基于聚类经验模态分解的地球天然脉冲电磁场时频与能量谱分析:以芦山M_S7.0地震为例

针对地球天然脉冲电磁场信号的非平稳、非线性特点,本文采用基于聚类经验模态分解(EEMD)提取信号时频特性的方法,有效获得了芦山MS7.0地震前地球天然脉冲电磁场信号的时频分布特性、瞬时能量谱、能量集中分布的频段、最大振幅对应的时频分布等特性。对比经验模态分解(EMD)的希尔伯特-黄变换(HHT)方法,EEMD有效抑制了以往EMD分解过程中所出现的模态混叠问题。文章还将EEMD和傅里叶变换、小波变换进行了对比研究。结果表明,对于非平稳的地球天然脉冲电磁场数据,采用EEMD分解的HHT方法更能反映出原始数据的多种固有特性,便于进一步了解地震前地球天然脉冲电磁场的特点。     

地震信号时频分析中的希尔伯特黄变换研究

随着时频分析方法的发展,生产研究上对复杂信号的时频分析有了更高的要求。这里简要介绍了希尔伯特—黄变换的原理和实现步骤,然后对合成信号进行经验模态分解(EMD)和希尔伯特谱分析,进而将HHT方法运用到实际地震信号的时频分析中。在此基础上,运用经验模态分解对合成地震信号进行了阀值去噪,证明了该去噪方法的有效性。     

改进的F-X域EMD去噪在井间地震数据处理中的应用

井间地震作为一种高分辨率地震方法在数据采集时存在大量的随机噪声。笔者采用改进的F-X域经验模态分解(empirical mode decomposition,简称EMD)方法,将信号转换到F-X域后分解成一系列固有模态函数,进而通过滤波来达到去噪目的。通过对理论数据和实际井间地震数据的处理与分析,得出如下结论:此方法不依赖于基函数的选择,具有很强的自适应性,对于消除井间地震数据中的噪声以及提高地震数据的信噪比有较好的效果。     

Hyperion高光谱影像的经验模态分解及其几个问题的探讨

通过经验模态分解(EMD)方法,可以把高光谱曲线分解成一系列由高频到低频的本征模态函数(IMF),从而可以从不同层次分析高光谱数据特征,并进行特征提取.把EMD方法用于Hyperion高光谱数据处理,通过对每一个像元的高光谱曲线进行经验模态分解,构成IMF系列影像.通过分析IMF影像表明:对于不同的地物,其IMF也不同;不同波段,不但其噪声水平不同,而且噪声性质也不一样;原始影像的Smile效应在IMF中可以明显表现出来.由于IMF影像与原始影像的波段有一一对应的关系,因此与其它信号分析方法(如小波分析及FFT方法)相比,EMD方法得到的结果更直观,更易于数据分析.但是EMD结果受极值、插值方法、IMF判别准则以及端点效应的影响较大.     

基于变分模态分解算法的探地雷达信号去噪研究

探地雷达信号属于非平稳信号,容易受到干扰噪声影响导致探测能力降低.为了消除雷达信号的噪声,经验模态分解(EMD)、总体经验模态分解(EEMD)和完全总体经验模态分解(CEEMD)等方法被应用到雷达数据处理中.EMD虽然不断被改进,但仍存在一些不足,例如容易受到噪声干扰,存在模态混叠现象,依赖经验性等问题.因此笔者采用变...     

