摘要：在深反射地震资料处理中,当来自深部的有效弱信号和噪声干扰频带差异较小且难以区分时,传统滤波方法的应用会受到限制.谱分解方法是一种使用离散傅里叶变换,基于信号的频率-振幅谱等信息生成高分辨率地震图像的方法,通常用来识别介质物性横向分布特征,处理复杂介质内频谱变化和局部相位的不稳定性等问题,包括定位复杂断层和小尺度断裂等.s变换作为一种新的时频分析方法,具有自动调节分辨率的能力,近些年来被广泛应用到勘探地震、大地电磁等数据处理中,逐渐成为地球物理方法中噪声压制的有效方法之一.与常规石油反射地震资料相比,深反射主动源地震为了探测深部结构信息,常采用大药量激发方式、长排列观测系统等,导致深部有效信号基本湮灭在噪声干扰之中.针对深反射数据特点,本文结合谱分解和s变换技术,首先设计了简单的脉冲函数实验数据,证实s变换方法的有效性,同时说明谱分解方法的效果受所用时频分析方法影响较大,而其中决定分辨能力的变换窗函数的选取尤为重要.在此基础上,分别应用到深反射地震资料的单道和叠加剖面实际数据上,对比分析了传统变换谱分解和s变换谱分解的应用效果,单道资料对比结果表明:相比传统谱分解,s变换谱分解方法具有自动调节分辨率的能力,能够精确的标定深反射地震资料中弱信号不同时刻的频率分量;叠加剖面资料应用结果表明:由s变换谱分解得到的剖面结果与其他谱分解方法结果整体上具有较高的一致性,同时清晰地刻画出原叠加剖面上被噪声湮灭的低频细节特征,提高了剖面的分辨率及同相轴连续性;对比结果明显看出,Gabor变换谱分解方法得到的结果同相轴较为破碎,分析原因认为这是由Gabor变换的时频分解方法的定长窗函数所致,窗口大小不会随着信号频率的变化来调节长度,只能在处理的过程中根据一定的记录长度范围选取窗函数参数,而s变换谱分解方法在窗函数的选取时,通过时变信号的局部频率特征自动调节窗口长度,能够更好的刻画各个频段的细节特征,在深反射剖面成像应用中效果尤为明显.本文结果表明s变换谱分解技术在深地震叠加剖面上的应用有效地提高了来自深部弱反射信号的信噪比和分辨率,并刻画出了叠加剖面上所不具有的低频细节特征,在实际深反射地震资料处理中能有效保护低频弱信号获得更好的成像效果.本文为深地震反射资料中弱信号的保护处理找到一种有效的方法.

摘要：为提高电能质量复合扰动识别能力,提出一种采用多分辨率广义s变换(multiresolution generalized s-transform,GsT)的扰动识别方法.首先,将信号频谱分为低频、中频、高频3个频域,分别设定窗宽调整因子,使其在各个频域具有不同的时-频分辨率,满足不同扰动信号识别要求.并针对高频振荡识别问题,设计基于基频傅里叶谱特征的自适应窗宽调整方法.在此基础上,提取6种特征用于构建决策树.最后,提出最小分类损失原则,确定决策树节点分类阈值,设计扰动分类器.仿真与实测信号实验证明,新方法能够准确识别含5种复合扰动在内的13种扰动.相较于s变换、广义s变换和Hyperbolic s变换,新方法具有更好的特征表现能力,分类效果好,抗噪声干扰能力强.

摘要：针对变转速下滚动轴承故障调制信息的提取与分离,提出了基于线调频小波路径追踪(CPP)与s变换的自适应时频滤波方法。该方法先采用Hilbert解调对齿轮箱振动信号进行分析获取其包络信号,并对包络信号进行s变换,以获取其时频分布,同时,采用CPP算法从齿轮箱振动信号中估计出啮合频率曲线,进而获取转轴转速;然后,根据估计的转速信号分别设计各阶时频滤波器;再采用时频滤波器对包络信号的时频分布进行时频滤波,并将滤波结果进行s逆变换,以获取各阶故障调制信号;最后对各阶故障调制信号进行阶次谱分析,并根据阶次谱中的调制信息诊断滚动轴承故障。算法仿真和应用实例表明,自适应时频滤波方法可根据轴承故障调制信号的频率变化特点自适应地改变滤波器的中心频率与带宽,能有效提取并分离轴承的各阶调制信息,且分离效果优于基于集合经验模态分解(EEMD)的阶次谱方法。

摘要：随着实际电网中非线性负荷以及冲击性负荷的不断增加,电能质量问题日趋严重。实现电能质量扰动信号的准确、快速检测对于查找电能质量问题根源、改善电能质量、确保电网安全、保障经济稳定具有重大意义。为此,提出一种基于双分辨率s变换和学习向量量化(LVQ)神经网络的电能质量扰动信号检测方法。算法先采用双分辨率s变换实现扰动信号特征向量的准确、快速提取。在获得扰动信号的特征向量后对各特征向量进行归一化处理并利用经过训练的LVQ神经网络对扰动信号进行分类识别。仿真和实际测试结果表明,该文提出的基于双分辨率s变换和LVQ神经网络的电能质量扰动检测算法具有训练速度快、分类准确率高、适合嵌入式实现等优点。

