Enhancing the resolution of seismic data based on the generalized S-transform

In this paper, we analyze the seismic signal in the time-frequency domain using the generalized S-transform combined with spectrum modeling. Without assuming that the reflection coefficients are random white noise as in the conventional resolution-enhanced techniques, the wavelet which changes with time and frequency was simulated and eliminated. After using the inverse S-transform for the processed instantaneous spectrum, the signal in the time domain was obtained again with a more balanced spectrum and broader frequency band. The quality of seismic data was improved without additional noise.

A Protection Method of VSC-HVDC Cables Based on Generalized S-Transform

Generalized S-transform is a time-frequency analysis method which has higher resolution than S-transform. It can precisely extract the time-amplitude characteristics of different frequency components in the signal. In this paper, a novel protection method for VSC-HVDC (Voltage source converter based high voltage DC) based on Generalized S-transform is proposed. Firstly, extracting frequency component of fault current by Generalized S-transform and using mutation point of high frequency to determine the fault time. Secondly, using the zero-frequency component of fault current to eliminate disturbances. Finally, the polarity of sudden change currents in the two terminals is employed to discriminate the internal and external faults. Simulations in PSCAD/EMTDC and MATLAB show that the proposed method can distinguish faults accurately and effectively.

Detection and correction of level echo based on generalized S-transform and singular value decomposition

The echo of the material level is non-stationary and contains many singularities.The echo contains false echoes and noise,which affects the detection of the material level signals,resulting in low accuracy of material level measurement.A new method for detecting and correcting the material level signal is proposed,which is based on the generalized S-transform and singular value decomposition(GST-SVD).In this project,the change of material level is regarded as the low speed moving target.First,the generalized S-transform is performed on the echo signals.During the transformation process,the variation trend of window of the generalized S-transform is adjusted according to the frequency distribution characteristics of the material level echo signal,achieving the purpose of detecting the signal.Secondly,the SVD is used to reconstruct the time-frequency coefficient matrix.At last,the reconstructed time-frequency matrix performs an inverse transform.The experimental results show that the method can accurately detect the material level echo signal,and it can reserve the detailed characteristics of the signal while suppressing the noise,and reduce the false echo interference.Compared with other methods,the material level measurement error does not exceed 4.01%,and the material level measurement accuracy can reach 0.40%F.S.

Iris Localization Algorithm Based on Improved Generalized Symmetry Transform

Accuracy and fastness of iris localization are very important in automatic iris recognition. A new fast iris localization algorithm based on improved generalized symmetry transform (GST) was proposed by utilizing (iris) symmetry. GST was improved in three aspects:1) A new distance weight function is defined. The new weight function, which is effective in iris localization, utilized the characteristic of irises that the iris is a circular object and it has one inner boundary and one outer boundary. 2) Each calculation of the symmetry measurement of a pair of symmetry points was performed by taking one point of a pair as the starting point of the transformation. This is the most important reason for fast iris localization,due to which, repetitious computation was largely excluded. 3) A new phase weight function was proposed to adjust GST to locate circle target much better because the inner part of iris is darker than the outer part. The edge map of iris image was acquired and GST was only implemented on the edge point, which decreased computation without loss of accuracy. The modification of distance weight function and phase weight function leads to the accuracy of localization, and other ideas speed up the localization. Experiments show that the average speed of new algorithm is about 7.0—8.5 times as high as traditional ones including integro-differential operator and Hough transform method.

基于GST-Hough变换的LFM信号识别方法

针对线性调频(linear frequency modulated,LFM)信号在低信噪比条件下的信号检测问题,提出将广义S变换(generalized S transform,GST)与Hough变换相结合(generalized S transform based on Hough transform,GSTH)信号检测方法。从理论层面推导出LFM信号在进行GST后对应的参数特性,论证Hough变换的可行性,推导出GSTH变换后LFM信号与噪声的概率密度分布函数,给出了基于奈曼-皮尔逊准则进行峰值检测时,检测门限的计算方法与确定流程。利用GST时频聚焦性提供良好的直线线性,有易于Hough变换的直线检测,提升变换后主峰峰值并降低副峰高度。通过与WHT(Wigner-Hough transform)、分数阶傅里叶变换与周期WHT算法的仿真对比,定量评估算法的适用性,并与经典算法对比,定性的描述出算法良好的时频聚焦性,凸显GSTH算法在强噪声背景下具有更好的检测精度与适用范围。

基于GST的煤矿电能质量扰动特性分析

针对我国现代化矿井的发展现状,阐述煤矿主要存在的4种暂态扰动信号的产生原因及特征,结合广义S变换(GST,generalized S-transformation)在分析电压幅值、持续时间及频率等方面的优越性,从不同角度提取模时频矩阵(MTFM,module time-frequency matrix)中频域和时域的有用特征,对4种暂态扰动信号:电压暂降、电压暂升、电压波动和电力谐波进行仿真分析。Matlab结果表明,基于GST的MTFM特征量提取方法能有效地检测到扰动的幅值突变、持续时间及频率变化,高频检测能力好。这些不同的特征可为进一步煤矿电能质量的扰动识别以及综合治理打下基础。

