MATLAB环境中应用高分辨率二维时频分析方法——同步压缩小波变换与曲波变换在混合地震数据分离中的应用,MATLAB环境下同步压缩小波变换与曲波变换在混合地震数据波状分量提取中的应用研究,MATLAB环境下使用二维高分辨时频分析方法提取波状分量（分离混合地震数据）
同步压缩小波变SST是一种新的时频能量排谱算法，与之前的谱重排方法不同，同步压缩小波变是只对频率进行重排，可以重构原始信号，因此受到了广泛的欢迎。
近年来，以同步压缩变为核心发展了多种时频变方法，包括同步压缩短时傅里叶变和同步压缩S变，同步压缩小波包变等。
随着对地震勘探精度要求的越来越高，这些高分辨率时频分析方法也在不同的地震处理问题上展现了自身的优势。
同步压缩变作为一种新发展起来的时频分析方法，将会在地球物理领域有更进一步的发展和应用。
曲波变具有强大的多尺度分析和多方向分析的能力，在地震勘探领域得到了广泛的应用。
可以利用曲波变进行随机噪声和相干线性噪声衰减；可以利用自适应调整曲波阈值来压制随时间空间改变的非相干噪声；可以在曲波域进行稀疏反褶积去除随机噪声；可以在贝叶斯框架下利用曲波稀疏性压制面波；可以将曲波和奇异值
2025-05-10 22:07:23
249KB
1
cwt原始码MATLAB
用Python进行同步压缩
同步压缩是一种功能强大的重新分配方法，可以集中时间-频率表示，并允许提取瞬时幅度和频率。
特征
连续小波变换（CWT），正向和反向及其同步压缩
正向和反向短时傅立叶变换（STFT）及其同步压缩
小波可视化和测试套件
广义摩尔斯小波
岭提取
Python
1中最快的小波变换，击败了MATLAB
1：随时打开问题显示否则
安装
pip
install
ssqueezepy
。
或者，对于最新版本（最可能稳定的版本）：
pip
install
git+https://github.com/OverLordGoldDragon/ssqueezepy
GPU和CPU加速
默认情况下启用多线程执行（通过os.environ['SSQ_PARALLEL']
=
'0'禁用）。
需要并安装了GPU（可通过os.environ['SSQ_GPU']
=
'1'启用）。
pyfftw支持最大的CPU
FFT速度（可选）。
看
。
基准测试
。
转换使用padding，
float32精度（支持float64
）和输出形状(300,
len(x))
，平
2021-10-09 19:44:59
46.92MB
1
本文件包含同步压缩小波变换（正逆变换），以及短时傅里叶变换的时频分析程序，以及相关的一些绘图程序，希望能够带大家有所帮助
2021-03-09 13:59:16
118KB
1