结构模态参数自动识别方法。首先计算信号的互功率谱矩阵,采用奇异值分解(SVD)及尺度空间(SSPP)方法确定频谱的分割边界,将信号分解为若干固有模态函数(IMF)分量,再结合随机减量技术(RDT)和希尔伯特变换(HT)实现模态参数的自动识别。使用IEWT方法对自由振动响应信号及ASCE Benchmark模型信号进行模态参数识别,并分别与EWT方法、基于自回归功率谱的经验小波变换(AR-EWT)方法及小波变换(WT)方法进行对比,结果表明IEWT方法能够自适应确定频谱分割边界,对结构的频率及阻尼比等模态参数具有较高的识别精度;进一步将该方法应用到实验室海洋平台模型的模态参数识别中,证明该方法可用于复杂噪声环境下的低频结构的模态参数识别。

小波变换-指数平滑法预测西藏畜牧业产值

运用小波变换和指数平滑法相结合对西藏畜牧业产值进行了预测。首先对原始时间序列进行小波变换,通过信号重构去除原始信号中的噪声信号,然后利用3次指数平滑法对无噪信号进行预测,最后将指数平滑法的预测值与噪声信号相加,还原对原始时间序列的预测。结果显示:小波变换-指数平滑法的平均误差为0.715 6%,比传统3次指数平滑法的平均预测误差1.499 5%减小了52.277 4%,由模型预测得到2023年西藏自治区畜牧业产值为142.702 8亿元。

基于分数阶小波变换的电力系统谐波检测方法

针对稳态和暂态谐波检测易受噪声干扰的问题,提出一种基于分数阶小波变换(fractional wavelet transform,FRWT)的电力系统谐波检测方法。首先,通过快速傅里叶变换(fast Fourier transform,FFT)检测出各频谱的频率,根据频率确定分解层数;其次,利用FRWT对信号进行分解和重构,实现基波与各次谐波分量的分离;最后,对各次谐波分量进行Hilbert变换(Hilbert transform,HT),获取各次谐波分量的频率和幅值检测结果以及暂态扰动的起止时刻。对多种谐波信号的仿真试验结果表明,FRWT方法可以有效实现对含噪信号中稳态和暂态谐波的检测,即使信噪比较低也能保证各项结果的检测精度,证明FRWT方法是检测谐波的一种有效新方法。

基于小波变换与IAGA-BP神经网络的短期风电功率预测

为提高风功率预测精度,减轻输出风能波动性对风电并网不利影响,提出了基于WT-IAGA-BP神经网络的短期风电功率预测方法。利用风速分区、3σ准则及拉格朗日插值法清洗风电场历史数据;其次,依据小波重构误差,选择db4小波分别提取风速、风向、历史风功率的不同频率特征信号,并引入改进自适应遗传算法(IAGA)对各序列BP神经网络的初始权值与阈值寻优,使用Sigmiod函数通过适应度值自适应改变交叉概率与变异概率;构建各序列的WT-IAGA-BP模型对短期风功率组合预测。通过仿真分析,并与ELM、IAGA-BP、WT-ELM及WT-LSSVM方法对比,验证该方法具有更高的预测精度和更好的预测性能。

融合Radon变换的孔边裂纹Lamb波定位成像研究

基于不同模态Lamb波与孔边裂纹相互作用的基本原理,聚焦不同模态Lamb波波包飞行时间精确检测问题,以各向同性板中的孔边裂纹为研究对象,开展了融合Radon变换的孔边裂纹Lamb波定位成像研究。首先,使用宽频chirp信号激励稀疏传感器阵列产生Lamb波,并采集通孔散射信号作为基线信号,采集孔边裂纹散射信号作为缺陷信号。其次,对chirp响应信号进行滤波处理,优化选取窄带单音频脉冲响应信号的中心频率和调制周期数。然后,对基线单音频脉冲响应信号进行Radon变换,得到优化后的群速度和偏移时间,并计算出Lamb波波包飞行时间。最后,使用椭圆定位成像算法对孔边裂纹进行定位成像,并将成像结果与名义群速度法的结果进行对比。结果表明,使用Radon变换可以准确获取Lamb波波包飞行时间,提升了不同模态Lamb波对孔边裂纹缺陷的检测能力。

a′Trous小波变换与PCA变换相结合的遥感影像融合分析

随着高分辨率遥感卫星的产生,传统的融合技术难以达到较好的融合效果,如主成分分析(PrincipalComponents Analysis)变换融合受到融合区域的限制,而传统的小波融合(Wavelet Transformation)算法由于高频直接替换,导致了一定程度的光谱失真,由此本文在分析主成分分析变换和a′Trous小波变换(WT)的基础上,以QuickBird全色和多光谱数据为实验数据,提出了一种将两者相结合的遥感影像融合方法,通过与其他融合方法的定量和视觉比较,结果表明该方法能得到更好的融合效果。

