第二代小波变换及在不规则测点重磁资料处理中的应用

合集下载

第二代小波变换及其在地震信号去噪中的应用

第二代小波变换及其在地震信号去噪中的应用

基于以上变换公式对含噪信号进行了 2 级可 逆变换, 并结合下面的去噪方法对地震信号的噪声 作了处理。
0 3 地震信号去噪 91 [, ]
地震数据包括信号和噪声2部分, 噪声没有一 它代表了一条地震剖面中所不需要 个绝对的定义, 的那一部分。陆地地震资料经常含有不同类型的 噪声, 本文所讨论的是去除随机噪声, 假设随机噪 声为高斯白噪。 离散信号的小波变换去噪可分为3步: 小波分 解; 小波系数缩减 ( 切除噪声部分 ) ; 缩减小波系数 的合成。目前常用的小波去噪的方法有硬域值法 和软域值法。我们采用软域值法去噪, 其方程为 ( ) ( ) 犱 i n 犱( 狀) 犱( 狀) 狘 - 狘 τ g τ =s , 0 狓狘 狘 ≤τ 烄 ( ) , 犱狀 - =烅 τ 狓 >τ , 狓 <τ 烆 犱( 狀) + τ 1 2
)反变换。 3
, , 犮 1 犽 =犮 1 犽- + + 犼 犼
, , 犱 1 犽 =犱 1 犽 + + 犼 犼
1( 犱 [ 4 9 犮 +[ ( 1 6
, 1 犽 1 + - 犼
, +犱 + 1 犽) + 犼
1 2
, 2 犽 犼
, 犮 + - 2 犽 2) + 犼
1( 1 , , 犮 犮 + 2 犽 2+ 2 犽 4) - + 犼 犼 1 6 2
5 结束语
第二代小波变换是对传统小波理论的进一步 发展, 人们对它的研究还在起步阶段, 其理论研究 尚需进一步深入。 本文讨论了第二代小波变换的 基本原理和变换过程, 并利用 D e s l a u r i e r s D u b u c ( , ) 小波对模拟数据及实际资料做了去噪处理 , 42 从处理结果可以看出, 用第二代小波变换去噪算法 效果明显, 证明它是一种切实可行的地震信 简单, 号去噪新方法。 参 考 文 献

第二代小波变换在旋转机械故障诊断中的应用研究

第二代小波变换在旋转机械故障诊断中的应用研究

第二代小波变换在旋转机械故障诊断中的应用研究摘要:不同类型的机械故障在振动信号中会反映出不同的波形特征,选用不适当的小波基函数会冲淡故障的特征信息,给故障诊断造成困难。

第二代小波变换可以通过设计预测系数和提升系数获得具有某种特性的小波基函数。

本文介绍了第二代小波变换的原理,研究了预测系数和提升系数与低通和高通滤波器系数之间的关系,根据信号的特征构造了基于插值细分方法的双正交小波,在旋转机械的轴系不对中故障诊断中取得了满意的效果。

关键词:第二代小波变换;插值细分法;预测系数;提升系数;故障诊断引言在机械设备发生故障时,其动力学特性通常表现出复杂性和非线性,所产生的振动信号也随之出现非平稳性。

小波变换通过伸缩和平移运算对信号进行多尺度分解,从而能够有效地从信号中获取各种时频信息,是分析非平稳信号的一种有效的手段,在机械设备故障诊断领域被广泛应用"。

小波分解的结果与所采用的小波基函数有关,不同类型的机械故障在振动信号中会反映出不同的波形特征,选用不适当的小波基函数会冲帧故障的特征信息,给故障诊断造成困难'},因此,寻求适当的小波基函数来表征特定的故障信息是小波技术应用于机械设备故障诊断时所面临的最大难题。

由WimSweldens提出的第二代小波变换是一种基于时域运算的信号分析方法),与经典小波变换不同的是,它不依赖Fouerier变换,但同样可以获得与经典小波变换相同的时频特性,且可通过设计预测系数和提升系数得到具有某种特性的小波基函数,为故障诊断提供了一个新的分析手段,使得针对不同类型的故障特征构造相应的小波基函数成为现实。

本文介绍了第二代小波变换的原理,研究了预测系数和提升系数与尺度函数和小波函数之间的关系,构造了基于插值细分方法的双正交小波,在旋转机械的轴系不对中故障诊断中取得了满意的效果。

1第二代小波变换的原理第二代小波变换是由WimSweldens博士提出的一种使用提升模式构造小波的方法,它不依赖Fourier变换,小波基函数不再是由某-一个函数的平移和伸缩而产生,所有的运算在时城上进行,不仅能获得与传统小波变换同样的结果,实现信号在不同频带上的分离,而且还能设计某种特定功能的小波。

改进的第2代小波变换在地震资料去噪中的应用

改进的第2代小波变换在地震资料去噪中的应用

46 5
勘 探地 球 物 理 进 展
第3 0卷
实现 方法 , 文 采 用 第 2代 Delui sDu u ( , 本 s r r— b c4 a e
2 插值细分法
第 2代小 波 变 换 过 程 中 , 测 算 子 P 和 更 新 预
s _’: s ’ U ( ‘ ‘ 一 ‘ + , 广 厂 ) () 5
分 裂过 程是 将原 始数 据 s { , EZ) 裂 u一 s 足 分
成2 个子集合。 偶数 样本 :‘ s 广”一 { s
奇数 样本 : ‘ { d广l一

综合上述的讨论 , 2 第 代小波变换的分解算法
式 中 :EZ ‘ ’ J 十; 广l 称为 小波 子集 ; S表示分 裂 。
1 2 预 测 .
保 持偶 数 样 本 s ’ ‘ 不变 , 虑 到原 始 数 据 的 川 考 相关 性 , 以利用 偶 数样 本 s 预 测 奇 数 样 本 可 ‘ 来 广l d广l 并 用奇 数 样 本 与 预 测 值 之 差 ( 为 细 节 系 ‘ , 称 数) 替代 奇数 样本 d , u 即
由如下 3 步骤 : 个
1 ( ‘ ): ( ‘ )S s ’ 一 s 产”, ‘ ’ ; d 厂 ) 2 )d‘ ’: d‘ 一 P(‘ ) 广 一 产¨ s_ ; ,
, EZ) 足 , EZ) 足
s ¨一 s’ : 广
d 广”一 s 1 ;
S s ’ 一 (‘ ( ‘ ): , s 厂”, ‘ d 厂”)
3 ‘ ’: s _ + ( 厂 ) )s 产 一 ‘ , ‘ 。
() 1
() 2
重构 算法 由如下 3个 步骤组 成 :

