CN107515424A - 一种基于vmd与小波包的微震信号降噪滤波方法 - Google Patents
一种基于vmd与小波包的微震信号降噪滤波方法 Download PDFInfo
- Publication number
- CN107515424A CN107515424A CN201710615316.5A CN201710615316A CN107515424A CN 107515424 A CN107515424 A CN 107515424A CN 201710615316 A CN201710615316 A CN 201710615316A CN 107515424 A CN107515424 A CN 107515424A
- Authority
- CN
- China
- Prior art keywords
- signal
- mode
- wavelet packet
- vmd
- microseismic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000009467 reduction Effects 0.000 title claims abstract description 22
- 238000001914 filtration Methods 0.000 title claims abstract description 20
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 34
- 238000001228 spectrum Methods 0.000 claims description 31
- 230000003595 spectral effect Effects 0.000 claims description 10
- 230000003190 augmentative effect Effects 0.000 claims description 8
- 238000010183 spectrum analysis Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013139 quantization Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 230000000717 retained effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 239000011435 rock Substances 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
- G01V1/364—Seismic filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/288—Event detection in seismic signals, e.g. microseismics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/12—Signal generation
- G01V2210/123—Passive source, e.g. microseismics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/30—Noise handling
- G01V2210/32—Noise reduction
- G01V2210/324—Filtering
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Acoustics & Sound (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于VMD与小波包的微震信号降噪滤波方法,属于信号处理技术领域。本发明采取VMD与小波包相结合的方式,借助VMD分解方法的自适应性以及该算法本身具有强大的数学理论基础、抑制高频噪声等的特点,以及小波包具有将频带进行多层次划分,对多分辨分析中没有细分的高频部分进一步分解,能够根据被分析信号的特征,自适应地选择频带的特性,进而提高了时频分辨率;此方法能够在保留微震信号随机性、非平稳、突发瞬态特征的基础上,对微震信号进行滤波,该算法简单易行、效果较为理想,能对矿山含噪微震信号进行有效降噪滤波,具有很好的技术价值和应用前景。
