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。     

基于EEMD的地震瞬时属性在砂砾岩中的应用

集总模态分解(EEMD)是经验模态分解(EMD)的一种改进算法,它克服了EMD中的模态混叠现象并可以有效抑制干扰信号。文中对EEMD方法进行理论试算,证实了其方法的改进效果及抗干扰能力,然后使用EEMD方法处理了中国东部某区块的砂砾岩地震资料,得到了不同频率的固有模态函数(IMF)分量;结合地质情况,找出了对砂砾岩敏感程度较高的IMF分量,并使用Hilbert变换计算出瞬时属性。将计算出的IMF瞬时频率与原始数据的瞬时频率对比得出前者对流体界面变化的识别能力高于后者。     

基于EMD去噪方法研究及其在地质勘探中的应用

论述了EMD分解的基本原理,研究了利用EMD分解进行信号去噪的方法.EMD把信号按照不同的特征尺度分解为不同频带的IMF分量,将含有噪声的高频IMF分量剔除,选择低频或者指定频带的IMF进行信号重构,即可达到去噪的目的.仿真信号与实测数据的处理结果都表明,该方法不但有效地去除信号中的确定性噪声和随机噪声,而且尽可能地保持了有效信号,减少了信号损失,提高了数据处理的准确性.     

基于局部均值分解的地震信号时频分解方法

在分析地震资料时,因吸收和衰减等原因,地震信号往往呈现出非稳态性。时频分解方法能将地震信号分解成多个稳态的子成分,从而为描述和分析地震信号的属性提供了便利,如短时傅里叶变换、小波分析、经验模式分解(EMD)等方法。本文引入了一种新的时频分析方法——局部均值分解(LMD)。该方法将地震信号按其时频属性分解成多个乘积分量信号(PFs),较EMD分解所得的固有模态函数(IMFs)保留了更多的局部信息,同时模态混叠效应更少。对模型数据和实际数据的处理结果验证了LMD方法能够合理地分解地震信号,更准确地描述地震资料中不同时间尺度的构造信息,为进一步的地震数据处理和解释提供参考。     

基于EMD分解的探地雷达信号瞬时频率分析

介绍了Hilbert-Huang变换中经验模式分解(EMD)的基本原理;讨论了实际探地雷达信号处理中EMD分解的终止条件;给出了利用内蕴模式函数(IMF)计算信号瞬时频率的计算公式。实际探地雷达剖面的HHT(Hilbert-Huang Transform)分析表明,由IMF得到的瞬时频率剖面对埋地目标的识别能力明显优于直接由探地雷达信号得到的瞬时频率剖面,并讨论了IMF的多分辨率特性。      

一种集成经验模态分解的样本熵阈值微地震信号降噪方法

微地震信号的采集过程中,会不可避免地混合非平稳随机噪声,传统的线性滤波和频谱分析方法对这种混合信号的去噪效果并不理想。针对这一需求,本文提出了一种新的降噪方法。首先对含噪声的微地震信号执行集成经验模态分解(EEMD),获取一系列不同频率成分的本征模态函数(IMF);为了区分这些IMF分量中的信号和噪声,文中通过计算各个IMF分量的样本熵,根据所设置的样本熵阈值来提取符合微地震信号特征的IMF分量,并对这些IMF分量进行信号重构,由此达到抑制随机噪声的目的。将提出的方法应用于模拟数据和实测微地震数据,均表明该方法具有理想的降噪效果。     

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。     

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。     

基于CEEMD和自适应中值滤波的大地电磁数据去噪研究

为提高大地电磁数据的信噪比,笔者提出基于互补总体经验模式分解(CEEMD)和自适应中值滤波的去噪方法,利用CEEMD将大地电磁时间序列数据分解成多个固有模态函数(IMF)及趋势项,依据噪声的高低频特征有选择地利用自适应中值滤波对固有模态函数(IMF)进行去噪,再进行数据重构。对实测数据进行处理,该方法能较好地抑制大地电磁数据中、低频部分的噪声干扰,抑制突变点,提高数据的信噪比。     

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。     

地震随机噪声压制及其初至走时拾取方法研究

针对具有较强随机噪声干扰的地震波形无法准确拾取初至走时的问题,提出在运用自动拾取算法前对地震随机噪声进行压制处理的思想。采用完备集合经验模态分解(CEEMD)联合小波阈值对地震信号进行噪声压制,与小波阈值法的联合使用可有效改善CEEMD方法中直接舍弃部分IMF高频分量,造成去除高频噪声的同时也将相应分量上的有效信息一并去除,进而导致信号失真的问题。采用改进滑动时窗能量比联合AIC信息准则法对去噪后的地震波拾取初至走时,该方法首先根据改进滑动时窗能量比法识别地震事件并大致确定初至时刻,然后在该时刻前后取一时窗,使用AIC方法计算AR模型在该时窗范围内的极小值,得到精确的初至波走时。合成及实际地震资料处理结果表明,在拾取初至走时前进行地震随机噪声压制,可有效提高初至波走时的拾取精度。     

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。     

基于小波和CEEMDAN的地震信号噪声压制

通过小波变换与CEEMDAN相结合的方式对地震信号进行降噪处理,对小波分解的高频信号进行CEEMDAN分解,再根据自相关函数剔除高频IMF分量进行重构达到提取有效反射波,压制噪声干扰的目的,最后对信号进行小波重构并进行信噪比和均方差计算。结果表明,通过小波变换和CEEMDAN降噪后,有效地减少了噪声对于地震信号的影响,对于信噪比和分辨率都有提高。     

近距离岩体微震动与爆破振动的能量辨识

针对矿山微震监测爆破事件与微震事件识别难度大的问题,选取近距离范围内的岩体微震信号与爆破信号,采用完全总体经验模态分解(complete ensemble empirical mode decomposition,CEEMD)将原始信号分解为若干个本征模态函数(intrinsic mode function,IMF),研究了爆破信号与微震信号在不同IMF上能量分布特征。研究结果表明:爆破信号与微震信号在不同的IMF能量存在差异,爆破信号在前4阶高频IMF上能量百分比明显较大,且最大能量阶数相对微震信号较小。该特征提取实现过程简单,可为二者的辨识提供一种新方法。     

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。     

优化高频拓展法在煤田勘探中的应用

提高分辨率是地震数据处理中获得高质量资料的关键，而分辨率与信噪比的相互制约关系是高分辨率处理的根本问题。优化高频拓展技术在提高分辨率的同时基本保持地震数据原有的信噪比．并且可以保持地震数据相对振幅关系和时频特性，做到真正的保真处理，为精细薄互煤层分析提供可信的高质量地震数据。     

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。     

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。     

基于局部峰值约束的快速正交匹配追踪地震数据分解方法

地震信号稀疏分解在地震数据处理中起着重要作用,可以获取地震资料中蕴含的各种有用信息。正交匹配追踪算法能够较好地实现地震数据自适应分解与重构。正交匹配追踪的目标是选取与信号最匹配的子波,然而在通过内积实现时往往只着重全局尺度上的相似性,并不能保证子波与信号具有相同的位置及振幅。这里采用局部峰值约束的方法来解决这一问题,构建峰值距离的目标泛函,通过快速扫描算法进行高效地求解计算。模型测试结果表明,该方法可以高效实现地震数据的高精度分解与重构,实际资料处理结果显示,本文方法分解后数据波组特征合理,符合地质规律,可以得到精度较高的多尺度数据。