第二代小波变换及其在故障诊断中的应用

第二代小波变换及其在故障诊断中的应用
二代小波分解的关键是预测算子和提升算子系数的确定。本文 采用 L ga g 插值多项式设计预测算 子 【 。 已知函数在某一 区间 ar e n 2 】 上 的 N个 互异 点 ( 【 ii , … , M 可 以构造 一 个 M・ 阶 的 】Y , 2 ; )=l ' , l L ga g ar n e多项式 。分别取预测 点左右 M/ 个点进行插值就 可以得 2 到 M= , 68 2 , 的预测算子,然后根据低阶 消失矩保持不变 的要求设 4, 计提升算子 。 以 M= 为例来求解预测算子 。首先构造 M・ 3 4 1 阶的 L gag = arne 多项式 fx 。 ()
值 ,低阶消失矩等特性不变 ,减 少由于剖分所引起的混叠效应,引 入 了提升算 子 U 并 由此导出逼近信号 ,
1S+U( 1 =。 ) () 5
Se on e er t n wa e e r n f m c d g n a i v lt ta s or o
a d t p l a i n i aut d a n ss n i a p i t n f l i g o i s c o

旺: 强 :
图 1 号 的 分 解 、 重 构 过 程 信
d oma n ta s o m me h s i ig s h me h i cpl f i r n f r t od ba ed on lt c e fn 。t e pr i e o n
2 预测算子和提升算子 系数 的设 计算法
LI S ng hu ,HU A e,NI Zhe hu he - a W i U n. a
从频域角度看 , d 1 _反映了信 号 s . i 的高频成分 ,而逼近信号 1 反映了信号 0 i 的低频成分。继续对 01 -进行分解 可以得到下一层的逼 . 近信号 s2 i和细节信号 d. 以此类推。 . i' 2 信号的重构过程 是分解 过程 的逆过 程,即更新 ,预测 .合并, 并改变分解 公式 中的加减 号即可得到,见 图 l 。

小波变换在地磁磁暴分析上的应用

小波变换在地磁磁暴分析上的应用

小波变换在地磁磁暴分析上的应用作者:应允翔朱厚林汪继林陶方宇车濛琪刘红飞来源:《科技资讯》2020年第29期摘要:通过对小波变换原理的学习以及对地球磁场的初步认识,利用小波变换可以讲数字信号分解,选择相对较好的墨西哥帽小波函数,对安徽省蒙城地震台近年来的典型地磁暴事件的预处理分数据进行了简单分析,从时域及频域中得到磁暴的重要信息并利用这些重要信息检测地震磁效应,对于日常的地震监测和预报工作,获取地震前的地磁异常信号的识别具有重要意义。

关键词:小波变换地磁日变化震磁效应地磁磁暴中图分类号:P315 文献标识码:A 文章编号:1672-3791(2020)10(b)-0079-04Abstract: Through the study of the principle of wavelet transform and the preliminary understanding of the earth's magnetic field, the wavelet transform can be used to decompose digital signals, and a relatively good Mexican hat wavelet function is selected. The typical geomagnetic storm events in Mengcheng Seismic Station, Anhui Province in recent years. The pre-processed sub-data of the company is simply analyzed, and important information of the magnetic storm is obtained from the time domain and frequency domain, and the important information is used to detect the seismic magnetic effect. For the daily earthquake monitoring and prediction work, the identification of the geomagnetic abnormal signal before the earthquake is obtained It is of great significance.Key Words: Wavelet transform; Diurnal variation of geomagnetism; Seismomagnetic effect; Geomagnetic storm1 小波变换分析原理地球磁场具有较宽的频率范围和丰富的频谱成分,可以对其进行全面的分析和解读。

小波变换特点应用领域在测量中的应用

小波变换特点应用领域在测量中的应用
四、基于多尺度变换的图像增强技术
图像增强的主要目的是提高图像的视觉质量或者凸现某些信息特征信息。按照处理空 间的不同,常用的增强技术可以分为基于图像域和基于变换域两种,前者直接对象素点作运 算,如基于点运算的灰度直方图调整和空域数字滤波;传统算法在边缘,细节方面存在失真, 基于小波多尺度分析是解决该问题的有力工具。
〉 小波变换的多分辨率的变换,有利于各分辨率不同特征的提取〔图 像压缩,边缘抽取,噪声过滤等〕
〉 小波变换比快速傅里叶变换快一个数量级
小波变换的特点
对于突变信号,在突变的时 间点,傅里叶变换需要用大量的 三角波去进行拟合〔吉布斯效 应〕;
小波变换那么在突变处不为0, 其他区域相关系数都为0,大量节 省储存空间。
小波变换不仅能用于稳态信号的谐波分析,而且可以跟踪暂态瞬时的信 号。
小波变换在测量中的应用
超声回波检测 超声波检测技术具有适中的分辨力和较低的本钱优势, 使之成为工业检
测中应用较多的一种检测方法。由于超声检测过程中的回波信号同时包含回波 信号和各种噪声信号, 而且, 微小回波信号微弱, 易于被噪声淹没, 因此, 必须设 法从嘈杂的波形中判断出回波之所在
小波变换的应用领域
三、图像降噪
小波去噪的成功主要得益于小波变换有如下特点: ( 1) 低熵性。小波系数的稀疏分布, 使图像变换后的熵降低; ( 2) 多分辨率特性。由于采用了多分辨率的方法,可以非常好的刻画 信号的非平稳特征;( 3) 去相关性。因小波变换可对信号去相关,且噪声在变换后有白化趋 势,所以小波域比时域更利于去噪; ( 4) 选基灵活性。由于小波变换可以灵活的选择基,也可 以根据信号特点和去噪要求选择多重小波、小波包、平移小变小波等,对于不同的场合,可 以选择不同的小波母函数。