Description
技术领域
本发明属于信号处理技术领域,具体涉及一种基于VMD与小波包的微震信号降噪滤波方法。
背景技术
岩石发生破裂时诱发微震,形成微震数据,而煤矿井下噪声污染严重,因此微震数据中包含了大量外部噪声,需将微震有效信号从噪声中分离出来。
目前常用的岩石破裂微震信号的降噪滤波方法有经验模态分解(EMD)、集成经验模态分解(EEMD),小波分析等,这些方法运算速度慢、抗噪性能差、误判率高、拾取精度低、算法实时性不强。如EMD在分解过程中会产生模态混叠现象,即分解得到的一个或多个IMF中包含差异极大的特征时间尺度,信号和噪声混叠在一个或多个IMF中,很难达到有效地降噪滤波效果。
发明内容
针对现有技术中存在的上述技术问题,本发明提出了一种基于VMD与小波包的微震信号降噪滤波方法,设计合理,克服了现有技术的不足,具有良好的效果。
为了实现上述目的,本发明采用如下技术方案:
一种基于VMD与小波包的微震信号降噪滤波方法,包括以下步骤:
步骤1:读取含噪微震信号的监测数据时序序列X(t),其中,t=1,2,...,T;
步骤2:对含噪微震信号X进行VMD分解,得到一系列变分模态分量;
步骤3:对各变分模态分量进行频谱分析,根据模态主频范围以及频谱方差选取含有有用信号的模态;其中频谱方差求解的具体步骤如下:
步骤3.1:分别对各个模态进行频谱分析,计算各模态频谱方差Dk(k=1,2,3...6),具体包括如下步骤:
步骤3.1.1:计算各个频谱分量的均值:
其中,N为每个模态的长度,S(ω)(ω=0,1,2...N-1)为各频谱分量的值;
步骤3.1.2:计算频谱方差值:
步骤3.2:设定硬阈值λ来判定各个模态是否为有用信号;
λ=max(Dk)/ε (14);
其中,max(Dk)为模态中最大频谱方差,ε为设置的参数;若模态主频范围小于50HZ且Dk≥λ则判定为有用信号,否则为噪声信号;
步骤4:对选取的含有有用信号的模态分别进行小波包降噪,然后对降噪后的模态进行重构,得到VMD与小波包降噪后的微震信号。
优选地,在步骤2中,对含噪微震信号进行VMD分解,变分约束问题是寻求k个模态函数uk(t)(k=1,2,3...6),要求分解后的各个模态分量的估计带宽之和最小,且各模态之和等于含噪微震信号X,具体的构造为:
通过Hilbert变换,得到每个模态函数uk(t)的解析信号,目的是得到它的单边频谱:
其中,δ(t)为狄拉克(Dirac)函数,*表示卷积,j2=-1;
加入将各模态的频谱调制到相应的基频带:
其中,为预估中心频率;
求取解调信号梯度的二范数,估计各模态带宽,则变分约束问题为:
其中,X为含噪微震信号,{uk}={u1,u2…uk}为分解得到的k个变分模态分量,{ωk}={ω1,ω2,...ωk}为k个变分模态分量的中心频率,符号为所有变分模态分量之和;
对变分约束问题求解,引入增广拉格朗日将变分约束问题变为变分非约束问题,其表达式如式(4)所示:
其中,α为二次惩罚因子,λ(t)为拉格朗日乘法算子;
为寻求增广拉格朗日表达式的‘鞍点’来解决式(3)的最小值问题,采用交替方向乘子法优化算法,通过交替更新uk n+1、和λn+1来寻求增广拉格朗日表达式的‘鞍点’;其中:
其中,ωk等同于等同于∑i≠kui(t)n+1;
利用Parseval/Plancherel傅里叶等距变换,将式(5)转变到频域:
其中,为含噪微震信号X(t)的傅里叶变换,j2=-1;
将式(6)第一项的ω用ω-ωk代替并写成非负频率区间积分形式:
将式(7)中的第一项置零得到二次优化问题为:
同理,对于的最小值问题,将中心频率更新问题转换到频域,解得中心频率为:
式中,为当前余项的维纳滤波;为模态功率谱的重心;对进行傅里叶逆变换,那么实部{uk(t)}即为所求;
求解变分问题的具体步骤如下:
步骤2.1:定义变分模态分量个数K值与惩罚因子α的值;
步骤2.2:初始化n=0;
步骤2.3:令n=n+1,执行整个循环;
步骤2.4:执行内层第一个循环,根据式(8)更新uk;
步骤2.5:令k=k+1,重复步骤2.4,直到k=K,结束内层第一个循环;
步骤2.6:执行内层第二个循环,根据式(9)更新ωk;
步骤2.7:令k=k+1,重复步骤2.6,直到k=K,结束内层第二个循环;
步骤2.8:执行外层循环,根据式(10)更新λ;
