【摘 要】
：
本文针对噪声成分和噪声结构的复杂性及弱信号的特征,发展了最新的在线字典学习去噪方法.在线字典学习去噪方法是以数据驱动的方式,反复进行学习构建字典方式,求得信号的稀疏
【机 构】
：
油气藏地质及开发工程国家重点实验室（成都理工大学）,成都理工大学地球物理学院,中海油研究总院有限责任公司
【基金项目】
：
国家科技重大专项(2016ZX05026001-004)资助
论文部分内容阅读
本文针对噪声成分和噪声结构的复杂性及弱信号的特征,发展了最新的在线字典学习去噪方法.在线字典学习去噪方法是以数据驱动的方式,反复进行学习构建字典方式,求得信号的稀疏性解以实现对信号的去噪,在此基础上,提出了数据驱动与模型驱动联合的模型约束下的在线字典学习去噪方法,先通过模型驱动方式获得一个较优质的学习样本以构建字典再进行去噪处理.通过和传统小波变换进行理论地震合成记录的效果对比,在高噪声比例的弱信号情况下远远优于传统的时频域去噪方法.实际数据去噪处理表明,模型约束下的在线字典学习去噪方法是一种有效的去噪方
其他文献
通用生成函数(UGF)法在处理随机变量为非正态、功能函数为高度非线性的概率分析问题时具有较大优势。为提高结构可靠性优化求解的精度,提出了一种基于通用生成函数的序列优化
目地探讨小儿呼吸机相关性肺炎的临床特征与病原菌的耐药情况、防治措施。方法分析54例小儿呼吸机相关性肺炎的临床特征与药敏试验结果。结果本组小儿呼吸机相关性肺炎的病原
通过对大学生手机用户进行问卷调查，围绕这一目标客户群的需求创新提出建立一个以顾客需求为导向，实现手机制造商、内容服务提供商、电信运营商共赢互惠的电信增值业务平台。立
随着大数据时代的飞速发展,经济和科技的不断进步,传统人力资源管理模式已经难以满足社会发展的需要,人力资源管理即将出现变革。笔者首先对“互联网+”时代下人力资源管理的