基于地震信号的匹配追踪算法

对基于地震信号的MP（匹配追踪）算法进行研究。重点探讨了MP算法中原子库的构造,在对地震信号进行稀疏分解时,Gabor原子其原子特性不能很好的匹配地震信号的特性,Ricker子波是地震信号中常应用到的一类子波,但由于其只有频率和位移两个参数,且其相位为零,因此RAcker子波所构建的原子库不够完备。本文采用了非零相位的雷克子波来构建原子库,并取得了很好的效果。     

基于Morlet小波尺度参数寻优的匹配追踪时频分析

与短时傅里叶变换、连续小波变换、广义S变换等时频分析方法相比,匹配追踪方法具有更高的时频分辨率,但传统的贪婪迭代算法计算效率较低。以Morlet小波作为时频原子进行匹配追踪,通过分析尺度因子不同时Morlet小波时频原子在时间域的形态,比较信号向频率、相位和延时相同,仅尺度因子不同的不同时频原子投影的投影值,认为尺度因子对时频原子的形态具有较强的控制作用,因而对时频原子和信号局部特征的匹配性能具有较强的控制作用。基于以上分析,在利用复地震道计算信号的瞬时信息作为时频原子频率、相位和时延等参数的基础上,对Morlet小波时频原子的尺度参数首先进行一维寻优,在得到最佳尺度因子基础上对时频原子参数进行微调,提高了计算效率。针对模型测试了算法的有效性及在去除噪声和薄层厚度求取等方面的应用前景。     

基于位置参数二分法控制的信号稀疏分解

研究基于匹配追踪方法实现的信号稀疏分解算法。通过对信号稀疏分解中使用的过完备原子库的结构特性分析,找到中心位置,构造时频原子库,利用二分法控制中心位置参数,将信号快速稀疏分解,应用于基于中心位置参数的改进贪婪匹配追踪算法。该算法与匹配追踪相比,计算速度大约提高了36倍,降低了计算复杂度,提高了稀疏分解的精度。通过对仿真数据的处理验证了所提方法的可行性和有效性。     

基于匹配追踪的叠前道集吸收补偿和频散校正

基于匹配追踪算法,对地震道集吸收和频散进行补偿。首先,运用匹配追踪算法对叠前道集作匹配分解,以零偏移距匹配子波建立随子波中心时间和中心频率乘积值变化的振幅衰减曲线,进而得到不同匹配子波衰减振幅的增益系数;然后,基于射线路径获取零偏移距吸收衰减与非零偏移距吸收衰减间的关系,运用零偏移距振幅增益系数与道集角度计算各个角度地震道的匹配子波振幅增益系数;最后,用振幅增益系数对不同匹配子波衰减振幅分别进行吸收补偿,并重构地震信号;对于频散影响,通过匹配子波求取品质因子进行频散校正。数据资料测试发现,深部吸收衰减能量得到有效补偿,同时消除了吸收对振幅随偏移距变化特征的影响。     

基于改进遗传算法和Sin-Chirplet原子的调频雷达信号稀疏分解

为构建合适的时频原子库和信号分解算法,提出一种基于改进遗传算法和Sin-Chirplet原子的调频雷达信号稀疏分解算法.这种新的Sin-Chirplet原子在Chirplet原子的基础上增加正弦调频因子,改善原子时频曲线的弯曲性能,使原子对非线性调频信号具有较强的匹配性能.然后基于原子的匹配特性,改进遗传算法中初始原子种群产生机制,提高了最佳原子搜索速度.理论分析和仿真结果表明,基于改进遗传算法的信号稀疏分解效率高于传统遗传算法和匹配追踪算法.相比现有的3种典型时频原子,Sin-Chirplet原子的匹配性能良好,可以更有效地分解调频雷达信号及其混合信号.     

基于C-WNNM的地震随机噪声压制方法

针对低信噪比情况下地震信号同相轴不易识别的问题,提出用C-WNNM方法来压制地震勘探资料中的随机噪声.给出了基于WNNM的低秩逼近理论,利用地震信号在时间和空间上具有一定的相似性这一特点来构建近似低秩矩阵,并且由CEEMD分解得到的IMF1分量来近似估计局部噪声方差,从而获得更加精确的权值.经过迭代逼近得到最终去噪后的信号.对由雷克子波生成的模拟地震勘探资料进行C-WNNM滤波处理.结果表明,在地震数据存在强噪声的情况下,该方法能够有效压制随机噪声并且能够更好地保留有效信号,信噪比相比于原始WNNM算法提高了3 d B左右.     

MP算法在地震波阻抗反演中的应用

当孔隙中充填油气后,波阻抗相对较低,准确反演地下地质体波阻抗信息可在一定程度上为油气检测提供依据。利用基于雷克子波原子库的匹配追踪(MP)算法对地震信号进行稀疏分解,进而可实现对地下地质体的高精度波阻抗反演。模型试算表明,MP算法可以用于地震信号的稀疏分解,且两层间厚度λ/4调谐时,仍可大体反映层位及系数的相对大小关系。通过对实际地震资料的计算表明,该算法也适用于实际资料,且与实钻情况吻合。     

一种混合优化的匹配追踪生态声音识别方法

针对生态自然环境中噪声对声音识别产生干扰的问题,提出利用混合优化的匹配追踪(MP)进行生态声音识别的方法.首先,使用萤火虫算法(GSO)和粒子群算法(PSO)对匹配追踪算法进行混合优化,加快匹配追踪有限次稀疏分解的速度并重构声音信号,保留高相关成分,滤除低相关噪声;其次,根据所选最优原子的时频信息结合MFCCs提取复合抗噪特征;最后,结合支持向量机(SVM)对40种生态声音在不同背景噪声与信噪比的情境下进行分类与识别.实验表明,优化后的匹配追踪算法去噪性能优于谱减法和小波去噪法.与常用的MFCCs方法相比,本方法对生态声音在不同信噪比下的识别性能有不同程度的改善,并且具有较好抗噪性.     

声表面波标签信号的数据融合检测方法

采用基于匹配追踪(MP)-小波包(WP)原子分解的数据融合算法估计声表面波标签的特征参数.该方法采用MP-WP原子分解方法从包含噪声的接收信号中估计出声表面波标签的脉冲响应,利用估计值和原始值得到估计方差,并依此计算多次接收信号的权重分布.在此基础上,采用基于均方误差的权重数据融合算法融合接收到的标签信号.构建了相位检测系统并对融合方法进行了实验验证.结果表明,在相同的累计次数下,融合方法比算术平均在脉冲峰值和位置上都更接近于真值.     

改进的子空间匹配追踪导波信号识别方法

针对子空间匹配追踪计算复杂的缺点,提出一种改进的子空间匹配追踪（MSMP）方法.采用线调频小波函数作为匹配原子,选用微分进化算法（DEA）实现改进的子空间匹配追踪方法.利用29kHz t（0,1）导波对含缺陷的铝管进行检测实验,采用MSMP对检测信号进行匹配分解与重构.将匹配结果与基于微分进化算法的匹配追踪（MP）及基于t算子的进化规划算法（tEP）的正交匹配追踪（OMP）所得结果进行比较,并比较了基于DEA的MSMP和MP,基于tEP的OMP匹配所得参数.结果发现：重构所得信号质量明显提高,基于DEA的MSMP和MP方法匹配所得参数均能比较准确地反映缺陷位置以及激励信号的中心频率,基于DEA的MSMP匹配所得的参数更加准确且耗时更短,改进的方法可有效识别管道导波无损检测信号并定位缺陷.