CN117688369A - 基于das的注浆管道数据降噪方法 - Google Patents
基于das的注浆管道数据降噪方法 Download PDFInfo
- Publication number
- CN117688369A CN117688369A CN202311631812.1A CN202311631812A CN117688369A CN 117688369 A CN117688369 A CN 117688369A CN 202311631812 A CN202311631812 A CN 202311631812A CN 117688369 A CN117688369 A CN 117688369A
- Authority
- CN
- China
- Prior art keywords
- data
- wavelet
- amplitude
- das
- filter
- 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
- 230000009467 reduction Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 230000009466 transformation Effects 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 18
- 230000000903 blocking effect Effects 0.000 claims description 19
- 230000003044 adaptive effect Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003756 stirring Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了基于DAS的注浆管道数据降噪方法,具体按照以下步骤实施:设立定位点并通过DAS设备采集振幅数据;将振幅数据通过Matlab转化为时域及频域数据;将测得的时域及频域数据进行小波变换,得到小波系数矩阵;根据所述小波系数矩阵,通过自适应中值滤波降噪,得到滤波后数据;判断滤波后数据是否达到误差允许范围,若否,则进行小波重构后重复步骤,若是,则输出当前滤波后数据并转化为振幅,完成数据降噪。本发明降噪方法解决了现有技术中受到多种噪声的混合影响,降噪效果不佳的问题。
Description
技术领域
本发明属于管道运输检测技术领域,具体涉及一种基于DAS的注浆管道数据降噪方法。
背景技术
在煤矸石管道运输过程中,由于地质条件复杂、管道老化等原因,容易出现管道破裂、泄漏等安全隐患。因此,对煤矸石管道运输进行实时监测和数据处理显得尤为重要。安全监测技术主要是通过在已铺设的管道上加装传感器进行定期巡检排查,但这种方法无法实现管道的在线自检,并且实施成本较高。因此,分布式光纤声波传感技术(DAS)应运而生,它是分布式光纤监测技术发展的前沿领域,利用光纤后向瑞利散射干涉效应,通过解调瑞利散射光的相位信息,利用差分相位与声波的线性关系,实现声波信号的连续分布式测量。这种技术具有抗电磁、射频干扰能力强、布设方式灵活、监测范围广的特点。
然而,管道运输带来的振动和背景噪音可能对DAS采集到的数据造成巨大的干扰,因此需要小波变换、中值滤波的数据降噪方法保证采集数据的可用性;但DAS采集到的振幅数据量大,通常需要处理数千个声信号,生产环境中的各种因素,造成数据中混有大量噪声,且数据类型一般是非平稳、非线性的振幅信号,这给传统的降噪方法带来了挑战。
但现有技术传统的降噪方法中,小波变换在处理非平稳信号时,容易产生“假频”现象,导致降噪效果不佳,在实际应用中,噪声往往具有复杂的统计特性,如非高斯性、相关性等,这些特性可能导致降噪效果不理想。自适应中值滤波方法对于脉冲型噪声的去除效果较好,但对于连续型平稳噪声的处理效果较差。并且在恶劣工况环境下,采集到的数据可能受到多种噪声的混合影响,单一的降噪方法难以满足实际需求。
发明内容
本发明的目的是提供一种基于DAS的注浆管道数据降噪方法,解决了现有技术中受到多种噪声的混合影响,降噪效果不佳的问题。
本发明的技术方案为,基于DAS的注浆管道数据降噪方法,具体按照以下步骤实施:
