多尺度曲率在渤海K油田断裂解释中的应用

复杂断裂系统是影响K油田开发的关键问题,常规属性(如相干属性、纹理属性等)在解释断层方面存在局限,特别是微小断层的识别和多尺度复杂断裂系统的成像效果较差,并且容易受噪音干扰。为了解决这些问题,本文采用保边平滑滤波(EPS)技术对地震资料进行预处理,既能有效压制随机噪音,提高信噪比,又保持地震数据的边缘结构信息。在此基础上,利用时频波数域多尺度算子实现多尺度曲率分析。这种组合创新方法在渤海K油田的断裂识别和解释中表现良好,为开发井位的顺利实施提供有力指导,帮助规避风险断层,提高了开发效率和成功率。

由小波变换的模极大值快速重构信号

本文从多尺度分析的思想出发，提出一种由信号小波变换的模极大值快速重构信号的方法．在不同尺度上，以阶跃函数在该尺度上的小波变换作为基函数，利用模极大值拟合信号的小波变换，然后进行小波反演得到重构信号，这种快速算法具有明确而直观的物理意义，实现简单方便文中还给出了对重构信号的误差修正方法数值实验的结果表明，这种快速重构算法对不同类型的信号同样有效.

基于高精度时频瞬时相位谱的多尺度曲率及其应用

基于地震信号瞬时相位估算的曲率属性具有较高的分辨率,被广泛应用于地震数据的不连续性检测。为进一步提高曲率属性的估算精度,提高地震数据对地质构造的刻画能力,基于时频分析方法具有多尺度分辨能力的特点,提出了基于改进的短时傅里叶变换获得高精度时频瞬时相位谱的多尺度曲率属性估算方法。改进的短时傅里叶变换对待分析实信号的解析信号加上对称时窗函数并进行傅里叶变换,从而获得高精度时频瞬时振幅谱、高精度时频初始相位谱和高精度时频瞬时相位谱。为减少随机噪声对高精度时频瞬时相位谱的影响,利用高精度时频瞬时振幅谱的峰值振幅及其对应的高精度时频瞬时相位谱重构输入信号,并对重构信号进行改进的短时傅里叶变换,获得稳定的高精度时频瞬时相位谱,在此基础上进行高精度多尺度曲率估算。利用合成数据及实际三维地震数据的应用结果验证了方法的有效性。

基于希尔伯特变换的数字全息位相重构技术

为了提高数字全息重构的精度,采用希尔伯特变换的方法对数字全息位相重构进行了理论分析和实验验证。首先利用傅里叶变换滤除全息图中的0级项,然后运用希尔伯特变换对已经滤除0级项的全息图实现90°相移,并构造出解析信号,从而可以求出物体的包裹位相,最后利用最小二乘法进行位相解包裹得到物体的真实位相;并将希尔伯特变换法与常规傅里叶变换法重构的实验结果进行了对比和分析,获得了标准偏差的对比数据。结果表明,该方法比常规傅里叶变换法重构精度要高。这一结果对提高位相重构的精度是有帮助的。

一种快速重构信号的方法

从多尺度的思想出发 ,提出一种由小波变换的模极大值及造成小波变换模极大值点的信号突变点的正规性快速重构信号的方法 .在各尺度下 ,依小波变换模极大值及造成小波变换模极大值点的信号突变点的正规性来选取基函数拟合信号在该尺度下的小波变换 ,再作小波反演得重构信号 .实验结果表明 。

基于多尺度压缩感知的信号重构

压缩感知是近几年新兴的采样理论,它指出如果信号在某些基上是可压缩的,那么通过很少的观测即可获得信号的准确重构。当信号采用小波基并在压缩感知的基础上,提出了多尺度压缩感知,数值仿真结果表明多尺度压缩感知可以给出更好的重构效果。

