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.     

模板匹配滤波技术在地震数据处理中的应用

模板匹配滤波技术(Matched Filter Technique,MFT)是一种近几年发展迅速的可用于检测遗漏信号的算法,在图像识别、行星探测等众多领域均有广泛应用。在地震学中,该技术通过扫描连续波形找出模板事件附近发生的、与模板事件相关性较好的遗漏地震事件,可用于完善地震目录,实现对地震活动性以及区域应力状态的更好刻画。本文综述了模板匹配滤波技术在地震数据处理中的应用,首先概述基本原理,其次介绍该方法用于探测各类地震事件的实例,包括前震和余震、远程动态触发地震、诱发地震和非火山震颤等,最后展望了用于提高算法效率及探测精度的一些改进方法。     

基于测震观测的波形分析应用软件WAVE2005

首先概述了数字地震波形分析的重要性及该领域一些主要波形分析软件的概况,然后介绍了《数字地震波形分析-WAVE Version 2005》软件的设计目标、研制思路、系统特点、框架结构、操作界面、技术特点、方法功能等;最后给出了一个应用的实例.     

台站地震资料的时频域自适应极化分析和滤波

提出一种自适应协方差的时频域极化滤波方法。该方法在广义S变换时频方法的基础上,构造时频域自适应协方差矩阵,通过特征分析计算时频域瞬时极化参数,设计极化滤波器,实现多分量地震极化分析和滤波。其优势在于协方差矩阵的分析时窗的长度由多分量地震数据的瞬时频率确定,可以自适应于有效信号的周期,在每个时频点计算极化参数不需要进行插值处理;结合时间频率信息,解决在时间域或频率域波形或频率重叠的信号具有明显的直观性。模型数据及实际三分量台站地震数据处理结果表明,该极化滤波方法在台站地震资料分析和处理方面具有很好的直观性和较高的分辨率。     

用于地震观测的瞬态滤波研究

目前,地震数据采集器使用的最后两级数字滤波器相位有最小相位和线性相位两种,相位特性直接影响着记录的地震数据波形质量.最小相位滤波的优点是:地震波形没有“前缀”波形出现,不会干扰分析人员对震相的判读;其缺点是:通带边沿频率附近不同频率分量群时延差异较大,导致最小相位滤波会带来波形失真,对初动半周期的波形影响显著.     

天然地震与人工爆破波形信号HHT特征提取和SVM识别研究

天然地震和人工爆破信号属于非线性非平稳信号,而传统信号分析方法是针对线性系统平稳信号的,本文采用希尔伯特—黄变换(Hilbert-Huang Transform,简称HHT)试图提取可明确区分天然地震和人工爆破事件的波形特征.通过经验模态分解(Empirical Mode Decomposition,简称EMD)把原信...     

基于改进经验模态分解的地震弱信号增强处理方法

针对地震反射信号经验模态(EMD)分解过程中出现的混叠及分解重建失真等问题,本文提出一种改进的EMD分解方法.首先对地震信号进行小波转换,对转换分解得到的信号高频部分进行噪声压制处理,然后将转换后的结果再进行EMD分解;针对频带宽度、振幅大小变换,提出了地震信号EMD分解的分段控制停止准则,根据主频带宽,确定相应的时窗长度,并采用各个时窗段部分叠置衔接的方法,最后对每段结果再利用单调函数停止准则进行变换,该方法有效避免了计算结果的时窗效应.通过实际资料处理对比分析,改进的EMD分解方法较以往常规EMD分解方法,在分解结果的可靠性、分解精度及非线性弱信号时频分析能力等方面都具有显著的改善,为提高薄层地质体识别能力提供了有力的技术手段.     

用于地震观测的瞬态滤波试验数据分析

地震数据采集器中的滤波技术是影响地震观测数据质量的重要因素。本研究通过实测数据对比分析了最小相位滤波、线性相位滤波和瞬态滤波对观测数据的影响程度。实测波形数据证实了理论分析的预期,最小相位滤波在观测地方性微小地震时,初动半周期及后续波的失真均较大,利用波形作深入研究时,应注意该失真的影响;线性相位滤波引起的"前缀"可能会干扰震相的正确判读,不宜用于以震相分析为主要用途的地方震观测;瞬态滤波兼有前两类滤波的优点而无其缺点,是观测地方震和水库地震的优良滤波技术,但应用瞬态滤波必须提高采样率。     

CEEMD与小波变换联合去噪方法研究

作为经验模态分解(EMD)的改进型算法,完备总体经验模态分解(CEEMD)不但有效解决了EMD的模态混叠问题,同时也保留了EMD处理非平稳信号的优势,如自适应性、二进滤波特性等.CEEMD能自适应地将一个复杂信号分解为一系列本征模态函数(IMF)分量,且IMF分量满足从高频到低频系列分布,随机噪声往往分布在第一个或前几个高频IMF分量.考虑到地震信号的非平稳性和去噪方法对非平稳信号的适应性,针对CEEMD直接舍弃高频IMF分量去噪容易造成高频有效信息损失以及小波阈值去噪方法存在的不足,本文提出了一种基于CEEMD的小波阈值去噪方法.该方法首先引入自相关曲线判别出含噪较多的高频IMF分量,然后对CEEMD直接去噪要舍弃的这些含噪高频分量进行小波阈值降噪,以保留这些分量中的高频有效信息,最后与不含噪声的其他IMF分量一起重构原信号.模型和实际地震数据试算结果表明,该方法在显著提高地震数据信噪比的同时,能有效地保留原信号中的高频有效成分和弱信号信息,是一种相对保幅的有效去噪方法.     