小波变换在医学影像处理中的应用实例

小波变换在医学影像处理中的应用实例

小波变换在医学影像处理中的应用实例小波变换是一种数学工具,它在信号和图像处理中有着广泛的应用。

在医学影像处理领域,小波变换也被广泛应用于图像的去噪、边缘检测、特征提取等方面。

本文将通过几个实例来介绍小波变换在医学影像处理中的应用。

第一个实例是小波变换在医学影像去噪中的应用。

医学影像通常受到噪声的干扰,这会降低图像的质量和准确性。

小波变换可以通过分析信号的频率和时间信息,将噪声和信号分离开来。

例如,在脑部MRI图像处理中,小波变换可以有效地去除图像中的噪声,提高图像的清晰度和对比度,从而更好地帮助医生进行诊断。

第二个实例是小波变换在医学影像边缘检测中的应用。

边缘是图像中物体边界的表示,对于医学影像的分割和分析具有重要意义。

传统的边缘检测算法在处理复杂的医学影像时往往会出现边缘断裂、噪声干扰等问题。

而小波变换结合多尺度分析的特点,可以更好地捕捉图像中的边缘信息。

例如,在乳腺X射线图像的分析中,小波变换可以提取出乳腺肿块的边缘特征,帮助医生进行早期乳腺癌的诊断。

第三个实例是小波变换在医学影像特征提取中的应用。

医学影像中的特征提取是指从图像中提取出与疾病相关的特征信息。

小波变换通过分析图像的局部频率特征,可以提取出图像中的纹理、形状等特征。

例如,在眼底图像的分析中,小波变换可以提取出图像中血管的纹理特征,用于糖尿病视网膜病变的早期诊断。

除了以上几个实例,小波变换还在医学影像处理中的其他方面有着广泛的应用。

例如,在医学影像的压缩和存储中,小波变换可以将图像的冗余信息去除,实现图像的高效压缩和存储。

在医学影像的配准和对齐中,小波变换可以通过分析图像的频率信息,实现不同图像之间的准确对齐。

在医学影像的三维重建中,小波变换可以通过分析图像的空间信息,实现对三维结构的恢复。

综上所述,小波变换在医学影像处理中具有广泛的应用。

它可以用于医学影像的去噪、边缘检测、特征提取等方面,帮助医生更准确地进行疾病的诊断和治疗。

随着医学影像技术的不断发展,小波变换在医学影像处理中的应用也将不断拓展和深化,为医学影像领域的研究和应用提供更多的可能性。

小波变换在医学影像处理中的应用指南

小波变换在医学影像处理中的应用指南

小波变换在医学影像处理中的应用指南医学影像处理是一门旨在提取、分析和解释医学图像数据的学科。

在这个领域中,小波变换是一种非常重要的工具,它可以帮助医生和研究人员更好地理解和诊断医学图像。

一、小波变换的原理和特点小波变换是一种数学变换方法,它将信号分解成不同频率的子信号,从而可以更好地分析信号的时间和频率特征。

与傅里叶变换相比,小波变换具有更好的局部性和时频分辨率,能够更好地捕捉信号中的瞬态特征。

在医学影像处理中,小波变换可以应用于图像的去噪、边缘检测、特征提取等方面。

由于医学图像通常包含大量的噪声和细节信息,去噪是一个非常重要的任务。

小波变换可以将图像分解成不同频率的子图像,通过滤波器将高频噪声去除,然后再进行逆变换得到去噪后的图像。

此外,小波变换还可以通过检测图像中的边缘和纹理等特征,帮助医生和研究人员更好地分析和诊断图像。

二、小波变换在医学图像去噪中的应用医学图像通常受到各种噪声的干扰,如伪影、散斑、运动伪影等。

这些噪声会影响医生对图像的判断和诊断。

小波变换可以通过将图像分解成不同频率的子图像,然后通过滤波器去除高频噪声,从而实现图像的去噪。

与传统的滤波方法相比,小波变换可以更好地保留图像的边缘和细节信息,避免图像的模糊和失真。

三、小波变换在医学图像边缘检测中的应用医学图像中的边缘信息对于诊断和分析非常重要。

小波变换可以通过分析图像的高频子图像,检测图像中的边缘。

与传统的边缘检测算法相比,小波变换可以更好地捕捉图像中的细节和瞬态特征,从而提高边缘检测的准确性和稳定性。

四、小波变换在医学图像特征提取中的应用医学图像中的特征提取是一项关键任务,它可以帮助医生和研究人员更好地理解和分析图像。

小波变换可以通过分析图像的不同频率子图像,提取图像中的纹理、形状和灰度等特征。

这些特征可以用于图像分类、目标识别和疾病诊断等方面,为医学研究和临床实践提供重要的支持。

综上所述,小波变换在医学影像处理中具有广泛的应用前景。

改进的第二代小波算法

改进的第二代小波算法

Improved Algorithm f or Second Generation Wavelet Transf orm and Its Appl ication
D uan Chen dong , J iang Hongkai , He Zhengjia
( School of Mechanical Engineering , Xi′ an Jiaotong University , Xi′ an 710049 , China)
p 2 x e ( i - D + 2) + … + p m x e ( i + D ) P = [ p 1 , p 2 , …, p m ] ( 1) ( 2)
Hale Waihona Puke e ( i ) = x o ( i ) - [ x e ( i - D) , …, x e ( xo ( N
2
- 1) , 0 ] P
T
=
© 1995-2004 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
第 1 期 段晨东 ,等 : 一种改进的第 2 代小波变换算法及应用
49
i = 0~
N
2
- 1
^ d th ( i ) =
Abstract : In order to obtain a wavelet f unction based on t he characteristics of a set of data , an improved algo2 rit hm for second generation wavelet t ransform ( SGW T) is proposed by adopting t he interpolating subdivision scheme and optimum estimation t heorem. For designing predicting coefficient s of SGW T , t he sum of squared detail component s are taken as an objective f unction , and t he coefficient s are solved by least square met hod wit h const raint of vanishing moment number for predicting. These coefficient s can represent feat ures of t he given da2 ta. An optimum interpolating estimation algorit hm of SGW T decomposition and reconst ruction is also described. The proposed met hod is proved to be more effective t han ot her wavelet s for signal de2noising. It greatly improves signal noise ratio of ball bearing vibration signal in an application. Keywords : secon d generation w avelet t ransf orm ( SGW T) ; i nterpol ati ng subdi vision ; p redicti n g coef f icient ;