论广义综合温度(GST)

多种气候要素如天然降水、风能、太阳辐射等，在城市或建筑的表面上产生自然调和效应，从而对表面有蒸发冷却贡献。对此给出广义综合温度的定义，建立热物理模型并进行模拟，研究广义综合温度受气候条件和表面性质影响的变化规律。

GST时频滤波SAR射频干扰抑制算法

空间中存在的射频干扰(Radio Frequency Interference,RFI)会污染合成孔径雷达(Synthetic Aperture Radar,SAR)的回波数据,进而影响成像质量以及基于图像的应用。本文针对RFI的特点,提出了一种基于广义S变换(Generalized S Transform,GST)时频滤波的干扰抑制算法。该算法首先利用配对样本T检验对存在干扰的回波数据进行检测并标记,然后对被标记的回波数据的实部与虚部分别进行处理:将数据变换到广义S变换域,逐条对时间窗内的数据进行子空间滤波完成干扰抑制,接着把干扰抑制后的数据反变换到时域并与未标记信号组成新的纯净回波数据集,最后利用成像算法进行成像处理得到清晰的SAR图像。所提出算法可以在有效抑制SAR数据中射频干扰的同时,减少处理过程中有用信号的损失,实验结果验证了算法的有效性。

基于广义S变换和二维卷积神经网络的油纸绝缘局部放电超声信号识别

超声法是局部放电测量的重要方法。为更有效提取局部放电超声信号中的关键信息,提出一种基于广义S变换和二维卷积神经网络的油纸绝缘局部放电超声信号识别方法。首先,在实验室采集3种典型缺陷的局部放电超声信号,对预处理后的数据进行广义S变换,获得不同放电样本的时频分布图像;然后,构建二维卷积神经网络,将时频图像作为输入,提取超声信号的时频特征;最后,输出对局部放电类型的识别结果。结果表明:该方法对不同局部放电类型的超声信号进行识别,准确率可以达到97.8%,能够更有效地提取超声信号的内在信息并进行局部放电识别。

基于改进S变换的电能质量扰动分类

电能质量扰动信号的分类识别对建立电能质量综合评估体系、选择合理的电能质量治理方案,确保电力系统安全稳定运行和用户的合法用电权益具有重要意义。提出了一种基于改进S变换时频模矩阵的电能质量短时扰动分类新方法。该方法首先根据信号的稳态主导频率确定S变换高斯窗的衰减速度,计算所得时频模矩阵作为各电能质量扰动信号的标准模板;通过比较测试信号改进S变换模矩阵的特定频段与各标准模板之间的相似度,实现扰动分类。在相似度的比较过程中,为了凸显异类模板之间的差别,尤其是电压暂降和暂升、电压缺口和尖峰,提出了能量归一化概念以及分频逐行计算相似度的思想,实现异类模板差异最大化。该方法能够充分挖掘各类扰动信号之间的特征差异,通过简单的相似度比较对扰动进行分类,无需添加辅助分类器。仿真和实测数据的分析表明,该方法分类过程简单,可信度高,抗干扰能力强。

基于改进S变换的电压暂降识别

电压暂降分类识别是合理选择电能质量治理方案的前提。提出一种基于改进S变换的电压暂降识别方法。首先根据电压暂降特征频率范围自适应确定改进S变换的调节因子,计算所得模时频矩阵作为电压暂降标准模板;再比较待测试暂降的改进S变换模矩阵特定频段与各标准模板之间的相似度,实现扰动分类。在比较相似度值的过程中,为凸显不同暂降类型的相似性及差异性,采用分频逐行计算相似度值,从而实现异类模板差异最大化。该方法充分挖掘各类暂降的特征差异,通过简单的相似度计算对扰动进行分类,无需添加辅助分类器。仿真和大量实测数据研究表明,该方法分类过程简单,抗干扰能力强。

广义S变换地震高分辨率处理方法研究

广义S变换能根据实际地震信号的频率分布特点和时频分析的侧重点灵活地调节窗函数随频率的变化趋势,加快或减慢窗时宽随频率的变化速度,使窗函数的振幅呈现多种非线性变化特征,更好地适应具体信号的分析和处理。在广义S变换实现时引入窗函数库、弦函数库、快速傅里叶反变换,使运算简洁、易行、高效,通过选取合适的参数组合,对得到的时频谱进行能量重新分配、重构,得到高分辨率地震信号。理论模型和实际资料处理结果表明,该方法能够有效增强地震信号时域和频域的分辨率,使地震剖面的构造特征和岩性特征更为清晰。