其中,τ为拉格朗日乘法算子λ(t)的更新步长参数;
步骤2.9:重复步骤2.3至步骤2.8,直到满足迭代停止条件如式(11)所示,结束整个循环,输出结果,得到K个变分模态分量;
其中,ε为求解精度。
优选地,在步骤4中,具体包括如下步骤:
步骤4.1:选择一个合适的小波并确定所需要分解的层次,然后对信号进行小波包分解;
步骤4.2:对于一个给定的嫡标准,计算最佳树,确定最优小波包基;
步骤4.3:选择一个恰当的阈值并对每一个小波包分解系数进行阈值量化;
步骤4.4:根据最低层的小波包分解系数和经过量化处理的系数,进行信号的小波包重构。
本发明原理如下:
为实现微震信号的有效降噪滤波,本发明针对微震信号非平稳、突发瞬态、随机性的特点,读取含噪微震信号进行VMD分解,对分解后的模态分量uk分别进行频谱分析以及计算频谱方差,将主频范围在50HZ以下且符合频谱方差判定条件的模态视为有用信号进行小波包去噪,之后进行重构即可实现微震信号的降噪滤波。
本发明所带来的有益技术效果:
本方法采取VMD与小波包相结合的方式,借助VMD分解方法的自适应性以及该算法本身具有强大的数学理论基础、抑制高频噪声等的特点,以及小波包具有将频带进行多层次划分,对多分辨分析中没有细分的高频部分进一步分解,能够根据被分析信号的特征,自适应地选择频带的特性,进而提高了时频分辨率;此方法能够在保留微震信号随机性、非平稳、突发瞬态特征的基础上,对微震信号进行滤波,该算法简单易行、效果较为理想,能对矿山含噪微震信号进行有效降噪滤波,具有很好的技术价值和应用前景。
附图说明
图1为本发明一种基于VMD与小波包的微震信号降噪滤波方法的流程图。
图2为含噪微震信号时序序列X(t)的示意图。
图3为含噪微震信号时序序列X(t)经VMD分解后得到的变分模态分量示意图。
图4为各变分模态分量对应的频谱图。
图5为VMD与小波包降噪后的微震信号时序序列示意图。
图6为含噪微震信号与降噪后微震信号的对比图。
图7为原始微震信号频谱图与降噪后微震信号频谱图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明:
一种基于VMD与小波包的微震信号降噪滤波方法,其流程如图1所示,包括以下步骤:
步骤1:读取含噪微震信号的监测数据时序序列X(t),其中,t=1,2,...,T;如图2所示;
步骤2:对含噪微震信号进行VMD分解,得到一系列变分模态分量;如图3所示;
对含噪微震信号进行VMD分解,变分约束问题是寻求k个模态函数uk(t)(k=1,2,3...6),要求分解后的各个模态分量的估计带宽之和最小,且各模态之和等于含噪微震信号X,具体的构造为:
通过Hilbert变换,得到每个模态函数uk(t)的解析信号,目的是得到它的单边频谱:
其中,δ(t)为狄拉克(Dirac)函数,*表示卷积,j2=-1;
加入将各模态的频谱调制到相应的基频带:
其中,为预估中心频率;
求取解调信号梯度的二范数,估计各模态带宽,则变分约束问题为:
其中,X为含噪微震信号,{uk}={u1,u2…uk}为分解得到的k个变分模态分量,{ωk}={ω1,ω2,...ωk}为k个变分模态分量的中心频率,符号为所有变分模态分量之和;
对变分约束问题求解,引入增广拉格朗日将变分约束问题变为变分非约束问题,其表达式如式(4)所示:
其中,α为二次惩罚因子,λ(t)为拉格朗日乘法算子;
为寻求增广拉格朗日表达式的‘鞍点’来解决式(3)的最小值问题,采用交替方向乘子法优化算法,通过交替更新uk n+1、和λn+1来寻求增广拉格朗日表达式的‘鞍点’;其中:
其中,ωk等同于等同于∑i≠kui(t)n+1;
利用Parseval/Plancherel傅里叶等距变换,将式(5)转变到频域:
其中,为含噪微震信号X(t)的傅里叶变换,j2=-1;
将式(6)第一项的ω用ω-ωk代替并写成非负频率区间积分形式:
将式(7)中的第一项置零得到二次优化问题为:
同理,对于的最小值问题,将中心频率更新问题转换到频域,解得中心频率为:
式中,为当前余项的维纳滤波;为模态功率谱的重心;对进行傅里叶逆变换,那么实部{uk(t)}即为所求;
求解变分问题的具体步骤如下:
步骤2.1:定义变分模态分量个数K=6与惩罚因子α=5;
步骤2.2:初始化n=0;
步骤2.3:令n=n+1,执行整个循环;
步骤2.4:执行内层第一个循环,根据式(8)更新uk;
步骤2.5:令k=k+1,重复步骤2.4,直到k=K,结束内层第一个循环;
