排序方式: 共有6条查询结果,搜索用时 31 毫秒
1
1.
2.
地震勘探目标区域环境的复杂多变性导致采集的地震数据存在不完整或者不规则等问题,针对这一问题,本文在压缩感知相关理论的支撑下,提出了基于超完备字典学习的缺失地震数据重构方法.首先利用K-SVD字典学习技术对地震样本数据进行训练,建立超完备字典对地震数据进行稀疏表示,然后引入高斯随机采样矩阵作为测量矩阵对地震数据进行采样;在数据重构阶段采用分段正交匹配追踪算法实现缺失地震数据的重构.通过与传统的地震数据重构方法对比,本文算法的重构效果在峰值信噪比、信噪比等指标上均优于对比算法,证明了超完备字典学习方法能更好的根据地震数据特征进行稀疏表示,从而获得较好的重构效果. 相似文献
3.
4.
针对微震监测系统中煤岩破裂微震信号与爆破震动信号难以辨识的问题,提出了基于变分模态分解的微震信号特征提取及分类辨识方法。首先,采用VMD将原始信号分解为一系列按频率从高到低的变分模态分量,其次,提取各模态分量占原信号的能量百分比值构成特征向量,计算能量分布重心系数;最后,利用决策树桩法实现对煤岩破裂微震信号与爆破震动信号的分类辨识。实验结果表明:VMD可实现信号各分量的有效分离,其中,煤岩破裂微震信号的能量主要集中于u_4~u_6分量中,爆破震动信号的能量主要集中于u_1~u_3分量中,对比由能量分布特征向量降维后的能量分布重心系数,可实现对两类微震波形的分类辨识。通过与EMD、小波包分解方法的对比分析,验证了该方法的优越性。 相似文献
5.
6.
针对微震信号具有高噪声、突变快、随机性强等特点,基于经验模态分解(EMD)及独立成分分析(ICA)提出一种微震信号降噪方法.首先,对含噪信号进行EMD分解,获得一系列按频率从高到低的内蕴模态函数(IMF),利用原信号与各IMF之间的互相关系数辨识出噪声与信号的分界,将分界之上的高频噪声滤除;其次,为有效去除分界IMF中的模态混叠噪声,基于ICA算法对分界IMF进行盲源分离,提取其中的微震有效信号,并将其与剩余的IMF累加重构,从而得到降噪后的微震信号;最后,利用快速傅里叶变换(FFT)时频谱对比分析降噪前后的信号特征,定性说明本文方法的有效性;引入信噪比和降噪后信号占原信号的能量百分比两个参数,定量说明本文方法能充分保留微震信号的瞬态非平稳特征,降噪效果明显. 相似文献
1