基于多小波变换提高地震数据的分辨率

给出了设计接近地震子波的小波函数方法,使得地震信号的小波分解能量相对集中,有利于做各种处理;通过选出最匹配子波的的小波函数,做多小波变换;利用分频处理函数来补偿石油勘探中地震数据中损失的高频成分,以提高石油勘探中地震数据分辨率.通过对反射信号的高频成分进行补偿,可使地震剖面的主频得到很大提高,频宽得到扩展,可获得较高分辨率的地震剖面.从实际数据处理结果可以看出,方法是可行的且是有效的.     

小波分析方法在金融股票数据预测中的应用

利用小波分析预测方法对金融数据—股票收盘价这一典型的非平稳时间序列进行预测.使用M a llat小波分解算法对数据进行分解,对分解后的数据进行平滑处理,然后再进行重构,而重构之后的数据就成为近似意义的平稳时间序列,这样就得到了原始数据的近似信号,再应用传统时间序列预测方法对重构后的数据进行预测,将预测结果与实际值,以及和传统预测方法预测结果比较,小波分析方法预测效果更为理想.     

基于Curvelet域高斯尺度混合模型的地震信号降噪方法

结合曲波变换和高斯尺度混合模型提出地震信号随机噪声压制方法.该方法首先运用曲波变换对含有随机噪声的地震信号进行分解,然后对各小波子带系数分别建立高斯尺度混合模型估计出原始地震信号所对应的小波系数,最后经曲波逆变换重构获得降噪处理后的地震信号.仿真地震信号和实际地震信号的实验结果均表明本文方法能够有效压制地震信号中的随机噪声干扰,较多地保留了有效信号.     

股价指数时间序列的分形性质分析

用一种新的信号处理工具-小波变换,对股价指数数据进行分析,发现股价指数数据类似于一类更广的噪声一分形噪声,从而推广了传统上处理股价指数时间序列时总假定其为白噪声或高斯噪声的假设,用分形噪声能更好地刻划股价指数数据的波动特性.对上证指数和深证指数的实证分析显示,两市股价指数均存在正相关,我国股票市场不是弱式有效市场.实证也显示出小波变换是研究股价指数波动特性的一种有效的方法.     

时间序列预处理与信息噪声之间的关系研究——基于离散小波变换和ARIMA模型

时间序列的噪声等预处理是数据挖掘及建模过程中重要的一步,对系统分析与预测具有重要意义.基于改良的离散小波变换方法,以2009年5月14日至2019年5月14日为时间范围,以上证指数高频收益率日数据、低频收盘价日数据为实验样本进行去噪预处理,对比四类参数取不同值时的性能表现,并通过ARIMA模型验证预测效果.时间序列预处理与噪声之间不存在矛盾关系,小波方法适当消噪后也可以保留有用信息,提高了分析与预测的正确率.通过研究时间序列预处理与信息噪声之间的关系,期望可以为金融时序的深度挖掘、预测提供一定的指导意见.     

小波分析在经济预测模型中的应用

经济信号也是一种时间序列 ,它和小波分析中的信号具有相同的特性 .因此 ,可将经济时间序列看成经济信号 ,应用小波进行实际经济分析和预测 .论文针对最小二乘法的不足 ,提出了多分辨回归分析处理经济数据分析的方法 .本文在建立宏观模型时 ,利用小波分析对经济数据进行预处理 ,获得能反映宏观变化趋势的低频信息 ,再用最小二乘法进行拟合和预测 ,通过对传统最小二乘法建立的模型的对比分析 ,结果表明 :本方法优于一般最小二乘法 .     

基于Bubble小波变换的红外弱小目标检测

本文构造了一种在背景杂波中检验弱小目标的新方法 .该方法根据弱小目标与背景不同的红外辐射空间分布特性 .采用双线性插值自适应预测红外背景辐射空间技术 ,对背景空间红外辐射分布进行自适应预测 ,并在预测误差图像上用多尺度Bubble小波变换检验弱小目标 .红外图像序列的实际测试结果表明 ,该方法简捷实用 ,计算量小 ,精确有效     

Cgau小波变换像空间中的等距变换与反演公式

在以再生核Hilbert空间为连续小波变换像空间的基础上,针对Cgau小波(复数形式的Gauss小波),给出了其小波变换像空间的再生核的具体表达式.当固定尺度因子时,利用再生核空间理论,对Cgau小波变换像空间做了具体描述,分别给出了Cgau小波变换像空间中的等距变换和反演公式,这为进一步研究一般的小波变换像空间提供了理论基础.     

经济时间序列的连续参数小波网络预测模型

本文利用连续小波变换方法,给出一种连续参数小波网络。网络参数的学习采用一种类似神经网络的后向传播学习算法的随机梯度算法。另外,提出了一种借助小波分析理论指导网络参数赋初值的方法。进一步,通过对中国进出口贸易额时间序列预测建模的研究和仿真预测,提出了用连续参数小波网络建立经济时间序列预测模型的一般步骤和方法。预测结果表明,此模型具有较好的泛化、学习能力,可以有效地在数值上逼近时间序列难以定量描述的相互关系,所以利用连续参数小波网络建立的时间序列预测模型有较高的预测精度。     

小波变换在金融数据分析中的应用

市场上的数据,从本质上讲都是一种时间序列。它和小波分析中的信号具有相同的特性。因此,完全可以将这些经济时间序列看成信号,应用小波变换进行分析和预测。     

Unscented Kalman filter for time varying spectral analysis of earthquake ground motions