步骤1、设立定位点并通过DAS设备采集振幅数据;
步骤2、将步骤1采集到的振幅数据通过Matlab转化为时域及频域数据;
步骤3、将步骤2得到的时域及频域数据进行小波变换,得到小波系数矩阵;
步骤4、根据步骤3得到的小波系数矩阵,通过自适应中值滤波降噪,得到滤波后数据;
步骤5、判断步骤4得到的滤波后数据是否达到误差允许范围,若否,则进行小波重构后重复步骤3~4,若是,则输出当前滤波后数据并转化为振幅,完成注浆管道的数据降噪。
本发明的特点还在于,
步骤1具体按照以下步骤实施:
步骤1.1、从注浆泵与管道的接口处起始,每间隔1.5m设定一个定位点,在堵塞点阀门前后4.5cm~5cm均设定一个定位点;
步骤1.2、将堵塞点阀门选为标记点,并进行敲击;
步骤1.3、启动注浆泵和搅拌桶,通过DAS设备采集堵塞点阀门前后通道的振幅信号特征,并对数据文件进行解析,数值正负为振幅的强度,将数值转化为绝对值,把阀门前后发生堵塞点位处的通道振幅单独提取出来进行绘制。
步骤3具体按照以下步骤实施:
步骤3.1、将时域及频域数据通过wavedec2函数分解为多个不同级别的小波系数,公式为
c[k][n] = (x[n] - sum(c[j][n] * h[j](n) for j in range(k))) / h[0](n) (1)
其中,x[n]为原信号,c[k][n]为小波系数,k是从0到k-1的整数,n是从0到n-1的整数,sum(c[j][n]*h[j])为在频率范围hj内的所有小波系数项的和,h[0]为小波变换的默认窗口函数,决定信号的起点频率,hj为第j个低通滤波器或高通滤波器在位置n的值;
步骤3.2、通过多个不同级别的小波系数,得到小波系数矩阵。
步骤4具体按照以下步骤实施:
步骤4.1、确定滤波器的半径r,使用高斯核函数来计算每个数值周围的数值的标准差,然后根据标准差的大小来确定滤波器的半径,高斯核函数公式为
其中,G(x)表示一个空间中的点到两个相同方向距离平方的倒数,σ为标准差;
步骤4.2、将小波系数矩阵导入自适应中值滤波器,通过滤波器的大小和形状,对数据平滑处理,得到滤波后数据。
步骤5中小波重构按照以下步骤实施:
将滤波后数据作为滤波器系数,通过滤波器的阶数计算,得到去噪后信号数据,计算公式为
其中,cj为滤波器系数,h为j个低通滤波器或高通滤波器在位置n的值;
基于去噪后的信号数据对进行重构信号的推导,设输入信号为x(t),小波基函数为h(t),平移因子为a,尺度因子为s,则小波变换的结果为
X(a,s) = ∫x(t)h(t-a)e^(-st)dt (4)
代入自适应中值滤波公式进行推导,设输入信号为x(n),滤波窗口长度为N,滤波器参数为λ,则自适应中值滤波的结果为:
最后根据滤波后的小波系数重构信号设滤波后的小波系数为Y(a,s),则重构信号为:
y(t)= ∫X(a,s)h-1(t-a)e(st)dsda (6)
其中,X(a,s)为小波变换后得到的小波系数,h-1(t-a)为小波基函数的逆函数,e(st)为尺度因子为s时的小波基函数。
步骤5中误差允许范围为,振幅误差范围0.15~0.25m和幅度误差范围6.5~9.5Hz。
本发明的有益效果是:
1.本发明降噪方法采用多个降噪算法循环迭代可以有效地消除噪声,从而提高监测数据的信噪比;这对于后续的数据分析和处理具有重要意义,可以提高数据的准确性和可靠性;
2.本发明降噪方法可以在保留原有数据特征的基础上,对数据进行优化和平滑处理,从而提高模型的泛化能力,为理论研究提供了新的视角和方法,通过对不同算法的研究和比较,可以发现各自的优点和不足,从而推动降噪处理方法的发展和完善。
附图说明
图1是本发明基于DAS的注浆管道数据降噪方法的流程图;
图2是本发明降噪方法中定位点位置的示意图;
图3是本发明实施例3中阀门完全堵塞时DAS设备采集到的各通道振幅数据图;
图4是本发明实施例3中降噪前堵塞点位前后振幅数据;
图5是本发明实施例3中小波变换处理堵塞点位前后振幅数据;
图6是本发明实施例3中自适应中值滤波处理堵塞点位前后振幅数据;
图7是本发明实施例3中降噪后的处理堵塞点位前后振幅数据。
图中,1.分布式光纤声波传感器,2.堵塞点阀门,3.注浆泵,4.搅拌桶,5.流量计,6.压力表,7.总阀门,8.回收桶。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
实施例1
