随机噪声

摘要： 现有研究成果大多仅考虑随机噪声或未知输入干扰单一存在的情况,实际工程中两者往往同时存在.在此背景下,本文针对一类含有未知输入干扰和随机噪声的非线性多智能体系统,提出了一种一致性控制协议方法.首先,针对单个智能体系统设计未知输入观测器以消除干扰项对状态估计的影响.参考Kalman滤波器算法来求解状态反馈矩阵,使得输出残差信号的协方差最小,从而增强系统对随机噪声的鲁棒性.然后,基于观测器的状态估计信息,设计了鲁棒一致性控制协议,并将其转化为线性矩阵不等式求解问题.最后,通过一个数值仿真证明了所提方法的正确性和有效性.

摘要： 常规去噪方法众多,但每种方法都受某种假设或条件限制。另外,常规去噪方法中一些优化问题具有多个局部极值,导致算法可能收敛到局部最优解而非全局最优解。为此,提出了一种基于平稳小波变换与深度残差网络的地震随机噪声压制方法。采用残差网络(ResNet)的拓扑结构,结合平稳小波变换压制地震数据噪声。残差模块有效避免了网络过深引起的梯度消失或计算消耗但损失函数趋于饱和的问题。另外,小波变换是一种高效的特征提取方法,可获得信号低频和不同方向高频特征信息,分区域学习信号或噪声的特征。首先,对Train400数据集中的每幅图片旋转不同角度以增加训练集数据量,经过旋转变换后加入高斯噪声。然后,对每幅图片进行1级平稳Haar小波分解,得到训练数据集;通过训练提取信号中噪声的小波变换高、低频信息,在此基础上通过直连通道,从含噪数据的小波分解中减去学习到的噪声的小波分解,得到去噪信号的小波分解。最后,通过逆平稳小波变换得到去噪信号。合成信号和实际地震数据去噪试验表明,所提方法能较好地压制地震随机噪声,去噪信号的信噪比、峰值信噪比均较高。

摘要： 针对轨道动态测量应用场景建立了一套空间相关性的动态测量误差传播评估方法,研究了多种因素对测量准确性的影响,探究切实可行的轨道检测系统误差分析手段。将两类惯性基准测量方法简化成线性时不变系统,输入为特性一致的观测白噪声,由此得到的测量误差序列是平稳随机过程;提出了动态测量信噪比指标来描述传感器随机噪声、行车速度、波长和测量误差间的函数关系。结果表明:角速度测量法的信噪比与检测速度无关,加速度测量法的信噪比与检测速度正相关,二者均与轨道不平顺波长负相关;加速度测量法适用于高速检测,而角速度测量法适用于低速检测;为实现200 m轨道长波不平顺的有效测量,须将陀螺仪零偏稳定性指标提升至0.2°/h。

摘要： 传统去噪方法一般难以适用于非平稳时间序列。为提高去噪性能,提出了结合改进变分模态分解(VMD)及维纳滤波的去噪模型。首先,依据余量序列与其它模态间的互相关性来优化VMD模态个数;其次,采用改进VMD对时间序列平稳化并去除了高频噪声;最后采用维纳滤波器模态序列进行去噪。结果验证了提出方法的有效性。

摘要： 叠前反演在储层定量刻画中发挥着关键作用,反演精度受道集品质的影响较大。从提高叠前反演精度的角度出发,提出了一种针对叠前道集“去噪-提频-谱平衡-剩余时差校正”组合的优化处理技术。通过RNA-3D随机噪声压制技术的应用,能提高CRP道集的信噪比;通过融合时频分析与谱白化技术,能提高CRP道集的垂向分辨率;通过谱平衡技术,能解决动校正拉伸导致的远近偏移距频率不匹配的问题;通过移动积分剩余时差校正技术,能解决同相轴不平的问题,且能较好保持AVO特征,不会造成中、远偏移距振幅畸变。在文昌A油田实际应用表明,该组合优化处理技术能较大程度改善CRP道集品质,提升储层预测的精度。

摘要： 针对现有的条件生成对抗网络通过输入固定位置标签生成细胞样本多样性不足,导致细胞检测精度提升不能满足实际检测需求的问题,提出一种基于生成对抗网络的标签自动生成的血细胞检测方法.首先输入随机噪声生成细胞样本,将随机生成细胞样本与真实细胞样本通过标签生成器实现对细胞图像标签的生成;然后引入多功能鉴别器,将生成细胞图像、标签与真实细胞图像、标签成对一一对应,输入多功能鉴别器中对细胞位置进行匹配鉴别与真假鉴别.在血细胞数据集上的实验结果表明,通过输入随机噪声生成的细胞样本不仅增加了生成细胞图像的多样性与质量,同时与目前主流的细胞图像生成与检测方法LCGAN对比,细胞检测精度交并比由90.3%提升至91.1%,精确率由91.7%提升至94.8%.