基于深度学习、小波变换和可见光谱的茶树冻害程度评估

茶树冻害鉴定是评价茶树抗逆性、指导茶园越冬管理的基础。茶树冻害鉴定的传统方法主要通过人工观察茶树叶片的冻害数量和冻害程度,存在准确率低,效率低,主观性强等缺点。提出一种基于深度学习、小波变换和可见光谱的茶树冻害程度评估框架。首先,采集了1 000张茶树受冻后的树冠图像,并且按照4∶1分为训练集和测试集,并对训练集图像的冻害叶片进行标注。其次,采用Faster R-CNN网络对茶树的冻害叶片进行识别提取,并且分别选择了AlexNet、 VGG19和ResNet50三种特征提取器,选择鲁棒性最高的特征提取器作为主干网络。然后,将提取到的茶树冻害叶片图像进行小波变换增强处理,从而得到了一张低频率和三张高频率的图像。将小波变换处理后的图像和未经小波变换处理的图像分别输入到VGG16、 SVM、 AlexNet、 ResNet50等网络对冻害叶片进行分级,比较四种网络的分类性能。根据冻害叶片的数量、冻害叶片的程度,不同冻害程度叶片的权重系数,对茶树受冻程度打分,从而对茶树整体的冻害程度进行评估。结果表明:(1)基于ResNet50的Faster R-CNN模型提取茶树冻害叶片的性能最好,其查准率为93.33%,查全率为92.57%,高于VGG19和AlexNet作为主干网络的识别性能,可以确保大多数的冻害叶片都能被提取出来,并为叶片的冻害程度进一步分级提供基础。(2)VGG16模型分类不同冻害程度的叶片的整体准确率为89%,高于其他模型(SVM、 AlexNet、 ResNet50)的整体分类准确率,表明VGG16模型具有较高的鲁棒性。(3)小波变换处理后的冻害叶片图像与未经小波变换处理后的冻害叶片相比较,能提升模型的整体分类准确率2%~6%。说明小波变换增强技术可以提高网络的准确率。因此,本实验框架可以准确和高效地将茶树冻害叶片进行分级,对于茶园冻害程度的评估具有重要价值,为北方茶园的越冬防护提供技术支撑。

曲率放大的λ-f域高分辨率抛物Radon变换多次波压制方法

在实际数据处理中抛物Radon变换是多次波压制的一种常用手段,然而,常规Radon变换方法难以有效压制那些与一次波曲率差异较小的多次波,本文给出了曲率放大的多次波压制方法来改善多次波的压制效果。通过研究影响同相轴的曲率的参数,发现压缩炮检距或增大时差能够放大多次波和一次波曲率差异,加大一次波和多次波在Radon域的分离程度,从而提高了多次波的压制能力。为进一步提高Radon变换的计算效率和精度,采用λ-f域高分辨率抛物Radon变换,通过引入新变量λ消除了常规Radon变换算子对频率的依赖性,由于变换算子和它的逆只需要计算一次,因此显著提高了计算效率。通过理论模型和实际资料的处理表明,该方法能够较好地压制表层多次波,对于那些与一次波存在一定曲率差异的层间多次波,也具备一定的压制能力。

基于a’trous小波与广义HIS变换的SAR与多光谱影像融合

为了提高SAR影像的解译水平,避免通常基于小波变换的融合方法造成的SAR影像信息损失,本文提出一种基于a’trous小波与广义HIS变换的SAR与多光谱影像融合方法,在将多光谱影像转换到HIS空间后,应用a’trous小波对I分量进行分解,通过加法的形式将多光谱影像的高频分量信息与SAR影像信息集成,并根据解译的需要,通过改变阈值来控制对多光谱影像信息的集成幅度。实验选取一组TM多光谱影像与ERS-2SAR影像进行融合研究,并将融合结果与另一小波融合方法融合结果进行视觉比较与统计分析。结果表明,另一小波融合方法的融合结果与本文方法融合结果阈值τ=1时的结果接近,而本文方法却可以根据不同的应用需要,在完整保留了SAR影像信息的基础上,通过调节多光谱影像信息的注入程度,为获取更能满足解译需要的SAR融合影像提供更多选择,拥有更好的鲁棒性。

基于小波变换算法的普朗铜矿爆破振动信号能量分布研究

小波变换算法能够对爆破振动信号的频率、能量分布特征进行研究,按照不同的主振频带对爆破振动信号进行分解及重构,已被广泛应用于爆破振动稳定性分析以及矿山安全生产管理。针对在矿山复杂条件下爆破振动信号易受干扰等问题,以普朗铜矿南部拉底爆破振动数据为研究对象,采用小波变换算法分析振动信号0~125 Hz各个频率段能量分布情况,通过HHT算法、STFT算法分别对爆区近区、爆区远区开展能量分布及其衰减规律的研究。研究结果表明:在0~125 Hz频率段范围内,爆区近区和爆区远区能量衰减速度和分布不同,爆区近区能量主振频率分布在15.62~<31.20 Hz频率段,爆区远区能量主振频率分布在46.87~<93.75 Hz频率段。在15.62~<31.20 Hz频率段,爆区近区比爆区远区能量占比平均多出14.1%;在46.87~<93.75 Hz频率段,爆区远区比爆区近区能量占比平均多出18.65%。基于本次爆破施工所监测到的普朗铜矿南部巷道区域爆破振动数据得出,在0~125 Hz频率段范围内,爆区近区能量衰减速度较快且能量分布不集中,爆区远区能量衰减速度较为缓慢且能量分布密集;爆破振动能量随着传播距离增加,能量虽有所衰减,但能量分布更为集中。分析结果表明,小波变换算法可以真实反映振动信号的能量分布情况,为研究爆破振动效应下的井下构筑物的结构安全提供有效的分析手段。