如图1所示,本发明公开了一种基于DAS的注浆管道数据降噪方法,具体按照以下步骤实施:
步骤1、设立定位点并通过DAS设备1采集振幅数据;
如图2所示,步骤1.1、从注浆泵与管道的接口处起始,每间隔1.5m设定一个定位点,在堵塞点阀门前后4.5cm~5cm均设定一个定位点,这两个点的位置是为了能够更好地监测堵塞前后数据发生的变化;
步骤1.2、将堵塞点阀门2选为标记点,并进行敲击;
步骤1.3、启动注浆泵3和搅拌桶4,通过DAS设备1采集堵塞点阀门2前后通道的振幅信号特征,并对数据文件进行解析,由于DAS采集到的振幅数据量大,通常需要处理数千个声信号,生产环境中的各种因素,造成数据中混有大量噪声;在注浆泵3开启且阀门完全堵塞的工况下,由于注浆设备及管道震动的原因,采集到的数据包含很大的背景噪声。数值正负为振幅的强度,将数值转化为绝对值,把阀门前后发生堵塞点位处的通道振幅单独提取出来进行绘制,得到振幅数据。
步骤2、将振幅数据通过Matlab转化为时域及频域数据;相比于频率这种单一的物理参量,时域和频域这两个从不同角度描述信号特性的物理参量更有表述优势。通过结合时域和频域的分析方法,可以有效提高信噪比以及信号在某个特定频率上的能量值。
步骤3、将测得的时域及频域数据进行小波变换,得到小波系数矩阵;小波变换是一种在频率和空间域上同时分析信号的方法。使用一组小波函数来表示或逼近原始数据,这样可以将信号分解为不同的频率组件,然后,通过阈值处理方法,可以在小波变换域中去除掉那些可能是噪声产生的低幅值的频率成分;
步骤3.1、将时域及频域数据通过wavedec2函数分解为多个不同级别的小波系数,公式为
c[k][n] = (x[n] - sum(c[j][n] * h[j](n) for j in range(k))) / h[0](n) (1)
其中,x[n]为原信号,c[k][n]为小波系数,k是从0到k-1的整数,n是从0到n-1的整数,sum(c[j][n]*h[j])为在频率范围hj内的所有小波系数项的和,h[0]为小波变换的默认窗口函数,决定信号的起点频率,hj为第j个低通滤波器或高通滤波器在位置n的值;
步骤3.2、通过多个不同级别的小波系数,得到小波系数矩阵。
步骤4、根据小波系数矩阵,通过自适应中值滤波降噪,得到滤波后数据;自适应中值滤波器是一种动态调整滤波窗口尺寸的方法,以便在去除噪声和保护图像细节之间找到平衡。这种方法最初设定一个较大的窗口尺寸,然后逐步减小窗口大小,直到找到一个最优的窗口尺寸,该尺寸可以在去除噪声的同时最大限度地保留图像的细节;
步骤4.1、确定滤波器的半径r,使用高斯核函数来计算每个数值周围的数值的标准差,然后根据标准差的大小来确定滤波器的半径,高斯核函数公式为
其中,G(x)表示一个空间中的点到两个相同方向距离平方的倒数,σ为标准差;
步骤4.2、将小波系数矩阵导入自适应中值滤波器,通过滤波器的大小和形状,对数据平滑处理,得到滤波后数据。
步骤5、判断滤波后数据是否达到误差允许范围,若否,则进行小波重构后重复步骤3~4,若是,则输出当前滤波后数据并转化为振幅,完成注浆管道的数据降噪。当振幅和幅度的数据在最佳允许范围内时,认为该组数据处于阈值范围内,误差允许范围为,振幅误差范围0.15~0.25m和幅度误差范围6.5~9.5Hz。
步骤5.1、判断滤波后数据是否达到误差允许范围,若是,则直接进行步骤5.3;若否,则进行步骤5.2;
步骤5.2、将滤波后数据作为滤波器系数,通过滤波器的阶数计算,得到去噪后信号数据,计算公式为
其中,cj为滤波器系数,h为j个低通滤波器或高通滤波器在位置n的值;
基于去噪后的信号数据对进行重构信号的推导,设输入信号为x(t),小波基函数为h(t),平移因子为a,尺度因子为s,则小波变换的结果为
X(a,s) = ∫x(t)h(t-a)e^(-st)dt (4)
代入自适应中值滤波公式进行推导,设输入信号为x(n),滤波窗口长度为N,滤波器参数为λ,则自适应中值滤波的结果为:
最后根据滤波后的小波系数重构信号设滤波后的小波系数为Y(a,s),则重构信号为:
y(t)= ∫X(a,s)h-1(t-a)e(st)dsda (6)
其中,X(a,s)为小波变换后得到的小波系数,h-1(t-a)为小波基函数的逆函数,e(st)为尺度因子为s时的小波基函数;
将滤波后数据通小波重构得到重构信号后重复步骤3~4;
