發(fā)布時(shí)間：2018-05-11 17:53

  本文選題：時(shí)頻分析 + 高分辨率��； 參考：《成都理工大學(xué)》2017年碩士論文

【摘要】：時(shí)頻分析方法作為分析時(shí)變非平穩(wěn)信號(hào)的有力工具,成為現(xiàn)代信號(hào)處理研究的一個(gè)熱點(diǎn),本文從時(shí)頻分析理論出發(fā),介紹了時(shí)頻分析的基本理論和傳統(tǒng)的幾種時(shí)頻分析方法,主要有短時(shí)傅里葉變換、小波變換、魏格納分布等。與傳統(tǒng)的時(shí)頻方法相比,一種自適應(yīng)時(shí)頻分析方法希爾伯特-黃變換在處理分析非平穩(wěn)信號(hào)具有明顯的優(yōu)勢(shì)。但是在其核心算法EMD存在著模態(tài)混疊問題,為了解決此問題,研究了幾種改進(jìn)算法,包括集合經(jīng)驗(yàn)?zāi)B(tài)分解和互補(bǔ)集合經(jīng)驗(yàn)分解。雖然對(duì)模態(tài)混疊問題得到了一定的抑制,但是在實(shí)際應(yīng)用中或多或少還是存在模態(tài)混疊現(xiàn)象,并且這類算法將原本簡(jiǎn)單的信號(hào)復(fù)雜化了,分離出過多的IMF分量,這就導(dǎo)致了本來(lái)的有效信號(hào)被過分的分割,可能使信號(hào)局部發(fā)生了畸變,或者說降低了信號(hào)的信噪比。經(jīng)驗(yàn)小波變換算法是一種新型的時(shí)頻分析方法。該算法打破了傳統(tǒng)時(shí)頻分析算法在自適應(yīng)方面的局限性,結(jié)合了經(jīng)驗(yàn)?zāi)Ｊ椒纸夂蛡鹘y(tǒng)小波變換的優(yōu)勢(shì),可以將復(fù)雜信號(hào)分解為更具有物理意義的模式。本文深入研究了經(jīng)驗(yàn)小波變換算法的原理,對(duì)算法中存在的問題進(jìn)行改進(jìn)和優(yōu)化,驗(yàn)證了經(jīng)驗(yàn)小波變換算法作為一種新的時(shí)頻分析方法在實(shí)際應(yīng)用中的價(jià)值。具體而言,針對(duì)該算法在處理復(fù)雜頻譜的信號(hào)時(shí)出現(xiàn)的頻譜劃分問題,利用數(shù)學(xué)形態(tài)學(xué)在圖像處理方面的優(yōu)勢(shì),采用了基于morpho變換的經(jīng)驗(yàn)小波變換算法;由于地震信號(hào)是非平穩(wěn)復(fù)雜的信號(hào),對(duì)信號(hào)的自適應(yīng)性分割能力和在頻譜中找到“有意義”模態(tài)的能力提出了更高的要求。因此,研究了基于尺度空間直方圖分割的Otsu法,并應(yīng)用于經(jīng)驗(yàn)小波中的信號(hào)頻譜的分割,最后得到了自適應(yīng)經(jīng)驗(yàn)小波變換。將自適應(yīng)經(jīng)驗(yàn)小波變換應(yīng)用于地質(zhì)正演模型與實(shí)際地震數(shù)據(jù)處理中,結(jié)果表明是一種高分辨率時(shí)頻分析方法。通過經(jīng)驗(yàn)小波變換得到的瞬時(shí)屬性更加精確有效,其分辨率與可信度也大大提高。
[Abstract]:As a powerful tool for analyzing time-varying non-stationary signals, time-frequency analysis has become a hot topic in modern signal processing. Based on the theory of time-frequency analysis, this paper introduces the basic theory of time-frequency analysis and several traditional time-frequency analysis methods. There are mainly short-time Fourier transform, wavelet transform, Wigner distribution and so on. Compared with the traditional time-frequency method, an adaptive time-frequency analysis method, Hilbert-Huang transform, has obvious advantages in processing and analyzing non-stationary signals. But there is a modal aliasing problem in its core algorithm EMD. In order to solve this problem, several improved algorithms are studied, including set empirical mode decomposition and complementary set empirical decomposition. Although the modal aliasing problem is restrained to some extent, the phenomenon of modal aliasing still exists more or less in practical application, and this kind of algorithm complicates the original simple signal and separates out too many IMF components. This results in the over-segmentation of the original effective signal, which may make the signal local distortion, or reduce the signal-to-noise ratio (SNR) of the signal. Empirical wavelet transform (EWT) is a new time-frequency analysis method. This algorithm breaks the limitation of the traditional time-frequency analysis algorithm in the aspect of adaptation and combines the advantages of empirical mode decomposition and traditional wavelet transform to decompose complex signals into more physically meaningful patterns. In this paper, the principle of empirical wavelet transform (EWT) algorithm is deeply studied, the problems in the algorithm are improved and optimized, and the value of EWT algorithm as a new time-frequency analysis method is verified. Specifically, aiming at the spectrum partition problem in processing the complex spectrum signal, the paper uses the advantage of mathematical morphology in image processing, and adopts the empirical wavelet transform algorithm based on morpho transform. Because the seismic signal is non-stationary and complex, the adaptive segmentation ability of the signal and the ability to find the "meaningful" mode in the spectrum are higher requirements. Therefore, the Otsu method based on scale space histogram segmentation is studied, and applied to signal spectrum segmentation in empirical wavelet. Finally, adaptive empirical wavelet transform is obtained. Adaptive empirical wavelet transform is applied to geological forward modeling and actual seismic data processing. The results show that it is a high resolution time-frequency analysis method. The instantaneous attribute obtained by empirical wavelet transform is more accurate and effective, and its resolution and credibility are greatly improved.
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：P631.4