第二代小波及压缩算法在数据处理中的应用

第二代小波及压缩算法在数据处理中的应用
 ̄ s ed O, , , _ =j j = 1 … Ⅳ 1 + () 7
以进 行 整 数 集 到 整 数 集 的 小 波 变 换 .这 是 提 升 小 波 实
式 中, 为原始信号 ; 为噪声信 号。 s j 对测量信号去噪过程如下 :
现不失真压缩的理论 基础 。其压缩过程如下 :
差值 d 需引入更新算子 , 更新 过程 为 :
『= j+ 一) 1 ( 1 _ e_ U( 1= 『+ ) l l . ( 3)
对更新后 的数据子集 , 进行相 同的分裂 、 预测 和
更 新 , s 解 成 s 和 。 过 ,次分 解后 , 即 H分 经 z 原始 信 号

③ 将低频系数 和处理后 的高频 系数进 行合并 , 形
成 去 噪 后 的信 号 阈 值 的选 择 和 处 理 方 法 对 去 噪 的 结 果 影 响 较 大 。
( 0 1)
SJ
_
S j =-s ;=, nj +- s (1 1 i s /一~ i …, ) - , 2
() 1分解
①对原测量信号进行二代小波变换 , 并分解 ; ②用 阈值处理方法对分 解得 到的高频 系数进行处
理:
去噪后数据序列为 : A , A 将 序列分为若 干 A , :…, 个两元组 , 并求两数之和与差 。 表达式为 :
S= i A¨ ¨ - ; il, ,/ ) A ( - … n2 .Fra bibliotek(4 1)
种方法综 合运用 ,可 以提 高数据 精度 和工作效 率 , 及 时、 准确 地对装 备做出鉴定 。

可 以获 得 不 失 真 压 缩 的原 序列 A。 … , , , A。 A
该压缩算法 简单 、 易行 , 较强的适用性 。从 以上 有 算式可 以看 出 . 该算法在对数据 进行压缩 的同时 . 以 可 保 留原始数据序列 的特 征 . 到不失 真压缩 对 于具有 做 数据量大 、精 确性和及 时性要 求高等特点 的测 量系统 来说 。 在保 证数据特征和精 度的 同时 。 以降低 数据处 可

二代小波变换原理

二代小波变换原理

二代小波变换原理The second-generation wavelet transform is a powerful signal processing tool that has found wide applications in various fields. 二代小波变换是一种强大的信号处理工具,在各个领域都有着广泛的应用。

One of the most important principles of the second-generation wavelet transform is the ability to analyze signals at different scales. 二代小波变换最重要的原理之一是分析不同尺度的信号。

This multi-scale analysis allows for the detection of both high and low frequency components in a signal, making it a valuable tool for applications such as image and signal compression, denoising, and feature extraction. 这种多尺度分析可以检测信号中的高频和低频成分,使其成为图像和信号压缩、降噪和特征提取等应用中非常有价值的工具。

Another key principle of the second-generation wavelet transform is its ability to capture both local and global features of a signal. 二代小波变换的另一个关键原理是能够捕捉信号的局部和全局特征。

This is particularly useful in applications such as image processing, where the ability to extract both fine details and overall structure is crucial. 这在图像处理等应用中尤为重要,因为提取精细细节和整体结构都是至关重要的。

二级小波变换

二级小波变换

二级小波变换
一、二级小波变换的概述
二级小波变换是一种信号处理技术,它是小波变换的一种扩展。

在小波变换中,信号被分解成不同尺度和小角度的频率成分。

而二级小波变换则在原有基础上,进一步将信号分解成更小的时间段,从而实现对信号的更细致分析。

二、二级小波变换的应用领域
二级小波变换在多个领域具有广泛的应用,如图像处理、音频处理、通信系统、模式识别等。

通过二级小波变换,可以实现对信号的更精细分析,提高信号处理的性能。

三、二级小波变换的优势和特点
1.高频分辨率:二级小波变换能够将信号分解成不同频率成分,从而实现对高频信号的分辨率提高。

2.低频分辨率:通过二级小波变换,可以更好地分析信号的低频成分,有助于提取信号的宏观特征。

3.灵活性:二级小波变换可以根据信号的特性和需求,自适应地进行信号分解和分析。

4.噪声抗干扰能力:二级小波变换具有较强的噪声抗干扰能力,能够在噪声环境中实现对信号的有效提取。

四、二级小波变换的实例分析
以图像处理为例,二级小波变换可以将图像分解成不同频率和尺度的小波系数,从而实现对图像的细致分析。

这种分析有助于图像特征的提取、图像质
量的提高以及图像压缩等应用。

五、总结与展望
二级小波变换作为一种有效的信号处理技术,在各个领域都取得了显著的成果。

随着科技的不断进步,二级小波变换在未来将不断完善和发展,为信号处理领域带来更多的创新应用。

小波变换在漏磁检测中的应用研究

小波变换在漏磁检测中的应用研究

小波变换在漏磁检测中的应用研究摘要:随着社会的发展,电力系统安全运行越来越受到重视。

漏电流检测作为保障电力系统安全运行的手段之一,受到电力系统的维护者的广泛关注。

更准确的漏磁检测技术在运行中进行漏电电流检测有着重要的作用。

小波变换是一种有效的分析信号和图像的数学工具,已被广泛应用于各个领域,因其具有方便快捷、时频分解能力强等特点,成为漏磁检测中重要的工具。

本文分析了小波变换在漏磁检测中的应用,以及目前漏磁检测技术在实际应用中的局限性,介绍了小波变换在漏磁检测中的有效性先进性,以满足电力系统的需求。

最后,结合实际案例,进一步总结出小波变换在漏磁检测中的应用,提出了未来发展的方向,为提高漏磁检测技术提供参考。

关键词:漏磁检测;小波变换;实际应用1、绪论随着电力系统的发展和应用,保护电力系统安全和可靠运行成为优先考虑的问题。

漏电流检测作为保障安全运行的重要技术,受到了广泛关注。

漏磁检测作为一种漏电流检测的技术,其准确性、敏感性和灵敏度在检测漏电流损坏的发现方面起着重要作用。

小波变换作为一种有效的信号分析和图像处理方法,在漏磁检测中有着广泛的应用。

小波变换具有方便快捷、时频分解能力强等特点,在漏磁检测中具有重要的作用。

因此,本文主要探讨小波变换在漏磁检测中的应用,分析小波变换在漏磁检测中的有效性和先进性,以满足电力系统的需求。

2、小波变换在漏磁检测中的应用(1)小波变换的时频分解能力强小波变换的时频分解能力是其在漏磁检测中的一个重要特点,小波变换能够有效的提取漏磁信号,实现以微弱漏磁信号的检测。