步骤5.3、输出当前滤波后数据并转化为振幅进行绘图,完成注浆管道的数据降噪。通过这种方式,可以充分利用小波变换和自适应中值滤波器各自的优点,从而实现高效而有效的数据去噪。
实施例2
本实施例提供一种基于DAS的注浆管道数据降噪方法,具体按照以下步骤实施:
步骤1、设立定位点并通过DAS设备1采集振幅数据;
步骤2、将振幅数据通过Matlab转化为时域及频域数据;
步骤3、将测得的时域及频域数据进行小波变换,得到小波系数矩阵;
步骤4、根据小波系数矩阵,通过自适应中值滤波降噪,得到滤波后数据;
步骤5、判断滤波后数据是否达到误差允许范围,若否,则进行小波重构后重复步骤3~4,若是,则输出当前滤波后数据并转化为振幅,完成注浆管道的数据降噪。
实施例3
本实施例提供一种基于DAS的注浆管道数据降噪方法,具体按照以下步骤实施:
步骤1、设立定位点并通过DAS设备1采集振幅数据;
如图2所示,步骤1.1、从注浆泵与管道的接口处起始,每间隔1.5m设定一个定位点,在堵塞点阀门前后5cm均设定一个定位点;
步骤1.2、将堵塞点阀门2选为标记点,并进行敲击;
如图3、图4所示,步骤1.3、启动注浆泵3和搅拌桶4,通过DAS设备1采集堵塞点阀门2前后通道的振幅信号特征,并对数据文件进行解析,数值正负为振幅的强度,将数值转化为绝对值,把阀门前后发生堵塞点位处的通道振幅单独提取出来进行绘制,得到振幅数据。
步骤2、将振幅数据通过Matlab转化为时域及频域数据;
如图5所示,步骤3、将测得的时域及频域数据进行小波变换,得到小波系数矩阵;
如图6所示,步骤4、根据小波系数矩阵,通过自适应中值滤波降噪,得到滤波后数据;
步骤5、判断滤波后数据是否达到误差允许范围,若否,则进行小波重构后重复步骤3~4,经过多次重复达到误差允许范围振幅误差0.2m和幅度误差范围8Hz,输出当前滤波后数据并转化为振幅进行绘图,如图7所示,完成注浆管道的数据降噪。
本发明充分利用了小波变换的多尺度分析和局部化特性,能够有效地提取信号中的有效信息并抑制噪声。同时,自适应中值滤波器的引入进一步增强了降噪效果,通过对不同尺度下的小波系数进行动态阈值处理,实现了对噪声的自适应滤除。经过多次迭代循环,成功地降低了信号中的噪声水平,保留了信号的主要特征。本发明将两种算法进行嵌套迭代,将DAS设备采集到的注浆管道堵塞点位前后通道振幅数据转化为时域及频域数据,并进行分析,提出可以利用小波变换及自适应中值滤波嵌套式循环迭代的算法进行数据降噪,为恶劣工况下采集到的数据提供了一种可行性降噪方法,具有一定的可行性及现场实用性。
Claims (6)
1.基于DAS的注浆管道数据降噪方法,其特征在于,具体按照以下步骤实施:
步骤1、设立定位点并通过DAS设备(1)采集振幅数据;
步骤2、将步骤1采集到的振幅数据通过Matlab转化为时域及频域数据;
步骤3、将步骤2得到的时域及频域数据进行小波变换,得到小波系数矩阵;
步骤4、根据步骤3得到的小波系数矩阵,通过自适应中值滤波降噪,得到滤波后数据;
步骤5、判断步骤4得到的滤波后数据是否达到误差允许范围,若否,则进行小波重构后重复步骤3~4,若是,则输出当前滤波后数据并转化为振幅,完成注浆管道的数据降噪。
2.根据权利要求1所述的基于DAS的注浆管道数据降噪方法,其特征在于,步骤1具体按照以下步骤实施:
步骤1.1、从注浆泵与管道的接口处起始,每间隔1.5m设定一个定位点,在堵塞点阀门前后4.5cm~5cm均设定一个定位点;
步骤1.2、将堵塞点阀门(2)选为标记点,并进行敲击;
步骤1.3、启动注浆泵(3)和搅拌桶(4),通过DAS设备(1)采集堵塞点阀门(2)前后通道的振幅信号特征,并对数据文件进行解析,数值正负为振幅的强度,将数值转化为绝对值,把阀门前后发生堵塞点位处的通道振幅单独提取出来进行绘制。
3.根据权利要求1所述的基于DAS的注浆管道数据降噪方法,其特征在于,步骤3具体按照以下步骤实施:
步骤3.1、将所述时域及频域数据通过wavedec2函数分解为多个不同级别的小波系数,公式为
c[k][n]=(x[n]-sum(c[j][n]*h[j](n)for j in range(k)))/h[0](n) (1)
其中,x[n]为原信号,c[k][n]为小波系数,k是从0到k-1的整数,n是从0到n-1的整数,sum(c[j][n]*h[j])为在频率范围hj内的所有小波系数项的和,h[0]为小波变换的默认窗口函数,决定信号的起点频率,hj为第j个低通滤波器或高通滤波器在位置n的值;