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭近德;潘海洋;潘紫微;羅潔思;;自適應(yīng)無(wú)參經(jīng)驗(yàn)小波變換及其在轉(zhuǎn)子故障診斷中的應(yīng)用[J];中國(guó)機(jī)械工程;2016年16期

2 韓海峰;;一種結(jié)合遺傳算法和最大類間方差法的圖像分割新方法[J];湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年02期

3 劉開元;賀振華;許艷秋;;碳酸鹽巖儲(chǔ)層孔隙度預(yù)測(cè)方法研究及其在南海某區(qū)的應(yīng)用[J];石油物探;2014年02期

4 陳浩;郭軍海;齊巍;;基于經(jīng)驗(yàn)小波變換的目標(biāo)加速度估計(jì)算法[J];北京航空航天大學(xué)學(xué)報(bào);2015年01期

5 任亞恒;溫佩芝;黃文明;吳曉軍;石俊濤;;一種改進(jìn)的大鼠精子圖像分割及計(jì)數(shù)算法[J];計(jì)算機(jī)工程;2011年07期

6 唐金炎;杜品;陳智雍;;地震屬性參數(shù)在地震相識(shí)別中的應(yīng)用[J];內(nèi)蒙古石油化工;2010年23期

7 楊秋明;黃世成;謝志清;錢瑋;李熠;;南京地區(qū)夏季暴雨年際變化與大氣環(huán)流的聯(lián)系[J];科學(xué)技術(shù)與工程;2010年33期

8 冷美萍;鮑蘇蘇;孟祥璽;彭豐平;;一種改進(jìn)的分水嶺分割算法[J];貴州師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

9 王慧鋒;戰(zhàn)桂禮;羅曉明;;基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)算法研究及應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2009年09期

10 趙濤;鞏宏麗;;數(shù)學(xué)形態(tài)學(xué)中的Tophat和Bothat變換的實(shí)現(xiàn)[J];信息技術(shù);2008年05期

相關(guān)博士學(xué)位論文 前1條

1 徐善輝;基于Hilbert-Huang變換的地震噪聲衰減與薄層預(yù)測(cè)技術(shù)研究[D];吉林大學(xué);2012年

相關(guān)碩士學(xué)位論文 前6條

1 劉爽;基于CEEMD的地震數(shù)據(jù)處理研究與應(yīng)用[D];吉林大學(xué);2014年

2 廖玉潔;幾種時(shí)頻分析方法及其在油氣地震勘探中的應(yīng)用研究[D];成都理工大學(xué);2014年

3 王姣;希爾伯特黃變換在地震數(shù)據(jù)處理中的應(yīng)用[D];中國(guó)石油大學(xué)（華東）;2013年

4 李曉鵬;低頻交流地電阻率觀測(cè)方法研究[D];中國(guó)地震局地震預(yù)測(cè)研究所;2011年

5 衛(wèi)俊平;時(shí)頻分析技術(shù)及應(yīng)用[D];西安電子科技大學(xué);2005年

6 王詠勝;基于數(shù)學(xué)形態(tài)學(xué)的灰度圖像的邊緣檢測(cè)技術(shù)研究[D];哈爾濱工程大學(xué);2005年

，

本文編號(hào)：1874964