使用小波变换能够有效的消除干扰和噪声,实现准确的漏磁检测,更准确的区分故障时和正常运行时的漏磁信号。

(2)小波变换的滤波和特征提取能力小波变换不仅可以对信号进行分解,而且可以进行滤波和特征提取,使用小波变换,可以更准确的提取出漏磁信号特征,从而更准确的判断漏磁信号的情况,实现准确的检测。

(3)小波变换的复杂性控制能力小波变换具有复杂性控制能力,可以通过变换的参数控制小波变换处理的复杂性,从而能够更准确的提取漏磁信号特征,准确的检测漏磁电流,保障电力系统的安全运行。

小波在信号检测中的应用毕业论文

小波在信号检测中的应用毕业论文

小波在信号检测中的应用毕业论文诚信书我谨在此保证:本人所写的毕业论文(设计),凡引用他人的研究成果均已在参考文献或注释中列出。

论文(设计)主体均由本人独立完成,没有抄袭、剽窃他人已经发表或未发表的研究成果行为。

如出现以上违反知识产权的情况,本人愿意承担相应的责任。

1 / 48声明人(签名):年月日摘要小波分析作为最新的时-频分析工具,在信号分析、图像处理、特征提取、故障诊断等各领域得到了广泛的应用。

小波变换具有表征信号局部特征的能力和多分辨率的特征,因此,很适于探测信号中的瞬态和奇异现象, 并可展示其成份。

本文在综述小波变换的基本思想与具体性质和原理的基础上,重点介绍了小波在滚动轴承机械故障检测中的应用。

滚动轴承机械故障信号分析中基函数的不同将导致对信号的观测角度和观测方法的不同,在小波基函数的选取方面Fourier变换、短时Fourier变换和小波变换各自的基函数有着的本质区别。

本文通过比较故障诊断中常用的各种小波基函数的性能和特点,研究不同的故障信号特征与各种小波基函数的在联系。

利用连续小波变换方法将滚动轴承振动信号的特征信息转化为能量谱与尺度的关系,进而建立尺度和能量相对应的特征向量,为滚动轴承的快速诊断提供了新方法。

本文提出一种应用 Daubechies 小波包多层分解、重构提取滚动轴承各部件的故障特征频率和能量特征,通过小波包多层分解确定滚动轴承机械振动的奇异点的方法, 实现故障的精确诊断。

关键词:小波分析、故障诊断、滚动轴承、多层分解AbstractWavelet analysis as the latest time - frequency analysis tool in signal analysis, image processing, feature extraction, fault diagnosis and other fields has been widely used.Characterization of the signal wavelet transform has the ability of local features and characteristics of multi-resolution, therefore, it is very suitable for detection of transient signals and singular phenomenon, even to display its components.General speaking the summary of this paper, the basic ideas of wavelet transform and the specific nature, the most important of this paper is focusing on the waveletapplications of fault detection in the rolling machine.In the mechanical failure of the rolling bearing signal analysis, the different basis functions lead to a differenceof signal point of observing views and observing methods, which are the essential differences among wavelet transform Fourier transform, short-time Fourier transform.In this paper, by comparing the performances and characteristics of3 / 48a variety of common used small-wavelet fonctions in fault diagnosis, I research on the internal relations between different characteristics of the fault signal and wavelet fonctions.Making using of continuous wavelet transform method, this paper changes the characteristics of rolling bearing vibration signal information into the relationship of energy spectrum and measure, coming to the establishment a feature vectorcorresponding toenergy and scale, creats the new method for the rapid diagnosis of rolling bearings. In order to accurately diagnosis of fault type,this paper proposes the application ofmulti-decomposition of Daubechies wavelet packet,reconfiguration of the extraction offault characteristic frequency and energy feature in componentsrolling bearingcomponents, by analysing multi-decomposition of Daubechies wavelet packet, we can clearly see the failurepoint of mechanical vibration in rolling bearing.Key words:Wavelet analysis, fault diagnosis, rolling bearing, multi-decomposition目录摘要Abstract第1章绪论11.1 论文选题背景和意义11.2 论文研究现状11.2.1:小波分析现状11.2.2:机械故障诊断现状71.3 论文研究方法和容11第2章小波分析的理论基础112.1 傅立叶分析与其优缺点112.1.1傅立叶变换(Fourier Transform)112.1.2傅立叶变换的优点与缺点122.2小波分析132.3小波基性能研究152.4针对故障诊断处理的小波分类172.5小波变换对信号奇异性检测的基本原理182.5. 1奇异性的定义182.5. 2小波变换的卷积表达形式192.5. 3小波变换的极值点、过零点与信号奇异性的联系202.6 小波基的选择212.7 最佳小波基的选取212.8 Daubechies小波232.9 小波分解与尺度选择24第3章滚动轴承的故障与诊断技术253.1滚动轴承的结构263.2滚动轴承失效的基本形式263.3滚动轴承故障的振动诊断273.4 滚动轴承的振动机理与故障特征频率283.4.1滚动轴承的振动机理283.4.2滚动轴承各元件单一缺陷的特征频率283.4.3由滚动轴承构造所引起的振动293.4.5滚动轴承的非线性引发的振动303.4.6滚动轴承损伤(缺陷〕而引起的振动30第4章 MATLAB对故障奇异信号进行分析314.1检测第一类间断点314.2检测第二类间断点324.3滚动轴承的保持架机械振动信号的故障分析344.4滚动轴承的外滚道机械振动信号的故障分析364.5滚动轴承的滚道机械振动信号的故障分析37第5章总结与展望40参考文献41至42附录42第1章绪论1.1 论文选题背景和意义在信号处理的领域中,存在众多的频域分析方法,其基本思想都是通过研究信号的频谱特征来得到进行信号处理的基本信息,傅里叶分析方法是一种最古老也是发展最充分的方法,但是傅里叶分析方法的严重不足在于不能表达时域信息,应用很受局限,后来提出的短5 / 48时傅里叶变换虽然可以表达时域信息,但是在空间中的分辨率是固定的,不够灵活,不能反映信号瞬变的特点。