步骤2.6:执行内层第二个循环,根据式(9)更新ωk;
步骤2.7:令k=k+1,重复步骤2.6,直到k=K,结束内层第二个循环;
步骤2.8:执行外层循环,根据式(10)更新λ;
其中,τ为拉格朗日乘法算子λ(t)的更新步长参数;
步骤2.9:重复步骤2.3至步骤2.8,直到满足迭代停止条件如式(11)所示,结束整个循环,输出结果,得到K个变分模态分量;
其中,ε为求解精度。
步骤3:对各变分模态分量进行频谱分析,根据模态主频范围以及频谱方差选取含有有用信号的模态;当模态的主频范围在50HZ以下且频谱方差符合判定条件视为有用信号;其中频谱方差求解的具体步骤如下:
步骤3.1:分别对各个模态进行频谱分析,计算各模态频谱方差Dk(k=1,2,3...6),具体包括如下步骤:
步骤3.1.1:计算各个频谱分量的均值:
其中,N为每个模态的长度,S(ω)(ω=0,1,2...N-1)为各频谱分量的值;
步骤3.1.2:计算频谱方差值:
步骤3.2:设定硬阈值λ来判定各个模态是否为有用信号;
λ=max(Dk)/ε (14);
其中,max(Dk)为模态中最大频谱方差,ε=5;若模态主频范围小于50HZ且Dk≥λ则判定为有用信号,否则为噪声信号;
通过分析每个模态的频谱,由图4可以看出u1、u2、u3的主频范围小于50HZ,u4、u5、u6主频范围大于50HZ。各模态的频谱方差如表1所示:
表1
u1 | u2 | u3 | u4 | u5 | u6 |
0.892 | 0.615 | 0.596 | 0.0981 | 0.0793 | 0.0637 |
λ为0.1784,按照步骤3所述u1、u2、u3的主频范围以及频谱方差符合判定条件为有用信号,其余模态为噪声信号。
步骤4:对选取的含有有用信号的模态分别进行小波包降噪,然后对降噪后的模态进行重构,得到VMD与小波包降噪后的微震信号,如图5所示,具体包括如下步骤:
步骤4.1:信号的小波包分解,选择sym8小波并确定所需要分解的层数为5,然后对信号进行小波包分解;
步骤4.2:确定最优小波包基,对于一个给定的shannon嫡标准,计算最佳树;
步骤4.3:小波包分解系数的阈值量化,对于每一个小波包分解系数,选择一个恰当的阈值并对系数进行阈值量化;
步骤4.4:信号的小波包重构,根据最低层的小波包分解系数和经过量化处理的系数,进行信号的小波包重构;
一个给定的信号uk进行l(l=1,2,...,5)层小波包分解,在该层分解中可以得到p=2l个子频带,若原始信号的最低频率成分为0,最高频率成分为ωm,每个子带的频率宽度为ωm/2l。小波包分解系数重构,可以提取各频带范围内的信号,且总信号可以表示为:
式中:uk(t)表示分解的某个模态,ul,m表示第l层分解节点(l,m)上的重构信号, m=0,1,2,...,p-1。
由于矿震信号频谱特征很明显,其频率分布较为分散,主频主要集中在0-50HZ,然后根据各模态主频范围以及频谱方差判定各模态是否为有用信号,将有用信号进行小波包去噪,然后重构,即可实现含噪微震信号的降噪滤波。
本发明通过VMD进行分解,克服了模态混叠现象,进一步结合小波包进行去噪将噪声分离干净,可在保留原信号尖峰与突变特征的基础上,较好的实现降噪滤波。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (3)
1.一种基于VMD与小波包的微震信号降噪滤波方法,其特征在于:包括以下步骤:
步骤1:读取含噪微震信号的监测数据时序序列X(t),其中,t=1,2,...,T;
步骤2:对含噪微震信号X进行VMD分解,得到一系列变分模态分量;
步骤3:对各变分模态分量进行频谱分析,根据模态主频范围以及频谱方差选取含有有用信号的模态;其中频谱方差求解的具体步骤如下:
步骤3.1:分别对各个模态进行频谱分析,计算各模态频谱方差Dk(k=1,2,3...6),具体包括如下步骤:
步骤3.1.1:计算各个频谱分量的均值:
其中,N为每个模态的长度,S(ω)(ω=0,1,2...N-1)为各频谱分量的值;
步骤3.1.2:计算频谱方差值:
步骤3.2:设定硬阈值λ来判定各个模态是否为有用信号;
λ=max(Dk)/ε (14);
其中,max(Dk)为模态中最大频谱方差,ε为设置的参数;若模态主频范围小于50HZ且Dk≥λ则判定为有用信号,否则为噪声信号;
步骤4:对选取的含有有用信号的模态分别进行小波包降噪,然后对降噪后的模态进行重构,得到VMD与小波包降噪后的微震信号。
