检索结果-南通市图书馆

作者：熊松龄桂林电子科技大学

学位级别：硕士

瞬变电磁法是一种建立在电磁感应原理基础上的有源测量方法,根据测得的瞬变电磁信号分析地电体之间的电阻率差异,进而达到探测地下地质体的目的。然而,瞬变电磁信号容易受到各种噪声的影响,尤其是在信号的晚期测道处,噪声可能会淹没有... 详细信息

瞬变电磁法是一种建立在电磁感应原理基础上的有源测量方法,根据测得的瞬变电磁信号分析地电体之间的电阻率差异,进而达到探测地下地质体的目的。然而,瞬变电磁信号容易受到各种噪声的影响,尤其是在信号的晚期测道处,噪声可能会淹没有效的瞬变电磁信号,导致信号的利用受限,影响对深部目标的探测。瞬变电磁信号降噪是指利用各种方法,尽可能地压制噪声,提取有效的瞬变电磁信号,以便后续的处理。目前的瞬变电磁信号降噪方法大多只对特定的噪声有效,这对实际环境下极可能同时存在多种噪声的情况显得力不从心。近年来,字典学习和噪声分类技术的不断发展为瞬变电磁信号降噪提供了一种新的思路。字典学习可以分别提取噪声和纯净的瞬变电磁信号的特征,利用其特征从带噪的瞬变电磁信号中恢复有效的瞬变电磁信号。而噪声分类技术可以鉴别出带噪的瞬变电磁信号中的噪声种类,辅助字典学习降噪方法在实际环境中的使用。下面以非负矩阵分解的有监督和半监督两种降噪方法为主线,介绍本文的主要工作。首先,提出了基于卷积神经网络的噪声分类器。对要分类的四种噪声进行短时傅里叶变换。再将获得的幅度谱和相位谱作为特征输入到已构建的15层分类器进行分类。实验结果表明该分类器的性能良好。其次,引入非负矩阵分解的有监督降噪方法。在训练阶段,分别对噪声和纯净的瞬变电磁信号进行非负矩阵分解,获得表征其各自特征的原子字典。进而,利用降噪模型对带噪的瞬变电磁信号降噪。在实际的瞬变电磁信号降噪过程中,利用已训练好的分类器对实际的瞬变电磁晚期信号进行噪声分类,确定实际噪声的种类,进而利用计算机模拟出相应的噪声,以便非负矩阵分解的有监督降噪方法在实际环境中的使用。实验结果表明,该方法的降噪性能良好,能有效地抑制噪声。最后,引入非负矩阵分解的半监督降噪方法。在训练阶段,只对纯净的瞬变电磁信号进行非负矩阵分解,获得表征其特征的原子字典。同样,再利用相应的降噪模型对带噪的瞬变电磁信号降噪。实验结果表明,该方法对噪声抑制效果良好。

关键词：瞬变电磁信号字典学习噪声分类有监督降噪半监督降噪

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

NMF的有监督算法在瞬变电磁信号降噪中的应用

引用

石油物探 2021年第3期60卷 421-429页

作者：熊松龄曾庆宁龙超王师琦祁潇潇郑展恒桂林电子科技大学信息与通信学院广西桂林541004 桂林电子科技大学认知无线电与信息处理教育部重点实验室广西桂林541004

瞬变电磁信号易受各种噪声的干扰,尤其是在信号晚期,噪声甚至会淹没有效信号,严重影响了后期的反演。为此,提出了将瞬变电磁信号分为早中期和晚期两部分进行处理的思路,并首次将非负矩阵分解(NMF)的有监督算法应用于受噪声影响较大的瞬... 详细信息

瞬变电磁信号易受各种噪声的干扰,尤其是在信号晚期,噪声甚至会淹没有效信号,严重影响了后期的反演。为此,提出了将瞬变电磁信号分为早中期和晚期两部分进行处理的思路,并首次将非负矩阵分解(NMF)的有监督算法应用于受噪声影响较大的瞬变电磁晚期信号的处理。首先,在训练阶段,将纯净信号进行短时傅里叶变换和非负矩阵分解处理,得到表征信号特征的原子字典。然后,在降噪阶段,利用原子字典和降噪模型处理含噪信号,得到初步估计的瞬变电磁信号。最后,多次重复以上步骤,将初步估计的瞬变电磁信号的晚期数据和含噪信号的原始早中期数据分别累加,求各自的算术平均值,再将两者拼接,估计出最终的完整的瞬变电磁信号。仿真实验和实测数据处理结果表明,该算法可以有效改善信噪比和均方根误差,减少波形的失真,降噪效果明显优于小波变换、Hilbert-Huang变换(HHT)和奇异值分解(SVD)等传统降噪方法,为提高后续反演的准确度奠定了基础。

关键词：瞬变电磁信号短时傅里叶变换非负矩阵分解原子字典有监督算法算术平均值信噪比均方根误差

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

语音增强与检测的多任务学习方法研究

引用

计算机工程与应用 2021年第20期57卷 197-202页

作者：王师琦曾庆宁龙超熊松龄祁潇潇桂林电子科技大学信息与通信学院广西桂林541004

在许多语音信号处理的实际应用中,都要求系统能够低延迟地实时处理多个任务,并且对噪声要有很强的鲁棒性。针对上述问题,提出了一种语音增强和语音活动检测(Voice Activity Detection,VAD)的多任务深度学习模型。该模型通过引入长短时记... 详细信息

在许多语音信号处理的实际应用中,都要求系统能够低延迟地实时处理多个任务,并且对噪声要有很强的鲁棒性。针对上述问题,提出了一种语音增强和语音活动检测(Voice Activity Detection,VAD)的多任务深度学习模型。该模型通过引入长短时记忆(Long Short-Term Memory,LSTM)网络,构建了一个适合于实时在线处理的因果系统。基于语音增强和VAD的强相关性,该模型以硬参数共享的方式连接了两个任务的输出层,不仅减少了计算量,还通过多任务学习提高了任务的泛化能力。实验结果表明,相较串行处理两个任务的基线模型,多任务模型在语音增强结果非常相近、VAD结果更优的情况下,其速度快了44.2%,这对于深度学习模型的实际应用和部署将具有重要的意义。

关键词：多任务学习深度学习语音增强语音活动检测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：