匹配相减算法及答案.ppt

匹配相减算法及其应用 报告内容 匹配相减算法概述 模型试验 匹配相减去噪 1.线性噪音 2.多次波 匹配相减算法概述 匹配滤波器设计 1. 单道匹配相减 2. 常规多道匹配相减 3. 伪多道匹配相减 4. 扩展的多道匹配相减算法 模式识别 基于盲信号分离的独立分量分析 单道/多道匹配滤波器的目标函数 匹配滤波器 N=1，单道匹配滤波器 N>1，常规多道匹配滤波器 （扩展的）伪多道匹配滤波器 共轭梯度法解方程组 简单模型 信号交叉模型 Primary Noise 噪 音 信 号 伪多道 模型去噪结果及分析 Signal with noise Signal after denoise (noise model f=40Hz) Signal after denoise (noise model f=60Hz) Signal after denoise (noise model f=20Hz) 如何构建新的基函数？ 不同频段数据作为基函数？ F / Hz 1 噪音信号fpeak=60 基函数f=0:20 基函数f=15:35 基函数f=45:65 基函数f=30:50 基函数f=60:80 _ 不同频段数据作为基函数效果得不到保证 目标函数的改进 引进L1范数 L1范数和L2范数的联合基函数 分析 频率 幅值 相位 有效波+噪音 频率(fs) 预测的噪音 频率（fn） Fs <fn； 构造平移基函数； Fs >fn； 构造高频基函数；高频重建？ 注意频率所指： 子波频率？ 数据频率？ 平移基函数构造 平移步长可调整 ........ 子波置换的目标函数 可行性：在一段时窗内，可近似认为子波波形不变化 Wp: 子波变换频谱 Wm: 噪音数据中子波频谱。 实现步骤 1. 对噪音数据中子波进行傅里叶变换， 2. 尺度变换 3. 频移 4.傅里叶反变换得到变换后的子波