2.根据权利说明书1所述的基于VMD与小波包的微震信号降噪滤波方法,其特征在于:在步骤2中,对含噪微震信号进行VMD分解,变分约束问题是寻求k个模态函数uk(t)(k=1,2,3...6),要求分解后的各个模态分量的估计带宽之和最小,且各模态之和等于含噪微震信号X,具体的构造为:
通过Hilbert变换,得到每个模态函数uk(t)的解析信号,目的是得到它的单边频谱:
其中,δ(t)为狄拉克(Dirac)函数,*表示卷积,j2=-1;
加入将各模态的频谱调制到相应的基频带:
其中,为预估中心频率;
求取解调信号梯度的二范数,估计各模态带宽,则变分约束问题为:
其中,X为含噪微震信号,{uk}={u1,u2…uk}为分解得到的k个变分模态分量,{ωk}={ω1,ω2,...ωk}为k个变分模态分量的中心频率,符号为所有变分模态分量之和;
对变分约束问题求解,引入增广拉格朗日将变分约束问题变为变分非约束问题,其表达式如式(4)所示:
其中,α为二次惩罚因子,λ(t)为拉格朗日乘法算子;
为寻求增广拉格朗日表达式的‘鞍点’来解决式(3)的最小值问题,采用交替方向乘子法优化算法,通过交替更新uk n+1、ωk n+1、和λn+1来寻求增广拉格朗日表达式的‘鞍点’;其中:
其中,ωk等同于 等同于∑i≠kui(t)n+1;
利用Parseval/Plancherel傅里叶等距变换,将式(5)转变到频域:
其中,为含噪微震信号X(t)的傅里叶变换,j2=-1;
将式(6)第一项的ω用ω-ωk代替并写成非负频率区间积分形式:
将式(7)中的第一项置零得到二次优化问题为:
同理,对于的最小值问题,将中心频率更新问题转换到频域,解得中心频率为:
式中,为当前余项的维纳滤波;为模态功率谱的重心;对进行傅里叶逆变换,那么实部{uk(t)}即为所求;
求解变分问题的具体步骤如下:
步骤2.1:定义变分模态分量个数K值与惩罚因子α的值;
步骤2.2:初始化n=0;
步骤2.3:令n=n+1,执行整个循环;
步骤2.4:执行内层第一个循环,根据式(8)更新uk;
步骤2.5:令k=k+1,重复步骤2.4,直到k=K,结束内层第一个循环;
步骤2.6:执行内层第二个循环,根据式(9)更新ωk;
步骤2.7:令k=k+1,重复步骤2.6,直到k=K,结束内层第二个循环;
步骤2.8:执行外层循环,根据式(10)更新λ;
其中,τ为拉格朗日乘法算子λ(t)的更新步长参数;
步骤2.9:重复步骤2.3至步骤2.8,直到满足迭代停止条件如式(11)所示,结束整个循环,输出结果,得到K个变分模态分量;
其中,ε为求解精度。
3.根据权利说明书1所述的基于VMD与小波包的微震信号降噪滤波方法,其特征在于:在步骤4中,具体包括如下步骤:
步骤4.1:选择一个合适的小波并确定所需要分解的层次,然后对信号进行小波包分解;
步骤4.2:对于一个给定的嫡标准,计算最佳树,确定最优小波包基;
步骤4.3:选择一个恰当的阈值并对每一个小波包分解系数进行阈值量化;
步骤4.4:根据最低层的小波包分解系数和经过量化处理的系数,进行信号的小波包重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710615316.5A CN107515424A (zh) | 2017-07-26 | 2017-07-26 | 一种基于vmd与小波包的微震信号降噪滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710615316.5A CN107515424A (zh) | 2017-07-26 | 2017-07-26 | 一种基于vmd与小波包的微震信号降噪滤波方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107515424A true CN107515424A (zh) | 2017-12-26 |
Family
ID=60721740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710615316.5A Pending CN107515424A (zh) | 2017-07-26 | 2017-07-26 | 一种基于vmd与小波包的微震信号降噪滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107515424A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108845306A (zh) * | 2018-07-05 | 2018-11-20 | 南京信息工程大学 | 基于变分模态分解的激光雷达回波信号去噪方法 |