小波变换在无损检测中的应用

小波变换在无损检测中的应用

小波变换在无损检测中的应用无损检测是一种非破坏性的检测方法,可以用于检测材料内部的缺陷和异物。

在工业生产中,无损检测被广泛应用于航空航天、汽车制造、电力设备等领域。

而小波变换作为一种用于信号处理的数学工具,也被引入到无损检测中,为工程师们提供了一种新的分析手段。

小波变换是一种时频分析方法,可以将信号分解成不同频率的成分,并且能够提供时间和频率的局部信息。

与傅里叶变换相比,小波变换能够更好地捕捉信号的瞬时特征,对于非平稳信号的分析更具优势。

在无损检测中,材料内部的缺陷和异物往往会导致信号的频谱发生变化,通过对信号进行小波变换可以更准确地检测到这些变化。

在无损检测中,常用的信号包括超声波信号、磁场信号和电磁信号等。

以超声波无损检测为例,超声波在材料中传播时会与缺陷和异物发生反射、散射和衍射等现象,形成复杂的回波信号。

传统的信号处理方法往往采用傅里叶变换来分析这些信号,但由于傅里叶变换无法提供时间和频率的局部信息,很难对信号中的瞬时特征进行准确的分析。

小波变换的引入为超声波无损检测带来了新的思路。

通过对超声波信号进行小波变换,可以将信号分解成不同频率的小波系数。

这些小波系数可以反映出信号在不同频率上的能量分布情况,从而更好地反映出信号的瞬时特征。

同时,小波变换还可以通过选择不同的小波基函数来适应不同类型的信号,提高信号分析的准确性。

除了超声波无损检测,小波变换还可以应用于其他无损检测方法中。

例如,在磁粉无损检测中,通过对磁场信号进行小波变换,可以提取出不同频率的小波系数,从而分析材料中的磁性缺陷。

在电磁无损检测中,小波变换可以用于分析电磁信号中的频谱分布,以检测材料中的电磁性缺陷。

小波变换在无损检测中的应用不仅提高了信号分析的准确性,还为工程师们提供了更多的分析手段。

通过对小波系数的处理,可以提取出信号中的特征参数,如能量、频率、幅值等。

这些特征参数可以用于判断材料中的缺陷类型、大小和位置等信息,为工程师们提供更全面的无损检测结果。

基于第2代小波和Hilbert—Huang变换的轴承故障诊断

基于第2代小波和Hilbert—Huang变换的轴承故障诊断

在 滚动 轴 承 运 转 过 程 中 , 于设 备 运 行 不 稳 由 定、 载荷 变化 等多 种 因素 , 采集 的振 动信 号 往往 所 伴 随着 大量 噪声 , 且有 用信 号 易 被 噪声 淹 没 , 造成 信 号分 析 的不 准确 … 。因此 , 获得 正 确 的信 息 , 为 须 对振 动信 号进行 消 噪 。传 统 的消 噪 方法 效 率低 且 信息 获取 不 全 , 2代 小 波 变 换 是 一 种 柔 性 的 第 变 换方 法 , 不再 依赖 于有 限 的几 种小 波 基 函数 , 其 可采用 插值 细 分 法 构 造 新 的小 波 , 有 的运 算 均 所 在 时 域 进 行 , 有 原 理 清 晰 、 法 效 率 高 等 优 具 算 势 。而 在第 2代小 波基 础 上发 展 的 自适 应 冗余
信号的频率折叠 , 且更 新在预测 之后 进行 易导致
更新 器 的计 算趋 于 复杂 。冗 余第 2代小 波变 换不 再进行 分 裂 与合 成 操 作 , 同分 解 层 上 的冗 余 预 不 测器 和冗余 更 新 器 通 过 插 值 运 算 构 造 , 能够 直 接
d= P( 。 X 一 X ) () 2
在第 2代 小 波 理论 中 , 测误 差 d即为 小 波 预 系 数 , 于 高频分 量 。 对应 更新 使得 子样本 维 持原 始 数据 的某 些整 体 特 性, 具体 过程 为 由预 测误 差 d通 过 更 新 器 与偶 数样 本序 列 叠加来 计算 近似样 本 序列 ,
Ab t a t h a l d a n s c meh d f rrl n e rn si u o w r a e n s c n e ea in w v lta d Hi sr c :T e fu t ig o t t o o o l g b a i g sp t r a d b s d o e o d g n r t a ee n l i i f o - b r —Hu n rn fr T e s l —a a t er d n a t e o d g n r t n w v lt sf s a pi d t e r a et e n ie o et a g T a som. h ef d p i e u d n c n e e ai a ee rt p l d c e s h o s f v s o ii e o vb ain sg as a d i u e ir y i v i ae y smu ain e p r n s T e h e os d sg a s a ay e y i rt in l n t s p r i s a d td b i l t x e me t . h n t e d n ie i n i n lz d b o s ot l o i l HHT, e sg a sd c mp s d it e is o MF y u ig E t in i e o o e n o a s r fI s b sn MD a d t e Hi e t rg n l p cr m flw f q e c h l e n h l r ma i a e t b s u o r u n y o e c mp n n s i ma e t xr c h h r ce sis o a l sg as T e smu a in a d e p r n e u t s o h tt e o o et s d o e t tte c a a tr t ffu t i l . h i lt n x e me tr s l h w ta h a i c n o i s me h d i ef ci e a d p a t a . t o s f t n rc i1 e v c Ke r s ol g b a i g f utd a n ss s c n e ea in wa ee ; y wo d :rl n e rn ;a l i g o i ; e o d g n rt v l t HHT i o

提升小波:可用于重磁资料处理的新方法

提升小波:可用于重磁资料处理的新方法

提升小波:可用于重磁资料处理的新方法
徐亚;郝天珧
【期刊名称】《地球物理学进展》
【年(卷),期】2004(19)1
【摘要】小波变换在重磁资料处理中得到了广泛应用,通过提升结构构造的二代小波继承了一代小波的优良属性,并且具有灵活性、适应性、易于快速实现等优点.二代小波比一代小波有很多优点和好的属性,其应用范围更为广泛.本文介绍了提升结构构造二代小波的思想,并讨论了其在重磁资料处理中的应用前景.
【总页数】4页(P36-39)
【关键词】重磁资料处理;二代小波;提升结构
【作者】徐亚;郝天珧
【作者单位】中国科学院地质与地球物理研究所
【正文语种】中文
【中图分类】P315;P631
【相关文献】
1.合肥盆地重磁资料处理及重磁震联合反演 [J], 李云平;刘金连;林治模;胡加山;阎红;夏吉庄
2.小波神经网络在重磁资料反演中的应用前景 [J], 耿喜哲;刘天佑;丁艳红;涂阳发
3.提升小波在漏磁信号处理中的应用 [J], 丁磊;贺信;张磊;张华刚
4.模糊提升小波在脉冲漏磁信号处理中的应用 [J], 费骏骉;左宪章;张云;张韬
5.用于管道漏磁数据的小波域自适应及小波系数去噪算法 [J], 韩文花;阙沛文因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第二代小波变换及在不规则测点重磁资料处理中的应用1刘天佑,史辉,吴小羊中国地质大学,湖北武汉(430074)E-mail:liuty4508@摘要:1994年swelden提出了基于提升算法的第二代小波,它继承了第一代小波的多分辨特性;不依赖傅立叶变换,小波变换后的系数是整数,运算速度快;并且可以实现不规则测网数据的小波分析。

