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。

应用测井资料小波变换与伪成像技术精细划分深部隔夹层

隔夹层影响流体渗流,控制油水及剩余油分布,深层取心成本高,常规测井曲线分辨率低且薄互层信号模糊,深部隔夹层识别难度大。通过对关键井岩心研究,得出了隔夹层敏感测井曲线及其响应特征,采用小波分解和重构,对常规敏感测井曲线进行了高分辨率处理,降低了邻层平滑效应,突出了薄层界面测井响应特征,薄层识别分辨率提高了近1倍。综合利用隔夹层地层倾角矢量模式和伪成像特征,确立了深部隔夹层判识划分方法,应用实例表明,该方法可精细识别隔夹层,相比常规方法,隔夹层辨识能力显著提升,井间小层对比精度提高38%,解释了油水界面倾斜问题,得出了剩余油分布规律。

基于小波变换和CNN-Transformer模型的测井储层流体识别

针对具有复杂储集空间和极强的非均质性的低孔低渗储层,常规测井响应特征不够明显,使用传统解释手段难以有效识别储层流体的问题,提出了一种基于小波变换和CNN-Transformer混合模型的储层流体识别方法。首先,使用小波变换将测井信号从时域扩展到时频域,并生成时频谱图以增强信号特征,然后使用滑动时窗沿着测井曲线深度方向滑动采样,获取代表解释深度处地层信息的频谱特征图,最后,通过训练CNN-transformer模型深度挖掘特征图信息,实现储层流体识别。混合模型在利用储层对应深度处测井数据的同时,又兼顾测井曲线随深度的变化趋势和地层前后信息的关联性,挖掘时频谱图的局部细节和全局特征表示,自动识别流体类型。将模型应用于大港油田22口实测测井资料中,并与CNN和BiLSTM等多个模型的流体识别效果进行对比分析,基于小波变换和CNN-Transformer模型识别效果明显优于其他方法,在测试集上识别准确率达到了92.7%。研究结果表明该方法可以作为低孔渗油藏常规测井资料识别储层流体的有效手段,为流体评价提供了新思路。

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。

基于小波变换的语音信号去噪算法优化

深入研究基于小波变换的语音信号去噪方法,并针对传统方法在复杂噪声环境下处理效果不佳的问题,提出一种基于自适应阈值的小波变换去噪优化方法。首先,分析小波变换去噪的基本原理。其次,深入研究自适应阈值技术的数学模型,并将其应用于小波变换,通过动态调整阈值来适应不同噪声环境的需求。最后,采用Aurora数据集进行实验验证。实验结果表明,该方法能够有效去除噪声。

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。

基于小波变换的有源噪声控制算法研究

在传统的有源噪声控制系统中,原始噪声信号是获得参考噪声信号的必要条件,当原始噪声信号的信息不可获知时,有源噪声控制系统失效。为解决该问题,设计基于小波变换的有源噪声控制系统,利用小波阈值法对含噪语音信号进行处理,得到与原始噪声信号相关的参考噪声信号。在此基础上,对传统的有源噪声控制算法LMS进行改进,提出基于Sigmoid函数的γSLMS算法和C-γSLMS凸组合算法,解决LMS算法无法同时兼顾收敛速度和稳态误差的问题,为解决有源噪声控制问题提供新的解决方案。

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。

基于小波变换和GA-BP神经网络的电力电缆故障定位

由于电力电缆敷设于地下,当发生故障时难以快速且准确定位,出现了故障定位问题。因此,提出一种基于小波变换和遗传算法反向传播(Genetic algorithm back propagation,GA-BP)神经网络的电力电缆故障定位方法,在分析对比各小波能量集中程度和波动次数的基础上,选择多贝西小波(Daubechies wavelet 6,Db6)作为小波基函数,对于各故障位置,采集正向故障行波的α模分量,并对其进行小波分解。选取在d1尺度下的模极大值点作为特征值,同时将故障距离作为标签值,从而构建了训练和测试样本数据集;利用遗传算法(Genetic algorithm,GA)的种群进化和全局最优搜寻能力来改善误差逆传播(Back propagation,BP)网络对初始权重敏感的缺点,并使用优化后的权值、阈值重新对BP神经网络进行训练和预测,最后通过与传统双端行波定位算法、BP算法、粒子群优化BP算法(Particle swarm optimization BP,PSO-BP)相比较,证明了所提方法在测距性能方面的优越性。

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。

基于小波变换的光纤通信信号去噪方法

文章针对光纤通信中普遍存在的噪声问题,研究一种优化的小波变换去噪策略。首先,分析了光纤通信的基本过程和噪声来源。其次,介绍了小波变换的基本原理和信号去噪过程,包括小波分解、阈值处理以及信号重构等关键步骤。最后,引入一种基于统计的自适应阈值选择方法,以提高去噪的精准性和效率。通过在MATLAB平台上进行实验验证,结果表明该方法能显著提高信噪比(Signal-to-Noise Ratio,SNR)并降低均方误差(Mean Squared Error,MSE),具有一定的实用性和有效性。

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-模糊控制的复合电源能量管理

以锂电池-超级电容构成的复合电源电动汽车为研究对象,在满足动力性能的前提下,为实现超级电容在合理的荷电状态(SOC)下承担高频率信号,且锂电池承担低频率信号的目标,建立了实时小波变换-模糊控制的能量管理控制策略。基于Matlab/Simulink和ADVISOR软件搭建整车模型,并在NEDC循环工况下进行仿真测试。仿真结果表明,与单一锂电池相比,在小波变换-模糊控制策略下,复合电源锂电池的驱动峰值电流降低了20.68%,寿命提高了16.74%。搭建了按一定比例缩小的复合电源系统试验平台,并在NEDC工况下进行试验验证。结果表明,小波变换-模糊控制策略对复合电源电动汽车的能量管理具有良好的控制效果。