基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法

在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解（CEEMDAN）算法与Hurst指数相结合的地震数据去噪方法。首先通过CEEMDAN方法将信号分解为一系列本征模函数（IMF）,然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪。与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32%,将高信噪比波形的去噪效果提高6倍。同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除。     

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。     

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、数值仿真与形变信号滤波试验

首先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特定滤波器的算法, 然后通过对已知数据的仿真检验, 认为该方法在分解与重构滤波器方面具有较高的精度, 最后通过对形变数据中几类典型干扰信号的初步试验与对比分析, 可看出获得了满意的处理效果。 综合分析认为, 经验模态分解及其组合滤波器在干扰消除或某些频率成分滤波与研究中具有重要意义, 可作为形变数据预处理中一种行之有效的数据分解方法。     

基于EMD的IMF时域统计特征提取及其应用于震动事件源类型识别研究

文章对地震波形进行经验模态分解(EMD),对分解后的内模函数(IMF)进行时域特征提取,由所提取的特征对天然地震和人工爆炸2类事件源类型进行分类识别,结果表明,由IMF所提取的时域特征具有良好的区分识别能力.采用经验模态分解将原波形信号分解为7个内模函数和残差函数,对原波形、每个内模函数和残差函数分别提取26个时域统计...     

IP/VPN准实时传输地震波形数据的质量分析和效益评价

本文介绍了广东数字地震遥测台网数据传输的各种方式,分析了IP/VPN准实时传输地震波形数据的传输质量,总结出了IP/VPN传输具有无丢数误码、断点续传、经济实惠、安全可靠等特点,该技术的使用不仅使地震波形数据传输的质量大大提高,运行率完全达到规范要求,而且提高了台网地震监测能力、扩大了台网监控范围;为加强地方地震工作发挥了重要的作用,取得了明显的社会、经济效益。     

A technique to improve the empirical mode decomposition in the Hilbert-Huang transform

The Hilbert-based time-frequency analysis has promising capacity to reveal the time-variant behaviors of a system. To admit well-behaved Hilbert transforms, component decomposition of signals must be performed beforehand. This was first systematically implemented by the empirical mode decomposition (EMD) in the Hilbert-Huang transform, which can provide a time-frequency representation of the signals. The EMD, however, has limitations in distinguishing different components in narrowband signals commonly found in free-decay vibration signals. In this study, a technique for decomposing components in narrowband signals based on waves’ beating phenomena is proposed to improve the EMD, in which the time scale structure of the signal is unveiled by the Hilbert transform as a result of wave beating, the order of component extraction is reversed from that in the EMD and the end effect is confined. The proposed technique is verified by performing the component decomposition of a simulated signal and a free decay signal actually measured in an instrumented bridge structure. In addition, the adaptability of the technique to time-variant dynamic systems is demonstrated with a simulated time-variant MDOF system.     

基于Hilbert-Huang变换和随机子空间识别的模态参数识别

基于Hilbert-Huang变换和随机子空间识别技术提出了两种土木工程结构的模态参数识别方法。方法一是基于Hilbert-Huang变换和自然激励技术,通过经验模态分解和Hilbert变换提取信号的瞬时特性,进而利用自然激励技术和模态分析的基本理论识别结构的模态参数;方法二是基于经验模态分解和随机子空间识别技术,通过经验模态分解对信号进行预处理,进而运用随机子空间识别方法处理得到的结构单阶模态响应以识别结构的模态参数。利用这两种方法,通过对一12层钢筋混凝土框架模型振动台试验测点加速度记录的处理,识别了该模型结构的模态参数。识别结果与传统的基于傅里叶变换的识别结果及有限元分析结果的对比验证了这两种方法的可行性和实用性。     

地震事件自动判断方法研究

地震事件的自动判断是自动定位系统中至关重要的部分。本文结合数字波形特征的实际模型,提出了一套符合计算机化运行模式的新方法。对波形进行预处理后采用传统STA/LTA方法、波形延续性、台站集中性三者相结合的判断方法,有效的排除了干扰台站,保证了地震事件自动判断的准确性,并在实际运行过程中得到很好的验证。     

基于Hilbert-Huang变换和随机减量技术的模态参数识别

傅里叶分析的信号处理方法对非线性、非平稳信号的处理能力差,传统的模态参数识别方法也存在阻尼比识别精度不高的问题。基于Hilbert-Huang变换和随机减量技术提出了一种新的、实用的模态参数识别方法,首先对结构振动信号进行滤波处理和经验模态分解,得到若干阶本征模态响应,然后利用随机减量技术提取自由衰减响应,进而由Hilbert-Huang变换得到信号的瞬时特性,最后结合模态识别的基本理论识别结构的模态频率和模态阻尼比。为了验证这一方法的有效性,对12层钢筋混凝土框架模型振动台试验一测点的加速度记录进行了处理,识别了模态参数,识别结果与其它识别方法及有限元分析结果的对比表明该方法识别模态频率是可靠的,而模态阻尼比识别的精准性仍然难以确认。     

Output only modal identification and structural damage detection using time frequency ＆ wavelet techniques

The primary objective of this paper is to develop output only modal identifi cation and structural damage detection.Identif ication of multi-degree of freedom(MDOF) linear time invariant(LTI) and linear time variant(LTV—due to damage) systems based on Time-frequency(TF) techniques—such as short-time Fourier transform(STFT),empirical mode decomposition(EMD),and wavelets—is proposed.STFT,EMD,and wavelet methods developed to date are reviewed in detail.In addition a Hilbert transform(HT) approach to determine ...