步骤3.2、通过多个不同级别的小波系数,得到小波系数矩阵。
4.根据权利要求1所述的基于DAS的注浆管道数据降噪方法,其特征在于,步骤4具体按照以下步骤实施:
步骤4.1、确定滤波器的半径r,使用高斯核函数来计算每个数值周围的数值的标准差,然后根据标准差的大小来确定滤波器的半径,高斯核函数公式为
其中,G(x)表示一个空间中的点到两个相同方向距离平方的倒数,σ为标准差;
步骤4.2、将小波系数矩阵导入自适应中值滤波器,通过滤波器的大小和形状,对数据平滑处理,得到滤波后数据。
5.根据权利要求1所述的基于DAS的注浆管道数据降噪方法,其特征在于,步骤5中小波重构按照以下步骤实施:
将滤波后数据作为滤波器系数,通过滤波器的阶数计算,得到去噪后信号数据,计算公式为
其中,cj为滤波器系数,hj为j个低通滤波器或高通滤波器在位置n的值;
基于去噪后的信号数据对进行重构信号的推导,设输入信号为x(t),小波基函数为h(t),平移因子为a,尺度因子为s,则小波变换的结果为
X(a,s)=∫x(t)h(t-a)e^(-st)dt (4)
代入自适应中值滤波公式进行推导,设输入信号为x(n),滤波窗口长度为N,滤波器参数为λ,则自适应中值滤波的结果为:
最后根据滤波后的小波系数重构信号设滤波后的小波系数为Y(a,s),则重构信号为:
y(t)=∫X(a,s)h-1(t-a)e(st)dsda (6)
其中,X(a,s)为小波变换后得到的小波系数,h-1(t-a)为小波基函数的逆函数,e(st)为尺度因子为s时的小波基函数。
6.根据权利要求5所述的基于DAS的注浆管道数据降噪方法,其特征在于,步骤5中所述误差允许范围为,振幅误差范围0.15~0.25m和幅度误差范围6.5~9.5Hz。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311631812.1A CN117688369A (zh) | 2023-11-30 | 2023-11-30 | 基于das的注浆管道数据降噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311631812.1A CN117688369A (zh) | 2023-11-30 | 2023-11-30 | 基于das的注浆管道数据降噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117688369A true CN117688369A (zh) | 2024-03-12 |
Family
ID=90125676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311631812.1A Pending CN117688369A (zh) | 2023-11-30 | 2023-11-30 | 基于das的注浆管道数据降噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117688369A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117927459A (zh) * | 2024-03-25 | 2024-04-26 | 陕西中环机械有限责任公司 | 一种注浆泵注浆流量优化控制方法 |
-
2023
- 2023-11-30 CN CN202311631812.1A patent/CN117688369A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117927459A (zh) * | 2024-03-25 | 2024-04-26 | 陕西中环机械有限责任公司 | 一种注浆泵注浆流量优化控制方法 |
CN117927459B (zh) * | 2024-03-25 | 2024-06-11 | 陕西中环机械有限责任公司 | 一种注浆泵注浆流量优化控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107783200A (zh) | 一种联合emd与tfpf算法的全波磁共振信号随机噪声消减方法 | |