摘要： 由于地球物理勘探环境的复杂性,采集的地震数据常被现场的随机噪声覆盖,如何对地震数据去噪成为关键问题,为此将基于卷积循环生成对抗网络(CycleGAN:Cycle Generation Adversarial Network)引入地震数据去噪中,该方法的关键是构建良好的生成器与判别器的结构并且优化合适的网络参数。该网络输入数据与标签数据是双向生成,形成环状网络结构,故而能引入循环一致性损失使网络参数训练的精度更高;将非局部神经网络模块作为CycleGAN生成器的残差链接以提高特征提取能力。以实际地震数据进行实验,通过对数据可视化、峰值信噪比和均方误差的对比,验证该方法的可实行性。结果表明,与普通生成对抗网络(GAN:Generation Adversarial Network)、残差神经网络(ResNet:Residual Network)去噪效果相比,该方法在不同噪声水平下去噪性能更好,峰值信噪比较高,数据成像更清晰,对实际生产工作有一定的指导意义。

摘要： 地震资料中随机噪声的压制一直是人们关注的热点。传统方法难以平衡噪声的去除与有效信号的保护,且执行效率低。为此,提出了基于双通道卷积神经网络的随机噪声压制方法。首先,该网络是一个双通道网络,即由两个结构不同的子网络组成,目的是在压制噪声过程中提取到互补有效信息;其次,在下通道子网络中引入空洞卷积增大感受野,充分捕捉到地震资料中的邻域信息,从而更充分地保留细节信息;最后,借鉴残差学习的思想并使用Swish激活函数,提高了网络的降噪性能。模型和实际资料的实验结果表明,所提方法在有效地压制随机噪声的同时能够保留更丰富的纹理细节信息。

摘要： 本文考虑了随机噪声在SIR、SEIR、SEIAR传染病模型中的影响,建立了的具有受随机扰动的SIR、SEIR、SEIAR模型,并利用Itô公式推导出均值意义下的随机传染病模型的基本再生数的计算公式。通过数值模拟系统演化过程验证了基本再生数计算方法的有效性。

摘要： 地震勘探是油气和矿产资源开发领域使用最为广泛的物探方法之一.由于采集条件的限制,地震记录中通常混杂有大量的随机噪声,导致勘探资料普遍信噪比(Signal-to-Noise Ratio,SNR)较低,这严重影响有效信号辨识的精度,为后续反演、解释等工作带来巨大挑战.此外,地震勘探随机噪声通常具有非平稳、非高斯和与信号存在频带混叠等复杂特性,导致传统方法在处理复杂勘探记录时,消噪性能可能发生退化.针对复杂勘探随机噪声消减问题,本文提出了一种新型的双层多尺度特征融合去噪网络(Double-layer Multi-scale Feature Fusion Denoising Network,DMFF-Net).该网络具有多尺度网络结构,利用多分支模块提取勘探数据不同尺度和不同分支的潜在特征,提升网络对于勘探记录复杂特征的学习能力.同时,采用跳跃连接实现浅层和深层信息的融合,提升网络对微弱信号的恢复能力.模拟和实际资料处理结果表明,相较传统地震勘探资料消噪方法而言,DMFF-Net可以更加有效地压制随机噪声,完整恢复有效信号,显著提升地震资料信噪比,在信号保幅性和微弱信号恢复能力方面更具优势.

摘要： 随机噪声连续波体制的合成孔径雷达(SAR)是一个低成本,低截获特性,高电磁兼容性能的遥感成像设备.本文研究了随机噪声调频连续波SAR时间域重构算法,提出了两种后向投影成像算法.首先分析随机噪声连续波体制SAR雷达天线的连续运动造成接收信号的畸变,然后利用基于泰勒展开的近似表达式来表示由连续运动引起的相位项,并给出基于走停近似的后向投影算法和改进的后向投影成像算法.最后,通过点目标仿真实验,验证了走停近似后向投影算法的局限性和改进的后向投影算法的有效性.

