基于经验模态分解的形变信号滤波处理与异常提取

本文介绍了经验模态分解的方法与原理,给出了由经验模态分解产生的固有模态函数重构组合滤波器的原理与详细算法。通过对形变观测中典型干扰信号的综合处理、异常提取试验及其所取得的效果,综合分析认为,经验模态分解组合滤波器方法可作为形变观测数据处理中一种新的行之有效的分析方法。     

经验模态分解法对高频形变干扰分析中应用

本文通过经验模态分解法(EMD)对辽宁省典型形变干扰异常进行分析。通过对形变数据的分解,发现该方法能提取不同尺度的干扰异常,效果较好。然后对不同尺度的形变信号进行分析,剔除高频噪声信号,对形变观测曲线进行重构滤波,发现该方法可以去除信号干扰噪声,提高信噪比,可作为形变观测数据处理中的一种行之有效的数据分解方法。     

经验模态分解法在安徽省南部地下流体分析中的应用

首次引进经验模态分解法（EMD）对安徽省南部地下流体进行分析。通过对地下流体数据的分解与重构,发现该方法能提取不同尺度的水位动态,效果较好。通过对震例的总结发现：显著地震前、后安徽省南部地下流体EMD重构结果均出现异常,且存在某些地震前兆敏感点。同时,还对地震前地下流体的变化原因进行了初步分析。     

基于VMD算法在地震数据时频分析中的应用

受新开发的变分模态分解(VMD)的启发,本文引入一种基于VMD的时频分析方法来分析地震数据.VMD的原理是将信号分解成具有一定中心频率的模态分量,通过这些分量来重构原始信号.这种分解方式可以降低各个模态中的残余噪声,同时进一步减少冗余的模态,很好的克服了模态混叠问题.此外,VMD是一种自适应信号分解技术,它可以非递归地将多分量信号分解为几个准正交固有模态函数,与EMD及其推广(如EEMD,CEEMD)相比,有坚实的数学基础.将VMD方法与CEEMD方法进行比较,对合成数据进行测试显示了基于VMD的时频分析方法具有更好的时频聚焦性,同时对实际数据处理也表明该方法具有突出地质特征和地层信息的潜力.     

HHT的滤波特性及在声波测井波列信号处理中的应用(英文)

阵列声波信号是典型的非线性、非平稳信号,Hilbert～Huang变换（HHT）是处理非平稳信号的一种比较新的时频分析方法。通过对信号进行经验模态分解（EMD）和对瞬时频率的求解,可以获得声波信号的时一频谱。其关键技术就是进行经验模态分解,任何非平稳的信号都可以分解为有限数目并且具有一定物理意义的固有模态函数。EMD方法可以理解为以声波信号极值特征尺度为度量的时频滤波过程。滤波器充分保留了声波信号本身的非线性和非平稳特征,在声波信号的滤波和去噪中具有很大的优势。文中介绍了HHT时频滤波的实现过程,并列举了一些声波测井波列实例,说明了该方法的有效性。     

地震前兆多尺度综合信息函数及其初步应用

本文基于经验模态分解技术,构造多尺度地震前兆异常提取的综合信息函数,获得多尺度信息量。首先介绍了该方法的技术思路,然后通过对前兆时间序列进行经验模态分解,在各阶IMF和重构时序基础上计算其信息量,最后通过震例分析表明,该方法是有效的,思路是可行的,处理结果也是有意义的。     

基于高通滤波的频率-空间域经验模态分解压制高频噪声

高频噪声压制是高分辨率地震数据处理中提高信噪比的关键性问题.本文针对f-x(频率-空间)反褶积空间预测滤波器无法处理非平稳、非线性信号的缺点,提出了一种基于高通滤波的频率-空间域经验模态分解(Empirical Mode Decomposition in the frequency-space domain,f-xEMD)压制地震剖面中高频噪声的方法.该方法采用全域高通滤波从原始数据中分离出含有部分有效信号的高频数据,将其变换到f-x域,然后在滑动的短窗口内提取每一个频率的空变数据序列进行EMD分解得到高频复本征模态函数(Intrinsic Mode Function,IMF)IMF1,将所有频率的IMF1序列反Fourier变换到时间域得到噪声剖面,将其与原始数据相减,达到高频噪声压制的目的.该方法可克服传统EMD分解方法中的模态混叠现象,保护陡倾角反射同相轴;压制后的噪声剖面中不包含有效信号能量,地震剖面的信噪比得到了提高.模拟数据和实际数据处理结果充分证明了该方法的有效性.     

多尺度合成信息量在形变观测资料异常识别中的应用

经验模态分解的主要思想是把时间序列分解成一组不同尺度的、内在的、客观的固有模态函数,该函数具有调频调幅稳态性质,相当于窄带滤波结果,可获得具有频带属性信息,可满足形变信息量计算中客观的统一的预处理设想,又能兼顾各频段异常信息的多尺度提取与最大化有效挖掘的目标.     

经验模态分解法在地震资料处理中的应用试验

通过对多种连续小波基的平稳序列时频分析,提出经验模态的非平稳序列的时频分析方法,并在地震资料处理解释应用中作探索性试验.试验结果表明：对地震记录道长为5 s和2 ms采样资料,经验模态分解后可获得6-7个固有模态函数单分量,分解的第一个分量C1（t）具有较宽的频率成分,可作为地震属性的主分量.     