由小波变换模极大值重构信号的改进解析迭代算法

在分析了经典的重构算法的不足之后 ,以小波变换的多孔算法电路为依据 ,提出了一种改进的解析迭代新算法 ,由信号的各个分解尺度上的小波变换的模极大序列和最大分解尺度上的离散逼近信号 ,通过迭代直接重构信号。该算法不需要进行小波反变换 ,也不需要对最大分解尺度上的离散逼近信号进行重采样 ,而且投影算子是解析形式的 ,克服了非解析形式投影算子计算量大、程序复杂等缺点。数值仿真试验证明了该算法信号重构的精度较高 ,收敛速度较快。

实用信号多尺度边缘重建算法

信号的多尺度边缘重建在信号分析、图象处理等方面具有很大的理论和实用价值．本文对Ｍａｌｌａｔ所提出的信号多尺度边缘重建算法进行了实用化改进，克服了原方法选代时在信号的多尺度表达的模极大值点外出现模极大值点和收敛速度较慢等问题，重建实例证明改进算法可加快重建时的选代收敛速度、提高重建信号的质量．

基于VMD-MDE的柱塞泵磨损故障诊断研究

通过变分模态分解特征能量重构法(VMD)来实现对故障进行分析时,存在准确性不高的问题,针对这一问题,提出了一种通过变分模态分解特征能量重构法(VMD)和多尺度散布熵实现的柱塞泵滑靴磨损故障诊断方法。首先,对原始信号先进行了VMD分解,获得了能量余量;然后,设计了一种建立在特征能量占比(FER)基础上的变分模态分解特征能量重构法(VMD)和多尺度散布熵(MDE)的方法;最后,以柱塞泵故障诊断为研究对象,通过仿真分析方法,依次对柱塞泵在正常状态与滑靴端面磨损为0.1 mm、0.2 mm、0.3 mm状态下的情况进行了分析。仿真及研究结果表明:在逐渐增加时间尺度的过程中,粗粒化序列的随机性和复杂性都明显下降;故障程度增大后,形成了更加规律的变化过程;与DE、MSE和MFE相比,该方法的计算速度更快,分离效果更好;ELM相对SVM的训练时间缩短了12.5%,同时测试精度提升了17%;相对于其他方法,采用该方法诊断柱塞泵滑靴磨损故障时获得了更快的分类速率与更高的准确性,提高了故障诊断效率。

基于解析信号重构的同步挤压小波变换的时频谱影响因素分析

受测不准原理的制约,小波变换、S变换等时频分析算法无法同时获得高时间分辨率和高频率分辨率。为了满足更高的要求,出现了一种联合小波变换和时频谱重组的新方法—同步挤压小波变换。本文从同步挤压小波变换和基于解析信号重构的同步挤压小波变换的原理出发,通过模型分析算法中参数设置对时频分析结果的影响,包括小波母函数、小波母函数的参数选择和小波阈值等,分析瞬时频率变化率不为零的信号所存在的时频谱模糊现象,并通过控制小波母函数、小波母函数参数以及小波阈值有效地减轻瞬时频率变化率不为零的信号所存在的时频谱模糊现象,时频谱的质量得到一定程度的提高。研究结果对获取高分辨率地震时频谱具有一定的指导意义。

基于希尔伯特-黄变换的单次离轴全息零频分量抑制

零频分量在离轴全息图中分布广且不携带物体的相位信息,该分量的存在会显著降低全息图的信噪比从而影响重建精度。现有的零频分量抑制方法需要记录多张全息图或手动调节全息图的小波分解层数才能达到最佳效果,虽然拉普拉斯算子也可用于抑制零频分量,但难以提取+1级像。为了克服这些问题,提出了一种基于希尔伯特-黄变换的零频抑制方法,只需记录一张全息图且避免了手动调整分解层数。为了验证所提出方法的有效性,将所提出方法处理后的全息图频谱与未零频抑制的全息图频谱、采用Haar小波变换和采用Laplace算子处理后的全息图频谱进行了对比,还比较了三个随机选取的对比区域的标准偏差和截面图。实验结果表明所提出的方法不仅可以有效地抑制零频分量并且性能优于其他两种方法。