CN108919347A (zh) * | 2018-07-02 | 2018-11-30 | 东华理工大学 | 基于vmd的地震信号随机噪声压制方法 |
CN109164489A (zh) * | 2018-10-15 | 2019-01-08 | 西南石油大学 | 一种基于vmd与tk能量算子的地震流体预测方法 |
CN109409194A (zh) * | 2018-08-30 | 2019-03-01 | 中国航发湖南动力机械研究所 | 多模态时域信号模态分离、阻尼参数辨识方法及存储介质 |
CN109471053A (zh) * | 2018-10-18 | 2019-03-15 | 电子科技大学 | 一种基于双约束的介电特性迭代成像方法 |
CN109813230A (zh) * | 2019-01-09 | 2019-05-28 | 上海电力学院 | 一种基于vmd的光栅莫尔条纹去噪方法 |
CN110082436A (zh) * | 2019-04-25 | 2019-08-02 | 电子科技大学 | 一种基于变分模态的高提离电磁超声信号消噪方法 |
CN110487916A (zh) * | 2019-08-24 | 2019-11-22 | 东北电力大学 | 一种适用于换热污垢超声检测回波信号的降噪方法 |
CN110542828A (zh) * | 2019-07-17 | 2019-12-06 | 佛山电力设计院有限公司 | 一种配网故障定位方法及系统 |
CN110659621A (zh) * | 2019-09-27 | 2020-01-07 | 山东科技大学 | 一种基于变分模态分解和排列熵的联合降噪方法 |
CN111144230A (zh) * | 2019-12-06 | 2020-05-12 | 天津大学 | 一种基于vmd的时域载荷信号的去噪方法 |
CN111948704A (zh) * | 2020-08-14 | 2020-11-17 | 中国人民解放军63653部队 | 一种近区地运动测试信号在地下爆炸监测中的应用方法 |
CN112766044A (zh) * | 2020-12-28 | 2021-05-07 | 中海石油(中国)有限公司 | 疏松样品纵横波速度分析方法、装置及计算机存储介质 |
CN113128474A (zh) * | 2021-05-17 | 2021-07-16 | 重庆大学 | 一种基于计算机视觉及变分模态分解的结构模态识别方法 |
CN113486750A (zh) * | 2021-06-29 | 2021-10-08 | 国家电网有限公司 | 一种基于改进vmd算法和小波包去噪算法的油浸式变压器局部放电信号去噪方法 |
CN114216433A (zh) * | 2021-10-28 | 2022-03-22 | 江苏大学 | 基于自适应小波包降噪的植保无人机飞行态监测方法 |
CN115234849A (zh) * | 2022-06-14 | 2022-10-25 | 哈尔滨理工大学 | 一种基于声信号处理的管道泄漏位置定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103091096A (zh) * | 2013-01-23 | 2013-05-08 | 北京信息科技大学 | 基于eemd和小波包变换的早期故障敏感特征提取方法 |
CN105116442A (zh) * | 2015-07-24 | 2015-12-02 | 长江大学 | 岩性油气藏弱反射地震信号的重构方法 |
CN106814396A (zh) * | 2017-03-13 | 2017-06-09 | 山东科技大学 | 一种基于vmd的矿山微震信号的降噪滤波方法 |
CN106897663A (zh) * | 2017-01-06 | 2017-06-27 | 重庆邮电大学 | 主成分分析改进小波算法的超声波消噪方法 |
CN106897704A (zh) * | 2017-03-01 | 2017-06-27 | 山东科技大学 | 一种微震信号降噪方法 |