利用变分模态分解(VMD)和匹配追踪(MP)联合压制音频大地电磁(AMT)强干扰

为了有效分离矿集区音频大地电磁（AMT）信号中的大尺度强干扰、抑制近源效应,本文提出利用变分模态分解（VMD）和匹配追踪（MP）联合压制AMT强干扰的方法.首先,对比了VMD与经验模态分解（EMD）、固有时间尺度分解（ITD）的处理效果,验证了VMD在避免模态混叠和端点效应方面的优势;讨论了VMD中模态个数对典型大尺度强干扰的去噪性能,并选择合适的模态初步获取待处理信号的重构信息.然后,运用MP对VMD重构信号做二次信噪分离处理,进一步滤除残余的尖脉冲干扰.通过对模拟和实测数据的分析处理,以及与远参考法结果对比,本研究能有效剔除时间域序列中的大尺度强干扰,且重构信号中保留了更多的低频缓变化信息和细节成分,近源干扰得到有效压制;视电阻率-相位曲线更为光滑、连续,低频段的数据质量得到明显改善,其结果能更为真实、可靠地反映地下电性结构信息.     

基于EMD与关联维的储层识别(英文)

在储层发育带,通常地震波波形会变复杂,所以关联维会变小。但由于地震波是有一定带宽的信号,波形受这个带宽内所有频率成分的影响,如果直接进行关联维的计算,其结果往往不能很好地反映储层。鉴于这种情况,提出了经验模态分解（EMD）与关联维相结合的方法,利用EMD对地震波进行分解,对分解后的每一个平稳的固有模函数（Intrinsic ModeFunction,IMF）分量进行关联维计算,将计算结果与有效的IMF分量进行储层预测。利用该方法对xx区三叠系中油组进行了试算,取得了较好的效果。     

希尔伯特-黄变换地震信号时频分析与属性提取

地震信号属于非线性和非平稳信号,传统的分析方法主要包括短时傅立叶变换、小波变换和Cohen类时频分布等等;希尔伯特-黄变换是分析非平稳信号的新方法,该方法的关键部分是信号的经验模态分解,通过经验模态分解,复杂的信号可以分解为有限的数量很少的几个固有模态函数,从而可以得到信号的希尔伯特时频谱;将该方法应用于单个的地震道数据,可以对地震道进行经验模态分解并得到希尔伯特谱,应用于地震剖面,可以得到意义更加明确的瞬时频率和瞬时振幅等地震属性,模型试算和实际应用表明了该方法的有效性.     

基于经验模式分解的随机子空间识别方法

提出了基于经验模式分解（EMD）的环境激励结构模态参数随机子空间识别（SSI）方法。该方法用设置间断频率的EMD将结构环境振动响应原始信号分解成若干个基本模式分量（IMF）,使每一个基本模式分量仅为结构的某一阶固有模态,进而用随机子空间方法进行模态参数识别。实桥环境振动实验分析结果表明,该方法能有效地避免结构各阶模态之间的相互影响,能够更清晰方便地得到结构的模态参数。     

基于经验模态分解的分数维地震随机噪声衰减方法

经验模态分解算法(EMD)是一种基于有效波和噪声尺度差异进行波场分离的随机噪声压制方法,但由于实际地震数据波场复杂,导致模态混叠较严重,仅凭该方法进行去噪很难达到理想效果.本文基于EMD算法对信号多尺度的分解特性,结合Hausdorff维数约束条件,提出一种用于地震随机噪声衰减的新方法.首先对地震数据进行EMD自适应分解,得到一系列具有不同尺度的、分形自相似性的固有模态分量(IMF);在此基础上,基于有效信号和随机噪声的Hausdorff维数差异,识别混有随机噪声的IMF分量,对该分量进行相关的阈值滤波处理,从而实现有效信号和随机噪声的有效分离.文中从仿真信号试验出发,到模型地震数据和实际地震数据的测试处理,同时与传统的EMD处理结果相对比.结果表明,本文方法对地震随机噪声的衰减有更佳的压制效果.     

Hilbert-Huang变换方法研究进展

自然过程大都具有非线性非平稳性,一种自适应数据分析方法对于分析这些过程来说是极其必要的。Huang于1998年创立的H ilbert-Huang变换(HHT)就是这样一种自适应性非线性非平稳数据分析方法,该方法由经验模态分解(EMD)和H ilbert变换两部分组成。文中首先详细解释了HHT的思想和基本理论;然后介绍了该方法近期的重要研究进展,列举了其在科研和工程领域的应用;最后,对方法中仍然存在的问题进行了讨论。     

经验模分解及小波分析在结构损伤识别中的应用:试验研究

本文利用一个三层剪切型结构模型在各种激励下的振动台试验，研究经验模分解（empirical mode decomposition，EMD）和小波分析（wavelet analysis，WA）在结构损伤识别中的应用。研究针对结构刚度突然损失的损伤类型，并在试验中通过连接在模型两侧的弹簧的断裂来模拟。利用EMD和WA分析试验记录到的结构加速度信号来识别结构损伤发生的时刻和位置。试验结果表明，EMD和WA方法均可利用分解信号中的尖峰准确识别结构损伤发生的时刻，并利用信号尖峰在结构上的空间分布来确定损伤位置。研究表明，EMD和WA都是进行结构在线检测的良好方法。     

EMD新技术在数字波形预处理中的初步应用

介绍了EMD技术,给出由该技术产生的固有模态函数重构数字地震波形信号处理中所用滤波器算法。然后利用该方法对实际波形信号进行了初步处理,处理结果表明,基于EMD的滤波技术具有许多其它分析手段所不具备的特点,是一种新的滤波方法,可用于数字地震波形信号的预处理。