改进的EMD时频分析地震资料高分辨率处理方法及其应用研究

针对地震波地下传播过程中深层的高频成分损耗严重,导致分辨率下降的现象,而常规高分辨率处理受到局限性较高、成本高、处理周期长问题,基于EMD(经验模态分解)自适应分频的思想,提出了一种改进常规高分辨率处理的方法—基于EMD时频分析地震高分辨率处理。该方法的核心在于依据地震数据本身的时间尺度特征,使用EMD算法进行模态分解,能够在保留该数据本身的特性情况下,将地震信号自适应分解为有限个IMF(本征模态函数),分别对得到的每个IMF进行高分辨率处理,最后叠加得到高分辨率的地震数据。本方法适用于非平稳信号,无假设条件,且无需知道Q值,为解决高频补偿问题提供了一条全新的思路,理论模型测试和实际地震资料的运用表明,该方法能有效提高地震资料分辨率,在薄互层识别方面也有较好的应用前景。     

基于二维经验模态分解的重磁异常分离

由于地质过程的复杂性及成矿过程的多期次叠加性,原始重磁异常往往是多种地质因素的混合信息,既包含区域背景异常信息,也包含与矿床(体)、矿化蚀变带以及隐伏岩体等与找矿密切相关的地质要素所引起的局部重磁异常.如何从复杂的叠加重磁异常中分离出具有找矿意义的局部异常,是当前矿产勘查和资源潜力评价工作中面临的难题之一.采用经验模态分解(EMD)方法来分解重磁异常,为提高分解的稳健性提出了用双调和样条插值(BSI)进行包罗面插值的新方法,并以云南个旧地区重磁数据为例,对其进行非线性多尺度分解,实现对区域异常与局部重磁异常的分离,揭示了深层次找矿信息并拓宽了经验模态分解方法的应用领域.      

裂缝性地层声波测井的联合时频特征

裂缝性油气藏越来越受到人们的重视,如何有效地识别和评价裂缝性地层也成为人们关注的一个焦点。Cohen类时频分析方法具有同时对信号的时间和频率进行分析的优点,同时Hilbert-Huang变换(HHT)中的经验模态分解（EMD）方法能将信号分解为有限个具有单分量特性的固有模态函数（IMF）,可以满足Cohen类时频分析对信号单分量的要求。尝试将这两种方法联合应用于阵列声波信号特性的提取,对地层不同性质裂缝的信号能量的时频分布特征进行分析,结果显示了这种联合时频分析方法在不同的裂缝性质地层中有不同的表现特征,对于实现裂缝性地层分析和评价具有一定的现实意义。     

经验模态分解和独立分量分解在航磁数据处理中的应用

以东天山1∶20万航磁数据为例,利用经验模态分解(EMD)方法对航磁数据进行分解,然后利用独立分量分析(ICA)方法对分解出的固有模态函数(IMF)数据进行重构。分解出来的从高频到低频IMF与地质体的分布具有一定的相关性,不同频率的IMF代表了一定的地质意义。经过ICA重构后的独立分量(IC)能够对异常IMF函数从盲源分离的角度进行有效的重构,其结果可以在一定程度上解释不同的地质事件对磁异常的贡献,并对构造识别和构造区域划分具有一定的指示意义。     

改进的完备经验模态分解和FWEO能量在南海油气识别中的应用

传统希尔伯特变换(Hilbert-Huang transform, HHT)是一种识别精度较差的时频分析方法，存在端点效应和模态混叠等问题。改进的完备经验模态分解(Improve Complete Ensemble Empirical Mode Docomposition, ICEEMD)可以将复杂的地震信号分解为一系列单分量信号，较好地解决模态混叠问题，但结合希尔伯特变换提取的瞬时振幅和瞬时频率，对处理实际地震数据仍然有严重的端点效应。FWEO(Frequency-weighted Energy Operator)是一种非负频率权重算子，其结合TK能量差分算法和Hirbert变换复分析思想，具有比Hilbert变换更高的时间分辨率。但由于算法本身的原因，FWEO能量只能应用于单分量信号，不能直接应用于复杂的地震数据。因此，这里结合改进的完备经验模态分解方法和FWEO能量分离算法的优点，提取南海某工区实际地震记录的瞬时振幅和频率信息，并将预测结果与测井数据对比，预测吻合程度好、识别精度高、证明该方法可以准确地反映储层特征。     