-
2017
- 2017-07-26 CN CN201710615316.5A patent/CN107515424A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103091096A (zh) * | 2013-01-23 | 2013-05-08 | 北京信息科技大学 | 基于eemd和小波包变换的早期故障敏感特征提取方法 |
CN105116442A (zh) * | 2015-07-24 | 2015-12-02 | 长江大学 | 岩性油气藏弱反射地震信号的重构方法 |
CN106897663A (zh) * | 2017-01-06 | 2017-06-27 | 重庆邮电大学 | 主成分分析改进小波算法的超声波消噪方法 |
CN106897704A (zh) * | 2017-03-01 | 2017-06-27 | 山东科技大学 | 一种微震信号降噪方法 |
CN106814396A (zh) * | 2017-03-13 | 2017-06-09 | 山东科技大学 | 一种基于vmd的矿山微震信号的降噪滤波方法 |
Non-Patent Citations (3)
Title |
---|
张倩昀 等: "经验模态分解和小波包变换的表面等离子体共振光谱降噪方法", 《测试技术学报》 * |
杨洁 等: "小波分析在信号消噪中的应用", 《西安邮电学院学报》 * |
陆振宇 等: "基于变模式分解和频谱特性的自适应降噪算法", 《现代电子技术》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108919347A (zh) * | 2018-07-02 | 2018-11-30 | 东华理工大学 | 基于vmd的地震信号随机噪声压制方法 |
CN108845306A (zh) * | 2018-07-05 | 2018-11-20 | 南京信息工程大学 | 基于变分模态分解的激光雷达回波信号去噪方法 |
CN108845306B (zh) * | 2018-07-05 | 2022-04-26 | 南京信息工程大学 | 基于变分模态分解的激光雷达回波信号去噪方法 |
CN109409194A (zh) * | 2018-08-30 | 2019-03-01 | 中国航发湖南动力机械研究所 | 多模态时域信号模态分离、阻尼参数辨识方法及存储介质 |
CN109409194B (zh) * | 2018-08-30 | 2020-12-01 | 中国航发湖南动力机械研究所 | 多模态时域信号模态分离、阻尼参数辨识方法及存储介质 |
CN109164489A (zh) * | 2018-10-15 | 2019-01-08 | 西南石油大学 | 一种基于vmd与tk能量算子的地震流体预测方法 |
CN109471053A (zh) * | 2018-10-18 | 2019-03-15 | 电子科技大学 | 一种基于双约束的介电特性迭代成像方法 |
CN109813230A (zh) * | 2019-01-09 | 2019-05-28 | 上海电力学院 | 一种基于vmd的光栅莫尔条纹去噪方法 |
CN110082436A (zh) * | 2019-04-25 | 2019-08-02 | 电子科技大学 | 一种基于变分模态的高提离电磁超声信号消噪方法 |
CN110082436B (zh) * | 2019-04-25 | 2022-01-11 | 电子科技大学 | 一种基于变分模态的高提离电磁超声信号消噪方法 |
CN110542828A (zh) * | 2019-07-17 | 2019-12-06 | 佛山电力设计院有限公司 | 一种配网故障定位方法及系统 |
CN110487916A (zh) * | 2019-08-24 | 2019-11-22 | 东北电力大学 | 一种适用于换热污垢超声检测回波信号的降噪方法 |
CN110659621A (zh) * | 2019-09-27 | 2020-01-07 | 山东科技大学 | 一种基于变分模态分解和排列熵的联合降噪方法 |
CN111144230A (zh) * | 2019-12-06 | 2020-05-12 | 天津大学 | 一种基于vmd的时域载荷信号的去噪方法 |