本文实现了基于提升算法的第二代小波变换,并把它应用于不规则测点的重力数据的处理,该方法比预先将不规则测点的重力数据经过二次插值网格化,再进行第一代小波分析的方法不仅精度高,而且失真小。

它可用于1:5万~1:20万石油高精度重磁勘探中对不规则测网数据的处理。

最后利用第二代小波变换处理了江南古陆CHAMP卫星磁测数据。

关键词:第二代小波提升算法高精度重磁勘探不规则测网江南古陆 CHAMP卫星磁测中图分类号:P31.引言重磁勘探是方法理论成熟,覆盖面积广,应用领域十分广泛的两种地球物理方法。

在1:20万或更小的比例尺重磁勘探的数据采集中,通常采用不规则测网。

近年,随着人们绿色与环保理念的增强,为了在施工中不砍伐树木、破坏生态环境,在1:10万,1:5万比例尺的重磁数据采集中也常常采用不规则测网。

在石油重磁勘探中,由于被探测的目标埋深大(通常密度界面、磁性界面深度在3~10km),产生的重磁异常弱,为了探测深部构造,近年国内已开始采用“高精度三维重磁采集方法”,其做法是沿测点号观测一次,再沿测线号观测一次,通过多次观测来提高观测精度。

例如在我国南方复杂地形的石油重磁勘探,1:5万重力设计精度为0.09×10-5m/s2,而实际可达到0.065×10-5m/s2,在野外采集这一环节,目前国内已经可以达到相当高的精度。

重磁资料数据处理,如利用傅立叶变换的频率域位场转换,小波分析等,都要求观测数据是等间距的,即规则测网数据。

对于实测不规则测点数据,通常要先做网格化处理变为网格数据,由于对不规则测点重磁数据做了网格化(如采用距离平方反比、克吕金法等等),原本野外采集的数据其高精度将由于网格化过程而丧失。

因此,寻找一种能够保持原始重磁观测数据高精度的处理方法具有十分重要的意义,它是实现野外采集与室内资料处理同时高精度的重要途径。

本文介绍的第二代小波变换是一种能够直接对不规则测点重磁资料进行小波分析的新方法,由此可以对不规则测点重磁资料进行去噪,位场分离等等处理与解释。

1994年,W.Sweldens等人针对第一代小波的局限性,提出了一种不依赖傅立叶变换的新的小波构造算法-提升算法(Lifting scheme)[1][2],称之为第二代小波变换,其主要特点有:继承了第一代小波的多分辨特性;不依赖傅立叶变换;小波变换后的系数是整数[3],;基于多项式内插的思想,所有运算都在空间域进行,从而摆脱了对频域的依赖[4]。

由于无需傅立叶分析,运算速度大大加快,且逆变换也容易实现,它还简化了小波函数的构造(将小波构造转化为选用合适的插值算法)。

对于重磁数据处理,第二代小波变换还有一个重要应用就是可以实现不规则点数据的小波分析。

2.第二代小波变换的基本原理1本课题得到高等学校博士学科点专项科研基金(项目编号:20050491504)的资助。

第二代小波是一种基于提升算法(Lifting scheme )的小波,它主要包括分裂(Split )、预测(Predict )、更新(Update )三个步骤。

2.1分裂(Split ,又称为惰性小波变换)此步骤是将原始的离散数据j λ分割为两部分1−j r 和1−j λ。

通常是将数列进行奇、偶分割,即把原始数据k j ,λ分成偶数部分k j ,1−λ和奇数部分k j r ,1−。

k j k j 2,,1λλ=−,12,,1+−=k j k j r λ (1)2.2预测(Predict ,对偶提升过程)针对数据间的相关性,可以用1−j λ去预测1−j r ,因此可以采用一个与数据集结构无关的预测算子)(1−j P λ来作为1−j r 预测值,用1−j λ和它的预测值之间的差值来代替1−j r ,称这个差值为小波系数(即信号的细节部分):)(111−−−−=j j j p r λλ (2)式中()P ⋅为预测函数,通常利用插值方法构造出一个多项式。

要提取信号的突变特征,通常选用平滑插值多项式,如线性插值、立方插值等等,因为在信号的突变部分,采用平滑预测函数得到的数据会与原始数据差值较大,而在信号的平缓部分,采用平滑预测函数得出的数据则相反。

即细节系数的大小表征了信号的平滑程度,这样就提取了信号的突变特征。

在第二代小波中,小波的选取就简化为选择什么样的插值方法。

通常线性插值是用周围的两个点预测中间值,消失矩为1;立方插值用周围的四个点预测中间值,消失矩为2。

消失矩越大,则预测的平滑性越好,但同时破坏了分析的局部性,在实际应用中,消失矩一般不超过6。

2.3更新(Update )经过以上两个步骤产生的系数子集1−j λ的某些整体特征(如均值)可能与原始数据并不一致。

为了保持原始数据的这些整体特征,需要一个更新过程,得出原信号的概貌部分,从而建立起多分辨率信号分解框架。

)(111−−−+=j j j r U r λ (3)式中()U ⋅为更新函数,可采用线性函数或者更高阶次的平滑函数,具体形式与整体特征以及预测函数有关。

图1给出了利用第二代小波变换分解和重构的示意图,利用不同的预测算子P 和更新算子U 可以建立不同的小波变换。

图1 第二代小波变换提升算法的分解与重构示意图3.不规则测点重磁资料的第二代小波变换图2是数据采集长度n =64,不等间距的重力数据第一代小波与第二代小波去噪结果对比,图2a 是原始重力数据曲线,图2b 是在上述数据曲线上加了随机噪声。