基于匹配追踪时—频分解技术的辫状河道油藏储层预测简

The braided channel sedimentary sand is a kind of common oil reservoir, which is characteristic of poor regularity structure and complicated oil water relation. Seismic trace can be remodeled by wavelet decomposition, namely seismic trace is decomposed into a series of different attribute wavelets. The different reflection is obtained by the different attribute wavelets, thus prediction accuracy of braided channel sedimentary sand is improved. The seismic signal treated by matching pursuit method has good focusing capability of instantaneous spectrum, based on which the seismic signal is simply and rapidly remodeled by time frequency decomposition. The seismic data of Kendong 701 area were processed based on matching pursuit time frequency decomposition. The results showed that the interpretability of oil reservoir was improved and the seismic reflection characteristics and drilling data were well related. The braided channel sedimentary sands of Minghuazheng and Guantao group strata in Kendong 701 area were predicted, and the results showed that the reservoir distribution had the obvious braided channel features. Based on the predictions, three wells were located and the prediction and drilled results were consistent.     

基于经验模态分解(EMD)的小波熵阈值地震信号去噪

针对EMD阈值去噪算法中阈值由经验选取以及无法有效区分各固有模态函数上有用信息的不足,本文对各固有模态函数进行小波变换,对各层小波系数进行相关处理,以突出有效信息,抑制噪声;将细节系数的有效信号和突变点置零并等分为若干区间,选取小波熵最大子区间的高频小波系数平均值作为噪声方差计算得到阈值。该阈值选取方法依据小波熵的特点,自适应地根据对应尺度上信号自身的能量特征确定该尺度阈值。将该算法应用于仿真信号和实际地震信号去噪,结果表明该方法优于基于EMD的小波阈值去噪,在提高去噪效果的同时,也更好地保护有效信号。     

不同域的局部平面波分解应用与对比

局部平面波分解的计算精度和计算效率对高斯波数偏移存在较大的影响。笔者分析了目前常用的时间域、频率域、频率波数域3种不同域的局部平面波分解方法,给出了3种不同计算方式下局部平面波分解的具体计算公式;并结合局部平面波分解的特征,针对不同域下的局部平面波分解算法采取合理的程序设计思想, 对多组模拟数据应用不同域的局部平面波分解算法进行计算精度和计算效率的对比。通过对比分析可知, 应用频率波数域的局部平面波分解,不但提高了计算的准确度, 而且相对于时间域和频率域局部平面波分解能够提高近60%的计算效率,为下一步进行偏移成像更高效地提供了精确的数据。     

基于奇异值分解和小波阈值方法的地震资料处理方法

奇异值分解是一种基于代数特征值的提取方法,小波变换是一种时间频率域的去噪方法,两者在去噪方面各有特点。将奇异值分解和小波阈值去噪的方法有机地结合起来,用于消除地震勘探资料中的随机噪声。仿真实验显示对于较低信噪比资料仍有很好的处理效果。     

τ-p变换的两种实现方法

τ-p变换是一种经典的函数投影变换方法,在地震数据处理中有着广泛的应用,可以根据地震数据射线参数的差异,实现信噪分离、地震道插值、平面波分解等。但是,由于τ-p变换的精度和分辨率受到相应数学反问题的限制,在保证较高变换精度的前提下,τ-p变换计算速度的加快,以及相应滤波算子的设计等都值得研究。本文提出了基于径向道变换的τ-p变换方法和基于斜率分解的τ-p变换方法,阐明了两种方法的基本原理并与常规τ-p变换方法进行对比。基于径向道变换的τ-p变换方法利用快速Fourier变换和径向道变换,能有效减少τ-p变换的耗时;基于斜率分解的τ-p变换方法运用斜率分解算法,能进行高分辨率τ-p变换,并且提供冗余变换维度（τ-x-p域）,使滤波器算子的设计更灵活。数值实验结果表明,两种实现方法分别在计算速度和重构精度上优于传统τ-p变换算法。通过面波噪声压制的实际数据处理和比较,证明本文提出的两种τ-p变换实现方法可以为实际处理提供更加有效和灵活的实施方案。     