A novel parametric time-domain method for time varying spectral analysis of earthquake ground motions is presented. Based upon time varying autoregressive moving average (ARMA) modeling of earthquake ground motion, unscented Kalman filter (UKF) is used to estimate the time varying ARMA coefficients. Then, time varying spectrum is yielded according to the time varying ARMA coefficients. Analysis of the ground motion record El Centro (1940, N–S) shows that compared to Kalman filter (KF) based method, short-time Fourier transform (STFT) and wavelet transform (WT), UKF based method can more reasonably represent the distribution of the seismic energy in time–frequency plane, which ensures its better ability to track the local properties of earthquake ground motions and to identify the systems with nonlinearity. Analysis of the seismic response of a building during the 1994 Northridge earthquake shows that UKF based method can be potentially a useful tool for structural damage detection and health monitoring. Lastly, it is found that the theoretical frequency resolving power of ARMA models usually neglected in some studies has considerable effect on time varying spectrum and it is one of the key factors for ARMA modeling of earthquake ground motion.     

非平稳时间序列分析的WAVELET—改进GM(1,1)组合方法及其应用

提出非平稳时间序列分析的WAVELET—改进GM(1,1)组合方法.首先利用Mallat算法对非平稳时间序列进行小波分解;然后采用能量阈值选择策略对高频系数进行处理,并将其与低频系数进行小波重构;最后运用改进的GM(1,1)方法预测.该方法不仅能充分拟合低频信息,而且可避免对高频信息的过拟合.实验结果证明,该方法比传统的非平稳时间序列预测方法具有更高的预测精度.     

基于非线性混沌时序动力系统的预测方法研究

主要研究由混沌时序所确定的非线性动力系统的预测方法．研究了非线性自相关混沌模型的结构,模型阶数的确立技术．将神经网络和小波理论相结合,研究了小波变换神经网络的结构,给出了小波神经网络的学习方法;提出了一种新的基于小波网络的参数辨识方法．该方法可以有选择地提取时序中的不同的时间、频率尺度,实现原时序的趋势或细节预测．通过对混沌时序进行预处理,并比较预处理后的预测结果,得到了一些有益的结果:用非线性自相关混沌模型采用小波网络对模型参数进行辨识,其辨识的准确程度较高,用该模型对混沌时序(包括含有噪声)的预测比较有效．     

Unique Reconstruction of Band-limited Signals by a Mallat-Zhong Wavelet Transform Algorithm

We show that uniqueness and existence for signal reconstruction from multiscale edges in the Mallat and Zhong algorithm become possible if we restrict our signals to Paley-Wiener space, band-limit our wavelets, and irregularly sample at the wavelet transform (absolute) maxima—the edges—while possibly including (enough) extra points at each level. We do this in a setting that closely resembles the numerical analysis setting of Mallat and Zhong and that seems to capture something of the essence of their (practical) reconstruction method. Our work builds on a uniqueness result for reconstructing an L² signal from irregular sampling of its wavelet transform of Gröchenig and the related work of Benedetto, Heller, Mallat, and Zhong. We show that the rate of convergence for this reconstruction algorithm is geometric and computable in advance. Finally, we consider the effect on the rate of convergence of not sampling enough local maxima.     

Location of best simultaneous approximations

Amir and Ziegler have proved that a real normed space E of dimension ≥ 3 is an inner product space if and only if, for any x,y ε E and any two dimensional subspace M of E, the expression max(‖x — w‖,‖y — w‖) attains its minimum in some point w of each segment [u,v], with u and v, respectively, best approximations to x and y from M. We extend this result to expressions π(‖x — w‖,‖y — w‖), where π denotes a monotonic norm in R²     

波场逆向外推脊小波成像方法

地震偏移波动方程成像问题本质上讲是数学逆问题,传统方法求解采用的基函数具有明显的不足,针对其存在的不足,以及研究对象的地质构造特点,利用最新的具有较好光滑性、紧支性的Ridgelet函数基,以及能较好表征地质构造的平面或平面特征的数学分析工具;Ridgelet变换,提出了相应的改进方法,利用变换后系数的较好稀疏性,建立了多尺度脊小波波场递推成像计算方法。     

小波变换在膜蛋白跨膜螺旋区段预测中的应用

膜蛋白跨膜螺旋区段的预测是当前生物信息学研究的一个重要领域.提出了一种基于离散小波变换的预测膜蛋白跨膜螺旋区段数目和位置的方法.以PDB代码为1KQG的膜蛋白为例,描述了该方法对跨膜螺旋区段的数目和位置的预测分析过程.为了测试方法的实际效果,从最新的MPtopo数据库中随机抽取80条三维结构已知的膜蛋白序列作为测试集(含325个跨膜螺旋区),采用该方法对跨膜螺旋区段进行预测,其中308个跨膜螺旋区被准确预测到,预测准确率为96.3%.并且按照膜蛋白的功能和类型,把80条序列划分成13组,对每一组膜蛋白序列进行跨膜螺旋区段预测,达到了令人满意的结果.     

H~2(I)空间中的离散小波变换

1．Sobolev空间H2（I）,（I）和多尺度分析设J=[0.L],L是一个正整数．不妨设L＞4．Soblev空间（I）,（I）为易知（I）是具有如下内积的Hilbert空间是（I）的一个范数．利用山中建立的三次样条小波,我们给出一个内尺度函数p（x）和一个有紧文集的边尺度函数pb…）：易知pN满足双尺度方程对任意人（E尽Z是整数集合,记且今N是由忡人以一：0三k三ZjL一头w。,j（x）,w＆tj（L－x）｝张成的线性空间,即根据山可以建立,N,jEZ”是如下意义下具有范数（1．购的瑞（I）空间的一个多尺度分析（＊＊A）：（tv）对每个JEZ”,忡j,…