同步挤压小波提取地震属性参数的研究

来源 :西安理工大学 | 被引量 : 0次 | 上传用户:wtrgo
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
地震属性不仅可以直接用来研究地球介质的岩性、构造等,也可以反映介质的品质因数等参数。但是在实际应用中,属性参数的测量精度以及抗干扰能力往往存在一定的局限性,针对这一问题,本文研究了同步挤压小波变换提取地震属性参数的方法。本文研究分为两部分:一是同步挤压小波变换对噪声的抑制,二是同步挤压小波变换对地震属性参数的提取。具体研究工作如下:(1)对窄带信号以及宽带信号分别运用小波变换、同步挤压小波变换进行了测试,研究了变换域的噪声分布规律;(2)对小波域的噪声抑制进行了探讨,研究了中值滤波、均值滤波和信息熵滤波在小波域中的去噪方法,并将三者滤波效果做了对比研究;(3)分别使用希尔伯特变换、同步挤压小波变换对地震信号进行了三瞬参数的提取研究,并通过对仿真信号和实际地震资料的处理验证了方法的有效性。实验结果表明,同步挤压小波变换是一种新的小波变换方法,可将时域信号转化成高分辨率的时频谱,再结合时频谱重排的思想,通过挤压任一中心频率附近区间值,从而得到同步挤压小波变换量值。其可将随机噪声压缩为点状噪声或者颗粒噪声,并聚集分布,基于噪声这一分布特点,从而选用合适的滤波方法,可达到很好的抑制噪声的目的;在此基础上,对地震信号进行瞬时属性的提取,相比于传统的希尔伯特变换,同步挤压小波可达到更高的精度以及更强的抗干扰能力。
其他文献
说话人识别技术是生物认证的一种,它是根据说话人语音波形中能反映说话人生理和行为个性特征的语音参数来自动鉴别说话人身份的过程,该技术以其显著的使用方便、经济和有效等优
无线传感与激励网络(Wireless Sensor and Actuator Network, WSAN)是一种在WSN(Wireless Sensor Network)中引入激励器节点(actuators)而形成的功能更加完善的网络。这种网
通信技术的不断发展为各种基于通信技术的应用提供了技术基础,人们提出了“三网融合”的概念,三网融合是指互联网、有线电视网和电信网三者的融合,能为用户同时提供数据、广播电
摄像模组在数码产品中有着非常广泛的应用,早已成为人们生活中不可或缺的重要组成部分,对其质量的要求也越来越高,而在摄像模组的各类视觉缺陷中,脏污是比较常见,也是最难检
近年来,低密度奇偶校验码(LDPC)由于具有接近香农极限的纠错性能,在信道编码领域已经引起广泛的关注。LDPC码的研究方向就是尽可能的降低编码和译码的复杂度,找到一种适合硬件实
目前,紫外光通信系统大多采用强度调制/直接检测系统,主要调制方式为开关键控、脉冲位置调制、差分脉冲位置调制、数字脉冲间隔调制等等。其中,OOK在传输过程中容易受到大气
无线传感器网络(Wireless Sensor Network),简称WSN网络,是由部署在不可控制区域中的大量成本低廉、资源受限的传感器节点组成,通过无线通信方式实现数据采集和传输的一种多
网络编码(NC, Network coding)通过允许网络的中间节点编码来提升网络吞吐量,其最初应用在有线网络。近几年,随着无线网络的日渐发展,将网络编码的思想应用在无线环境中也逐
作为物联网技术的核心之一,无线传感器网络(WSN)受到人们越来越多的重视,如何克服硬件资源的限制实现大规模的数据采集和传输,成为WSN广泛应用和物联网技术快速发展的瓶颈。
随着移动互联网和数字媒体技术的快速发展,图像、音视频等多媒体内容给人们工作和学习带来了极大的便捷,但信息安全问题也随之而来。数字水印技术作为多媒体内容认证、篡改检