摘要： 在低信噪比地震资料处理中,压制随机噪声是其中的关键处理环节.传统的频率空间域预测滤波方法,容易使得去噪后高频段的有效信号严重畸变,不利于进一步提高分辨率.为此,提出了一种Eigenimage-Cadzow杂交滤波方法压制三维地震数据中随机干扰的方法,该方法首先在时空域对地震数据作傅里叶变换,再依据Eigenimage滤波法与Cadzow滤波法建立混合Hankel矩阵,然后对其运行奇异值分解,最后通过秩约化的方法来压制随机干扰.理论模型和实际地震数据的应用表明,该方法可有效地去除随机噪声,保护有效波,明显地改善了叠后三维地震资料的信噪比.

摘要： 近年来,随着地震勘探领域逐步扩大、勘探深度不断加深、勘探环境日趋复杂,噪声也随之显著增加,并变得更加复杂,这将阻碍高精度地震勘探的实现.因此,显著提高地震数据信噪比成为最重要和最基本的任务.传统的地震数据去噪方法难以满足高精度地震勘探的需要.因此,开发更有效的新技术迫在眉睫.事实上,地震随机噪声是地震数据中最常见的噪声类型,它渗透整个时间域,严重扭曲和干扰有效的地震信号.目前,已有很多学者呈现了不同的随机噪声衰减方法,取得了不错的处理效果.为了显著提高地震数据信噪比，并适应高精度地震勘探，提出一种基于非下采样剪切波变换(NSST)的地震随机噪声压制方法。带有合适阈值算子的性能优越的NSST使得地震数据获得了好的去噪效果。

摘要： 电阻率层析成像法应用于噪声较大场地探查时,电流场走向易发生畸变致使测试结果达不到预期.考虑到电法装置对噪音有无和强度大小的敏感性差异,本文构建掺杂了10％随机噪声的典型堤坝渗漏地电模型,比较了高密度电法中不同装置的抗干扰能力,正演计算结果表明温纳视电阻率闭合曲线分布特征更接近预设渗漏体;基于此研究的基础之上,分析了不同强度的噪声对温纳测试数据的扰动,结果显示淹没兴趣目标异常的最大噪声阀值为12％.针对采集数据不可避免受噪声感染的问题,把修正系数带入经平滑后的视电阻率值校正中,并对改正值采取稳健算法反演,重建图像与初设地质构造吻合度较高,表明该组合方法抑制了随机噪声的干扰,提高了对噪声感染后模糊资料的识别能力.

摘要： 利用基于模态应变能的损伤识别方法,对火箭蒙皮上L型梁进行损伤识别方法的可行性研究.该损伤识别方法以结构损伤导致模态参数变化为依据,通过对比损伤前后模态应变能变化率以及模态应变能曲率差构建损伤识别指标.在无噪声的情况下,两个指标都能较准确地识别及定位出损伤,且模态应变能曲率差的识别效果要好于模态应变能变化率.最后在随机噪声的情况下,发现两个指标在模态数据测试较多及噪声水平不是很高的情况下,识别效果较好.

摘要： 在低信噪比地震资料处理中,压制随机噪声是其中的关键处理环节.传统的频率空间域预测滤波方法,容易使得去噪后高频段的有效信号严重畸变,不利于进一步提高分辨率.为此,提出了一种基于复数域混合SVD滤波法压制三维地震数据中随机干扰的方法.该方法首先在时空域对地震数据作傅里叶变换,再依据eigenimage滤波法与Cadzow滤波法建立混合Hankel矩阵,然后对其运行奇异值分解,最后通过秩约化的方法来压制随机干扰.理论模型和实际地震数据的应用表明,该方法可有效地去除随机噪声,保护有效波,明显地改善了叠后三维地震资料的信噪比.

摘要： 介绍了一种DEM随机噪声去噪方法,该方法使用方差分析确定原始DEM中的随机噪声大小及空间分布,通过比对地形起伏与随机噪声,自适应选择平滑滤波邻域范围.实验分析表明,该方法既能有效去除原始DEM中随机噪声,又能较好的保留地形细节.

