时频分解相关论文
刘官庄地区主要目的层馆陶组属辫状河沉积,储层横向变化大,河道难刻画是制约其近50年来一直未动用的重要因素之一.本文通过应用基......
会议
网络流量异常是指网络流量行为偏离其正常行为的情形。随着网络规模不断扩大,复杂性不断增加,网络流量异常对网络性能的影响越来越......
高频超视距雷达工作在高频段,能够突破地球曲率的限制,对视距之外的机动目标进行有效检测。它还具有覆盖范围大、全天候等特点,因......
在煤矿生产中,及时而准确地查明井下采掘前方、工作面内的地质小构造,对于采掘合理布置、提高煤炭生产的经济效益和保障生产安全有......
本文将自适应时频变换思想应用到实值离散Gabor变换中，提出了一种改进的基于自适应时频表示的实值离散Gabor变换算法，在该算法中无须......
心音是临床上用于评估心脏功能的主要信号来源,其长时间采集记录面临着数据量过大、难以传输和存储的问题。本文根据心音信号的重......
本文利用四参数宽带B样条子波的高分辨性和子波参数调节的灵活性，结合常规匹配追踪算法，实现了高精度的地震道自适应时频分解。应用......
为了准确识别和预测天然气水合物的矿体特征,利用频率吸收衰减属性开展水合物矿体定量分析是十分必要的。在实际地震资料中,天然气......
提出了一种新的基于小波和时频分解的语音端点检测方法。首先通过小渡分解对舍噪信号进行增强，然后采用Matching pursuits算法对去......
本文研究了一维空间的BBM-Burgers方程．利用时频分解和能量估计等工具，在解整体存在的前提下，得到了本方程柯西问题解的某些衰减估计．......
受听觉系统运行机制的启发,提出一种以同步性为线索的信号分量间关联度的分析方法.首先对信号进行带通滤波、逆序滤波和半波整流,......
本文研究了多维空间的Benjamin-Bona-Mahony-Burgers方程.在解整体存在的前提下,利用能量积分、时频分解等方法,得到此方程柯西问......
经验模态分解法（ EMD变换），能够从采样数据序列中提取不同时间尺度波动曲线，以达到时频分解的目的。文章对经验模态分解法的重大改进，主......
提出了一种从空间波场中分离表面波信号的方法，其基本原理是：在小波变换和时域加窗对信号进行分解的时频单元上，通过改进的极化分析方......
逆合成孔径雷达（ISAR）图像的自动理解是应用其进行自动目标识别（ATR）的基础。文中提出一种基于改进的自适应高斯表示（AGR）的ISAR图像理解......
针对陆上三分量地震资料去噪处理中面临的面波噪声能量强、有效信号能量弱、转换波与面波主频叠置、非矢量保真处理等问题,本文基......
时频（TF）分解是用于表征时间与瞬时频率之间非稳态关系的一种方法,其在地震资料处理和解释中相当重要。常规的时频分析法具有时间分......
针对现有盲波束形成算法通用性差,所需采样数据量大等问题,该文提出一种基于稀疏时频分解的盲波束形成算法。算法首先将传统的短时......
本文研究了带有不同非经典抛物项的非线性发展方程的解的适定性,主要考虑两类分别含有不同的耗散机制的方程.第一类为拟抛物方程,......
文章用Prony方法对采样数据系列进行时频分解,并用自动识别主模态项数的方法对其进行改进,使其容易收敛求解。因Prony分解可用矩形......
该文提出了一种基于动态规划的时变小波包分解算法。利用此算法进行小波包分解可以解决以往分解算法如单树算法无法进行时频分解而......
当前主流音频压缩技术都采用窗切换技术来抑制预回声现象.然而编码器切换到短窗虽然提高了对暂态信号的时间分辨率,但同时却降低了......
对基于基信号的时频分解法和时频分布级数法的原理进行了分析，在此基础上，提出一种新的时频分解方法。该方法的核心是根据信号特征选......
针对现有盲波束形成算法在脉冲噪声环境中性能的下降，提出一种基于分数低阶时频分解的盲波束形成算法．该算法首先将分数低阶统计量引......
在分析地震资料时,因吸收和衰减等原因,地震信号往往呈现出非稳态性。时频分解方法能将地震信号分解成多个稳态的子成分,从而为描......
我们知道,大扰动问题是当前方程界最关心的困难问题之一,关于大扰动问题的研究成果不多,缺乏系统的研究方法.所以我们就尝试着从单......
地震勘探的目标是寻找地下油气藏,地震属性能够用来刻画地下油气藏的地质特征。地震属性是对地震数据特征的度量,地震属性反映了不......
构建了基于时频分解-样本熵测度的受电弓振动信号故障特征提取模型。对振动信号进行聚合经验模态分解,接着对分解得到的本征模态函......
海面慢速微弱目标的回波信号能量远小于海杂波,且在时域和频域与海杂波非常靠近,是海面搜索雷达面临的难点。为了检测海面慢速微弱......