基于广义S变换模极大值的薄储层刻画新方法

基于频谱分解原理和广义S变换的性质,研究薄层响应相位谱和广义S变换窗函数相位谱对薄层响应广义S变换时频谱的影响机理,并提出针对薄层刻画的广义S变换分频解释方法。实例分析表明,采用新方法,井上薄层解释与地震时频谱中的薄层解释对应性明显变好,实现了对薄储层结构的刻画,提高了将广义S变换时频分析技术应用于薄储层研究的可行性与可信度。

基于EEMD与广义S变换的内燃机噪声源识别研究

介绍了一种新颖的自适应信号处理方法——集总平均经验模态分解(EEMD)的基本原理,通过仿真试验,验证了EEMD在一定程度上克服了传统经验模态分解(EMD)在模态混叠问题上的缺陷,能够对复杂的非稳态信号进行较为准确的自适应模态分解。以某4缸四冲程柴油机为研究对象,对其气缸顶部的噪声信号进行EEMD分解,并采用广义S变换(GST)对其中各个本征模态函数(IMF)分量进行时频分析。研究结果表明:分解得到的各个IMF分量均具有独立和真实的物理意义,能够准确地反映内燃机各个噪声源的分布及其大小。

基于广义S变换和JADE算法的储层识别

广义S变换具有良好的时频聚集性,能够获得反映储层性质的时频谱,但由此生成许多单频数据体,造成地震数据的分析和解释工作变得繁琐。为此,将广义S变换和特征矩阵联合近似对角化(JADE)算法相结合,进行储层识别。在时间域内对地震信号做广义S变换,然后在时频域内提取一些相互独立的有效频率分量,最后根据已知井的储层发育情况,选取对储层识别有效的频段分量进行储层预测。仿真和实际地震数据应用结果表明了该方法的有效性。

末制导中估计器与制导律设计方法新进展

对末制导中估计器与制导律设计方法的最新进展进行了较为全面的综述.首先根据确定性等价定理(Certainty equivalence principle,CEP)是否成立,给出了现有设计方法的三种分类;随后对三类方法中典型算法的基本思想、优缺点以及相互关系做了详细介绍;最后提出了进一步优化现有估计器与制导律设计的新思路,并展望了改善大机动目标拦截末制导性能方法的发展方向.

多判据融合的配电网谐振接地系统单相接地故障选线方法

利用配电网谐振接地系统单相接地故障的零序电流经广义S变换得到时频矩阵,提取奇异值和、能量矩以及相角综合相似性系数这3种互补且能更准确表征故障特征的特征量,利用K中心点聚类方式进行多判据融合选线。仿真结果表明,该故障选线方法能够适用于不同工况,选线准确率和可靠性较高。

利用肤色分割和对称变换实现鲁棒人脸特征定位

提出一种将肤色分割与灰度图像对称变换相结合的有效的人脸特征定位方法。为降低背景和人脸姿态的影响,在传统人脸肤色分割基础上,利用Blob分析及椭圆拟和方法判断并剔除无效区域,并将待选人脸区域初步校正为竖直;直接利用色度信息在待选人脸区域中分割并检测嘴唇;接着,采用灰度图像的对称变换检测双眼的待选位置;以嘴唇和待选双眼的位置为依据,提出了基于人脸几何模型知识的双眼匹配代价函数并利用组合优化方法检测真实双眼;最后,对人脸上其它器官的进行精确定位。实验结果表明,该方法对于头发遮挡、大倾斜角以及眼镜干扰具有较强的鲁棒性。

广义S变换及其在鄂尔多斯盆地上古生界河道砂体预测中的应用

鄂尔多斯盆地是一个稳定沉降、坳陷迁移、扭动明显的多旋回沉积型克拉通类含油气盆地。盆地腹部构造稳定．地层平缓，储层分布不稳定、横向变化大、单层厚度薄，地震储层预测难度很大。通过分析典型薄互层模型的地震响应，利用广义变换。构造出在低频趋势控制下利用多尺度分量之间的差异确定反射界面位置的高分辨率地震层序检测方法。通过该盆地近2000km地震资料的分析，建立了层序检测剖面的解释模式，上古生界河道砂体的预测结果证明广义S变换获得的高分辨率地震层序剖面是陆相地层岩性油气藏勘探中划分沉积微相、确定砂体走向、查明薄层含油气砂体分布范围的有利依据，广义S变换方法是适用于地层岩性油气藏勘探的有效技术。

煤系地层地震强反射剥离方法研究及低频伴影分析

煤系地层具有低速、低密度的特点,导致地震剖面上出现强反射同相轴,淹没煤层上、下含油气目的层反射信息,低频伴影现象也被掩盖,无法利用此现象直接进行油气检测。文中提出层位及子波约束匹配追踪的煤层强反射剥离方法,可以高效地剥离三维数据体中的煤层强反射,并利用广义S变换时窗可变的特性,在两个调整参数控制下根据频率分布特点灵活调整窗函数,对地震道进行时频分析,比较煤层强反射剥离前、后的时频特性。模型测试和实际资料处理表明,用文中方法剥离强反射后,在储层下方发现明显的伴影异常,应用效果良好。