摘要： 第二代曲波变换从根本上脱离了脊波变换理论,通过直接定义曲波的表达形式,得到离散曲波变换的公式,并通过局部傅立叶变换(USFFT)来实现,减少了大量的计算量,并省去了曲波金字塔子带分解产生的巨大数据冗余.利用第二代曲波变换的方便实现及曲波良好的方向性,对于经过第二代曲波分解的不同精度的系数进行处理来对噪声进行去除和压制,这样既不会丢失重要的边缘数据,更保证了去噪后数据的分辨率,大大提高了地震数据的质量.从模型和实际地震资料应用结果表明:本文方法对于去除随机噪声效果好,对其他干扰噪音也有良好的去除效果.

摘要： 文中研究了XGBoost算法含噪地震数据的重构问题.从局部学习的角度对给定的随机缺失坏道地震数据,引入随机噪声,研究数据的重构效果.利用单个采样点周围44个点的振幅值与该点道号和采样点号作为特征属性,对该点振幅值构建回归关系,从而通过学习这种回归关系重构缺失的地震道.分析不同地震数据缺失情况,提出针对不同情况的重构算法,建立了重构随机缺失的地震数据处理流程.实际地震数据处理结果表明,XGBoost算法对随机缺失含噪海洋地震资料具有较好的重构效果.

摘要： 在现实生活中,复杂网络中存在着很多不确定的信息,比如网络的拓扑结构往往是未知或者不确定的.鉴于网络的拓扑结构在复杂网络的功能行为演化中起到至关重要的作用,因此,十分有必要对其进行行之有效的识别.在这篇文章中,提出了一种基于广义滞后同步的方法,对含随机噪声和耦合时滞的复杂网络未知拓扑结构进行识别.基于Lyapnov稳定性理论和Barbalat引理,通过设计控制器及拓扑识别规则使驱动-响应网络达到广义滞后同步,反演网络结构.数值仿真验证了所提出方法的有效性.

摘要： 在一些示例中公开了通过实施具有凭证的认证系统来允许更安全的认证尝试的方法、系统和机器可读介质，所述凭证包括由用户确定的位置中的穿插的噪声符号。由于窃听者难以将噪声符号与合法凭证符号分开，因此这些系统可以防范窃听者，例如背后偷窥者或中间人攻击。

摘要： 本发明提供了一种随机噪声信号产生电路，其包括生成随机噪声信号的随机噪声源、放大随机噪声信号以生成放大的随机噪声信号的放大电路、具有DC偏差校正电路的反馈环路，以及求和器。DC偏差校正电路对放大的随机噪声信号的反馈部分进行处理以生成DC偏差校正信号。求和器对随机噪声源所生成的随机噪声信号与DC偏差校正信号求和，以生成求和信号。求和器电耦合到放大电路，以将求和信号提供到放大电路。放大电路将求和信号放大以生成随机噪声输出信号。

摘要： 本发明提供了一种随机噪声信号产生电路，其包括生成随机噪声信号的随机噪声源、放大随机噪声信号以生成放大的随机噪声信号的放大电路、具有DC偏差校正电路的反馈环路，以及求和器。DC偏差校正电路对放大的随机噪声信号的反馈部分进行处理以生成DC偏差校正信号。求和器对随机噪声源所生成的随机噪声信号与DC偏差校正信号求和，以生成求和信号。求和器电耦合到放大电路，以将求和信号提供到放大电路。放大电路将求和信号放大以生成随机噪声输出信号。

摘要： 本发明涉及一种基于噪声建模分析的沙漠地震勘探随机噪声消减方法，属于地球物理技术领域。构建含噪合成记录，构建沙漠地震勘探随机噪声模型，将自然噪声、近场人文噪声、远场人文噪声函数分别作为波动函数的激励函数，用格林函数求解波动方程，分别得到自然噪声的噪声场、近场人文噪声场和远场人文噪声场，将三者叠加得到沙漠地区随机噪声模型，利用随机噪声模型确定适合的滤波方法进行滤波消噪。本发明基于噪声建模最终确定shearlet变化阈值去噪方法适合于沙漠地震勘探噪声的消减，能够提高地震勘探资料信噪比，更准确地恢复有效信号，有效地帮助了后续地震资料解释。