为了对该资料进行去噪及位场分离,首先要将不等间距数据用二次插值方法得出等间距的数据集,然后再用傅立叶变换或第一代小波变换方法进行处理。

图2c 是通过二次插值,再用第一代小波去噪处理后的结果。

由该结果可以看出,经二次插值与第一代小波去噪重构后,曲线变得光滑,失去原有的宝贵信息,并且尾部出现了振荡。

而图2d 是直接采用第二代小波变换去噪,它很好的保留了原始信号的局部特征。

由此可见,对于不规则测点的高精度重磁测量资料,采用第二代小波变换可以保留原有采集数据的高精度,同时可以对不等间距的重磁数据进行各种处理。

a 不等间距的重力数据曲线b 含噪声的不等间距重力数据曲线c 第一代小波去噪重构结果d 第二代小波去噪重构结果图2 不等间距重磁数据第一代小波与第二代小波去噪结果对比图3 图2中0~0.3区间第一、二代小波重构对比图3是图2中0~0.3区间第一代小波与第二代小波去噪重构对比图。

由图可以看出第二代小波重构的信号很接近原始信号,而第一代小波重构后的结果则有较大的偏差。

4.江南古陆CHAMP 卫星磁测数据处理图4是德国波茨坦地球科学研究中心(GFZ)公布的CHAMP 卫星磁测数据,所取的范围是东经o o 122~98,北纬oo 34~20。

间距均为15分,一共有共5529个数据。

由于观测数据在一个局部的球面上,所以不能用第一代小波分析和其他傅立叶变换的方法。

首先我们将局部球面上卫星T ∆数据投影到平面xoy 上,得到的点位是不规则测网数据。

直接用二次最小平方预测算子进行第二代小波处理,分别得到了卫星T ∆的一阶细节、二阶细节、三阶细节和三阶逼近(只列出图4a 江南古陆卫星T ∆数据和图4b 江南古陆卫星T ∆数据3阶细节)。

武汉襄樊长沙南昌赣州上饶合肥杭州温州上海南京成都黑水巫山重庆西昌贵阳南宁湛江桂林广州福州泉州汉中昆明大理武功山武夷山雪峰山武陵山南充石柱981001021041061081101121141161181202022242628303234-25-15-55152535图4a 江南古陆卫星T ∆数据(100km )(单位nT)981001021041061081101121141161181201222022242628303234武汉襄樊长沙南昌赣州上饶合肥杭州温州上海南京成都黑水巫山重庆西昌贵阳南宁湛江桂林广州福州泉州汉中昆明大理武功山武夷山雪峰山武陵山南充石柱图4b 江南古陆卫星T ∆数据3阶细节(单位nT)第二代小波变换结果为我们分析该区地质构造提供了丰富的信息,如在图4b 中,成都、巫山、西昌和武陵山的高值正异常区,是该区磁性结晶基底的反映。

该区磁性结晶基底是由强磁性的太古代变质岩构成。

在成都和重庆附近的南充和石柱一带也呈现出正异常,根据已知地质资料,在南充附近出露片麻岩,属于基性岩浆岩,而成都至南充为花岗岩,它属于深变质岩。

石柱附近出露的是中性的岩浆杂岩体而其周围地区出露的是浅变质沉积岩,即为板溪群。

川中地区基底以下是由岩浆杂岩体和各种片麻岩体组成,它们属于中基性岩浆岩,磁性强,因而在南充与石柱也产生较为明显的正异常。

5.结论本文探讨了第二代小波变换的基本原理,用基于提升算法的第二代小波变换对不规则测点的高精度重磁资料进行处理。

第二代小波变换由于对数据的格式没有严格要求,它可以对不规则测网的高精度重磁数据直接进行小波分析(去噪、多尺度分解、分离区域场与局部场,边缘检测与断裂分析等等),因而可以实现高精度野外采集和高精度室内处理解释的一体化,它对于油气高精度重磁勘探具有十分重要的意义。

参考文献[1] Sweldens W.The lifting scheme:a new philosophy in biorthogonal wavelet constructions[A]. In: Proc.SPIE,Wavelet applications in signal and image processing III(C),1995[2] Sweldens W.The lifting schem:A custom-design construction of biorthogonal wavelets[J. Applied andcomputational harmonic analysis,1996,3(2)[3] 邓集锋.第二代小波变换及其遥感图象应用[J].中国图象图形学报,1998,3(2)[4] Ercelebi E.Second generation wavelet transform-based pitch period estimation and voiced/unvoiced decisionfor speech signals[J].Appliedacoustics,2003,64(1)[5] Sweldens W.The lifting scheme:a construction of second generation wavelets[J].SIAM journal onmathematical analysis,1997,29(2)[6]汤焱,莫玉龙.第二代小波变换应用于图象的无损压缩编码.中国图象图形学报,2000,5A(8):699~702.[7]郑军,诸静.基于第二代小波变换的电力设备图象特征提取.电工技术学报,2003,18(6):98~102.[8]冯林,程璐,吴振宇.基于第二代小波变换的测井信号处理.石油仪器,2004,18(2):6~8.[9]陈香朋,曹思远.第二代小波变换及其在地震信号去噪中的应用.石油物探,2004,43(6):547~550.Second Generation Wavelet Transform and Application in Processing of Irregular Measurement ofGravity and Magnetic DataLiu Tianyou,Shi Hui,Wu XiaoyangChina University of Geosciences, Wuhan, PRC, 430074AbstractIn 1994, the lifting scheme is proposed based on the second generation wavelet by Swelden. It has inherited the characteristic of multi-resolution of the first wavelet and does not rely on Fourier transform. Computation has speeded because of integral coefficient after wavelet transform. The lifting scheme even could realize wavelet analysis of irregular measuring network data. This paper presents an algorithm of the second generation wavelet transform based on the lifting scheme, and applies it to the processing of data of irregular measuring gravity anomaly. Comparing with that using quadratic interpolation gridding first and then the first generation wavelet analysis in the irregular measuring network data, this method not only has higher precision, but also little distortion. It can be used in the processing of irregular nerwork data of 1:50000~1:200000 high-precision gravity and magnetic oil exploration. At last, the authors use the second generation wavelet transform to processing CHAMP satellite magnetic surveying data of Jiangnan Old Land.Keywords:Second Generation Wavelet,the Lifting Sscheme,High-Precision Gravity and Magnetic Exploration,Irregular Measuring Network,Jiangnan Old Land,CHAMP Satellite Magnetic Ssurvey 作者简介:刘天佑,1945年生,教授,博士生导师,从事应用地球物理的教学与科研。

相关文档
最新文档