摘要：针对传统小波在强背景噪声中提取冲击故障特征的不足,提出基于极大提升形态小波(MLMW)分析和s变换的滚动轴承故障特征提取方法.先利用MLMW变换将信号分解到不同形态尺度上,各尺度信号上保留着信号局部极值形态特征,对细节信号进行软阈值降噪处理,再从重构信号的具有良好时频聚焦性的s变换谱上提取故障特征.试验结果表明,MLMW既抑制了噪声和谐波分量,又显著强化了故障特征;相比传统小波和包络分析,能清晰地提取非平稳非线性故障特征.由于MLMW采用简单的形态算子和高效的提升方法,计算简单高效,适于故障特征的在线分析.

摘要：s变换是一种用于分析非平稳信号的时频变换方法,可以很好地刻画地震信号的时频特性.本文将s变换用于地震面波数据的噪声去除中,首先介绍了s变换的理论基础,然后设计了时频滤波和阈值滤波两种方法,分别对天然地震面波数据和背景噪声数据进行去噪处理,并与相位匹配滤波进行了比较.结果表明,面波数据经s变换去噪后,群速度频散曲线的短周期部分得到改善,能够连续追踪至6s左右,但长周期部分出现了缺失;s变换去噪的效果优于相位匹配滤波,两者相结合会得到更加理想的结果.

摘要：品质因子Q是定量描述黏弹性衰减的重要参数,准确估计Q值有利于储层识别、烃类检测,还可用于反Q滤波来提高地震资料的分辨率。传统的Q值估计方法包括对数谱比法、中心频率偏移法和峰值频率偏移法等,其中对数谱比法的抗噪性较差,而中心频率偏移法和峰值频率偏移法则存在依赖地震子波类型的问题。针对这些问题,提出一种基于s变换和变分法提取品质因子Q的方法。首先,通过研究非平稳褶积模型,推导出非平稳地震数据在s变换域的近似表示形式;其次,在近似表示的基础上,建立了关于品质因子Q和地震子波的目标函数,并基于变分法最小化目标函数,得到Q值估计表达式;最后,为了提高该方法的准确性与抗噪性,设计了一种自适应积分区间选择的方案,该方案可根据地震数据的时频谱自动计算积分区域的频率参数。模型算例测试结果表明,所提出的Q值估计方法不依赖于地震子波的类型和窗函数的长度,同时对噪声具有较好的鲁棒性。实际数据计算结果进一步验证了该方法在Q值估计中的有效性。

摘要：s变换是由小波变换和短时傅里叶变换发展而来的时频分析方法,动校正后共中心点道集(NMO-CMP)中相同时刻各道地震信号的振幅、相位基本一致,多源地震数据中的混叠噪声在CMP道集中呈随机分布;将NMO-CMP道集叠加,以叠加道s变换谱为参考,可以判断出各道s变换谱中噪声与信号的分布。根据NMO-CMP道集中地震道s变换谱与叠加参考道s变换谱之间的偏离程度设计自适应滤波器,通过多级滤波、多次迭代的方法,提取多震源数据中的有效反射信号、分离混叠噪声。理论数据和实际数据模拟的多源地震数据试算结果表明,本文方法能够有效提取多源地震数据中的有效反射信号、分离混叠噪声和随机噪声。

摘要：简述了s变换的基本原理,设计了仿真试验,对比分析短时Fourier变换与s变换的时频分析和信号检测能力.结果表明,s变换是一种更加有效的非稳态信号时频分析方法.以某六缸发动机为研究对象,采集机体前端和顶部噪声信号.采用s变换对噪声信号进行时频分析,分析信号能量在时频域内的分布规律及其频率成分随时间的变化情况,结合发动机的结构特点,分析噪声信号中比较突出的频率成分产生原因.s变换比较适合于发动机噪声信号时频特性研究,研究结果对发动机低噪声改进设计具有一定的参考价值.

摘要：介绍了s变换的基本原理。设计了仿真试验，对比分析短时傅立叶变换，连续小波变换以及s变换的时频分析能力。结果表明，s变换是一种更加有效的非稳态信号时频分析方法。采用s变换对灭缸前后气缸盖侧面振动信号进行时频分析发现，信号能量主要集中于4～6．4kHZ的高频区域，在曲轴转角方向上，4～6．4kHZ的频带成分持续间断出现，其出现位置和间隔与振动信号各冲击响应相对应。研究表明，s变换具有较好的时频定位能力，可用于内燃机气缸盖振动特性研究。