CN117688369A (zh) | 基于das的注浆管道数据降噪方法 | |
Lu et al. | Research on a small-noise reduction method based on EMD and its application in pipeline leakage detection | |
Li et al. | Succinct and fast empirical mode decomposition | |
Sheng et al. | Applications in bearing fault diagnosis of an improved Kurtogram algorithm based on flexible frequency slice wavelet transform filter bank | |
CN112446323B (zh) | 基于改进emd模态混叠和端点效应的hht谐波分析方法 | |
CN109581516B (zh) | 曲波域统计量自适应阈值探地雷达数据去噪方法及系统 | |
CN108961181B (zh) | 一种基于shearlet变换的探地雷达图像去噪方法 | |
CN109633761B (zh) | 基于小波变换模极大值法的磁共振信号工频噪声消减方法 | |
Zeng et al. | Normalized complex Teager energy operator demodulation method and its application to fault diagnosis in a rubbing rotor system | |
Peng et al. | A novel denoising model of underwater drilling and blasting vibration signal based on CEEMDAN | |
CN110515063A (zh) | 基于迭代平稳离散小波变换的水声信号处理方法和装置 | |
Zhang et al. | Research on mud pulse signal detection based on adaptive stochastic resonance | |
Zhou et al. | Improving purity of blasting vibration signals using advanced Empirical Mode Decomposition and Wavelet packet technique | |
CN105509771A (zh) | 一种发动机滑油金属颗粒在线监测的信号降噪方法 | |
CN111985342B (zh) | 一种基于经验模态分解的海杂波时间相关性分析方法 | |
CN112183407B (zh) | 一种基于时频域谱减法的隧道地震波数据去噪方法及系统 | |
Li et al. | Magnetotelluric signal-noise separation method based on SVM–CEEMDWT | |
CN112539887A (zh) | 一种基于wt-lcd-wd的管道泄漏信号去噪方法 | |
CN112554875A (zh) | 随钻泥浆正脉冲信号的处理方法 | |
CN105156901B (zh) | 一种基于小波分析的光纤预警系统降噪方法及装置 | |
Yang et al. | Research on noise reduction method based on CEEMD-WTSVD and its application in acoustic signal of pipeline blockage | |
CN113093282A (zh) | 一种基于几何模态特征并行网络的沙漠数据消噪方法 | |
CN106405504A (zh) | 联合剪切波变换和奇异值分解的探地雷达数据去噪方法 | |
Feng et al. | Binarization method for on-line ferrograph image based on uniform curvelet transformation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |