
-
生物通官微
陪你抓住生命科技
跳动的脉搏
离散小波变换在深拖磁测数据去噪中的应用——四种小波族性能评估与参数优化
《Scientific Reports》:Denoising of deep-tow magnetic anomalies based on discrete wavelet transform
【字体: 大 中 小 】 时间:2026年09月27日 来源:Scientific Reports 4.9
编辑推荐:
摘要深拖磁测通过将磁强计部署在靠近海底的位置,获取高分辨率的磁异常数据,然而此类数据集不可避免地受到复杂噪声的污染。本研究采用离散小波变换(DWT)对深拖磁测数据进行处理,并系统评估了四种小波族(Haar、Daubechies、Symlet和Coiflet)的去噪性能。评估使
深拖磁测通过将磁强计部署在靠近海底的位置,获取高分辨率的磁异常数据,然而此类数据集不可避免地受到复杂噪声的污染。本研究采用离散小波变换(DWT)对深拖磁测数据进行处理,并系统评估了四种小波族(Haar、Daubechies、Symlet和Coiflet)的去噪性能。评估使用具有不同噪声强度的合成磁模型以及西太平洋海域采集的深拖磁测剖面进行。结果表明,母小波的选择对去噪性能具有关键影响:Haar小波在高分解层数时会产生明显的阶梯伪影,并严重扭曲磁异常的形态特征,而Daubechies、Symlet和Coiflet小波则能提供更好的噪声抑制和信号保真度。去噪效果随分解层数的增加而提高,但过度分解会导致过度平滑,消除微弱的异常信号。因此,结合敏感性测试与定量指标确定最优分解参数。本研究验证了DWT是一种高效且稳健的深拖磁测数据去噪技术。