时频域高分辨地震层序识别

地震信号频率随着时间的不稳定变化包含了地下反射层序特征的重要信息,时频分析是检测地震信号局部谱特征的重要工具。为适应实际地震信号处理,对S变换改进后得到一种新的广义S变换,用于分析和补偿地震信号的高频成分,得到了精细的地震层序识别剖面。实际资料处理表明,它对砂岩油气藏的成层特征的分析具有分辨率高和高信噪比的优点。地震信号的广义S变换时频谱分解可作为地震层序识别和解释的重要补充。     

小波分析在地震资料去噪中的应用

小波变换方法已广泛应用于信号处理领域。应用多尺度小波分析方法来消除地震观测信号中的噪声是一种行之有效的方法。这里从小波变换的基本原理出发,详细介绍了地震信号的阈值去噪原理,并根据模拟信号和实测地震信号的频谱分析,讨论了如何选择小波基及去噪过程中的阈值取值问题。从小波分解理论知道,利用多尺度分解方式对地震资料进行分析处理,相当于对实测地震资料进行不同尺度的细化分析,由于对不同地区、不同资料的精度要求不同,我们只要使用不同的尺度进行小波变换处理,就可以得到去除原信号的细部巨变(噪声干扰)特征的信号。同时,我们对小波变换处理后重构的地震信号与原信号进行了对比分析,误差结果分析表明该方法切实可行。我们还利用MATLAB语言及其小波工具箱,实现了对地震资料的去噪处理。     

基于经验模态分解的曲波阈值去噪方法

针对曲波阈值去噪方法阈值选取单一造成的有效信号损失或随机噪声压制不完全的问题,笔者提出了一种基于经验模态分解的曲波阈值去噪方法。该方法首先对带噪信号进行经验模态分解得到一系列固有模态函数,根据每个固有模态函数所含噪声强弱的不同,选取不同的阈值分别对分解得到的含噪固有模态函数进行曲波阈值降噪处理;最后将去噪后的固有模态函数与不含噪声的固有模态函数进行信号重构得到最终压噪的结果。由于引入经验模态分解,对分解得到的不同含噪程度的固有模态函数,选取不同的阈值进行处理,这样能够有效减小直接曲波阈值方法阈值选取单一产生的问题。模型和实际数据试算表明,该方法在提高数据信噪比的同时,能够有效地保留有效信号,是一种相对保幅的去噪方法。     

复小波频谱分析方法及在储层预测中的应用

针对短时窗傅立叶变换频谱分析方法存在窗函数选取不确定、分辨率固定、频谱分析精度较低等问题,采用了复小波分析方法对地震信号进行时频分析,选择复Morlet小波作为分析小波,对地震信号进行复小波变换,并将尺度域转换到频率域,获得了不同频率的时频特征水平切片;用理论模型说明了复小波频谱分析精度明显高于傅立叶变换的频谱分析.对新疆某油田实际资料的处理结果表明,复小波频谱分析能细致地反映储层的分布、位置及形态,其效果优于短时窗傅立叶变换方法.     

基于经验模态分解的MT数据脉冲类电磁噪声处理

电磁脉冲干扰是大地电磁测深系统(MT)信号的主要噪声之一,严重影响后续视电阻率和阻抗的计算及目标信息的提取。针对脉冲类噪声在时间域中的变化特征,利用经验模态分解（EMD）对脉冲类电磁噪声进行压制处理。首先,对大地电磁信号经EMD分解后得到N个本征模态函数（IMF）;然后,对每一阶的IMF选择一个合适的阀值,对于该IMF中超出该阀值的部分进行截断;最后,进行EMD重构。实测数据测试表明:改正后信号能量损失小, 与改正前信号相关性高, 可有效地抑制脉冲类噪声干扰。