摘要： 本发明公开了一种基于间歇随机噪声的解决多智能体一致性的方法，包括：针对多智能体系统，建立系统的数学模型；所述多智能体系统包括领导者和多个跟随者；基于所述的数学模型，建立多智能体系统的误差系统；引入带白噪声的环境噪声，构建带有白噪声的环境噪声的误差系统；基于多智能体系统的系统误差，构建多智能体系统一致性定义；确定满足判别法的噪声控制器，在噪声控制器的作用下，使得每一个跟随者与领导者之间的误差越来越小，使得一致性定义成立，由此解决多智能体系统一致性问题。利用间歇噪声相比于利用一般的连续噪声可以降低控制成本；另外本方法也有高控制性能和控制参数易确定等优点。

摘要： 本发明涉及一种基于随机噪声驱动的地震成像剖面拓频方法及系统。所述方法包括：根据原始地震资料得到地震反射波成像剖面；对地震反射波成像剖面中的每一个地震道依次进行傅里叶变换和归一化处理得到地震反射波成像剖面的归一化振幅谱；根据地震反射波成像剖面的归一化振幅谱和低通滤波器得到高斯随机信号；将高斯随机信号叠加到地震反射波成像剖面得到加载宽频随机噪声后的地震剖面；对加载宽频随机噪声后的地震剖面和地震反射波成像剖面进行互相关处理得到互相关地震剖面；对加载宽频随机噪声后的地震剖面和互相关地震剖面进行互相关处理得到随机噪声拓频后的地震反射波成像剖面。本发明可以提高地震成像剖面的频带宽度和分辨率。

摘要： 本发明涉及一种时频峰值滤波微震数据随机噪声的压制方法，包括如下步骤：1)读取一维微震数据并对其采用CEEMDAN算法进行分解，获得模态分量IMFs；2)计算每个IMFs的样本熵值(SE)；3)根据样本熵划分噪声主导分量与有效信号主导分量；对噪声主导分量进行TFPF滤波，对有效信号主导分量保留；4)将经过TFPF滤波的分量与保留的分量重构，获取随机噪声压制后的微震数据。本发明的优点是：在去噪过程中，对需滤波的IMFs灵活选择TFPF窗长，能在有效压制随机噪声的同时，很好地保护有效信号幅值，准确识别有效微震信号，提高定位精度，保留原始微震事件的数据特征，给后续微震数据研究提供可靠基础数据。

摘要： 本发明属于地震数据处理技术领域，具体涉及一种基于3D卷积神经网络自监督3D地震数据随机噪声压制方法，1、设计3D卷积神经网络架构；2、准备含有随机噪声的3D地震数据；3、设计自监督辅助任务；4、设计避免过拟合的策略；5、运行3D卷积神经网络；6、确定最优压制噪声结果。相比于现有基于深度学习的方法，本方法通过自监督策略辅助的新型3D卷积神经网络解决数据集中样本多样性或者标签质量限制神经网络去噪能力以及泛化能力的问题；考虑3D地震数据中有效信号的空间相关性，通过3D卷积克服2D卷积在提取3D空间结构特征上的局限性，改善神经网络对有效信号的保护能力，提高3D地震资料的信噪比。

摘要： 一种基于深度学习的沙漠地震勘探随机噪声建模方法属信号建模技术领域，本发明建立的深度随机噪声波动方程神经网络由多个随机噪声波动方程神经网络单元叠加而成，每个单元由一个可学习的卷积层和一个符号回归神经网络构成，以随机噪声为输入，首先使用微分卷积核近似微分算子，然后通过符号回归神经网络学习微分项之间的非线性响应，采用拟牛顿优化器逐级更新网络，学习随机噪声长时间的动态变化，最后得到控制随机噪声传播的波动方程解析形式；本发明能够利用少量数据很好地学习沙漠地震勘探随机噪声动力学模型，所模拟的随机噪声与实际复杂随机噪声具有相似的特性。

摘要： 本发明提供了一种FPGA的伪随机噪声生成器的设计方法，基于此方法设计的伪随机噪声生成器具有随机性较强且具有良好的可扩展性。本发明提出了设计思路和系统架构，在Vivado软件中用Verilog设计了各个子模块，然后使用Modelsim软件对子模块进行了联合仿真，并将仿真的数据保存下来放到Matlab中进行的频谱分析，本发明设计通过Modelsim和Matlab验证了功能，该设计可以运用到实际的噪声生成设备中去，并具有可扩展性。