CN111948704A (zh) * | 2020-08-14 | 2020-11-17 | 中国人民解放军63653部队 | 一种近区地运动测试信号在地下爆炸监测中的应用方法 |
CN112766044A (zh) * | 2020-12-28 | 2021-05-07 | 中海石油(中国)有限公司 | 疏松样品纵横波速度分析方法、装置及计算机存储介质 |
CN112766044B (zh) * | 2020-12-28 | 2024-03-22 | 中海石油(中国)有限公司 | 疏松样品纵横波速度分析方法、装置及计算机存储介质 |
CN113128474A (zh) * | 2021-05-17 | 2021-07-16 | 重庆大学 | 一种基于计算机视觉及变分模态分解的结构模态识别方法 |
CN113486750A (zh) * | 2021-06-29 | 2021-10-08 | 国家电网有限公司 | 一种基于改进vmd算法和小波包去噪算法的油浸式变压器局部放电信号去噪方法 |
CN114216433A (zh) * | 2021-10-28 | 2022-03-22 | 江苏大学 | 基于自适应小波包降噪的植保无人机飞行态监测方法 |
CN115234849A (zh) * | 2022-06-14 | 2022-10-25 | 哈尔滨理工大学 | 一种基于声信号处理的管道泄漏位置定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107515424A (zh) | 一种基于vmd与小波包的微震信号降噪滤波方法 | |
CN106814396B (zh) | 一种基于vmd的矿山微震信号的降噪滤波方法 | |
WO2021056727A1 (zh) | 一种基于变分模态分解和排列熵的联合降噪方法 | |
CN108983058B (zh) | 基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法 | |
CN110688964A (zh) | 一种基于稀疏分解的小波阈值与emd联合降噪方法 | |
CN106405645B (zh) | 一种基于资料品质分析的信噪比可控的地震拓频处理方法 | |
CN102176312B (zh) | 一种通过小波陷波来降低突发噪音的系统及方法 | |
CN103961092B (zh) | 基于自适应阈值处理的脑电信号去噪方法 | |
CN102854533A (zh) | 一种基于波场分离原理提高地震资料信噪比的去噪方法 | |
CN109031422A (zh) | 一种基于CEEMDAN与Savitzky-Golay滤波的地震信号噪声抑制方法 | |
CN110909480B (zh) | 一种水轮机振动信号的去噪方法与装置 | |
CN109241823B (zh) | 一种基于变分模态分解和支持向量回归的信号预测方法 | |
CN110059639A (zh) | 一种基于分数阶小波变换和希尔伯特黄变换的跳频信号检测方法 | |
CN105160077A (zh) | 一种高压直流线路电晕电流变化趋势提取方法 | |
CN113723171A (zh) | 基于残差生成对抗网络的脑电信号去噪方法 | |
CN114492538A (zh) | 一种城市中压配电电缆局部放电信号去噪方法 | |
CN112084845B (zh) | 基于多尺度小波系数自相关的低频1/f噪声消除方法 | |
CN106383107A (zh) | 一种基于平滑滤波联合vs‑lms的光谱信号降噪方法 | |
CN109901224B (zh) | 一种地震资料低频信号保护压制噪声方法 | |
CN109525215B (zh) | 一种采用峭度谱确定子频带边界的经验小波变换方法 | |
CN110531420A (zh) | 一种地震数据中工业干扰噪声无损分离方法 | |
CN109959964B (zh) | 一种高铁震源地震信号的宽频背景噪声压制方法 | |
CN110287853B (zh) | 一种基于小波分解的暂态信号去噪方法 | |
CN105023257B (zh) | 基于N‑Smoothlets的图像去噪方法 | |
CN111505710A (zh) | 一种基于等间隔谱特征的高铁震源地震信号提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171226 |