A method for absorption compensation based on adaptive molecular decomposition

In this paper, we present a new method for seismic stratigraphic absorption compensation based on the adaptive molecular decomposition. Using this method, we can remove most of the effects resulting from wavelets truncation and interference which usually exist in the common time-frequency absorption compensation method. Based on the assumption that the amplitude spectrum of the source wavelet is smooth, we first construct a set of adaptive Gabor frames based on the time-variant properties of the seismic signal to transform the signal into the time-frequency domain and then extract the slowly varying component (the wavelet’s time-varying amplitude spectrum) in each window in the time-frequency domain. Then we invert the absorption compensation filter parameters with an objective function defined using the correlation coefficients in each window to get the corresponding compensation filters. Finally, we use these filters to compensate the time-frequency spectrum in each window and then transform the time-frequency spectrum to the time domain to obtain the absorption-compensated signal. By using adaptive molecular decomposition, this method can adapt to isolated and overlapped seismic signals from the complex layers in the inhomogeneous viscoelastic medium. The viability of the method is verified by synthetic and real data sets.     

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 ...     

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。     

EMD Method Applied to Identification of Logging Sequence Strata

In this work, we compare Fourier transform, wavelet transform, and empirical mode decomposition (EMD), and point out that EMD method decomposes complex signal into a series of component functions through curves of local mean value. Each of Intrinsic Mode Functions (IMFs — component functions) contains all the information on the original signal. Therefore, it is more suitable for the interface identification of logging sequence strata.Well logging data reflect rich geological information and belong to non-linear and non-stationary signals and EMD method can deal with non-stationary and non-linear signals very well. By selecting sensitive parameters combination that reflects the regional geological structure and lithology, the combined parameter can be decomposed through EMD method to study the correlation and the physical meaning of each intrinsic mode function. Meanwhile, it identifies the stratigraphy and cycle sequence perfectly and provides an effective signal treatment method for sequence interface.     

基于聚类经验模态分解（EEMD）的汶川MS8.0强震动记录时频特性分析

在2008年5月12日汶川MS8.0地震中,四川数字强震台网共获取了133组三分向加速度记录. 本文选取了一些不同断层距的台站所获取的强震动记录进行了处理和分析．在数据处理中,采用基于聚类经验模态分解（EEMD）提取信号时频特性的方法,有效获得了信号能量的时频分布,提取了中心频率、 Hilbert能量、最大振幅对应的时频等特性,并与傅里叶变换、小波变换进行了对比研究．研究结果表明, 对非线性的强震记录采用聚类经验模态分解（EEMD）能抑制经验模态分解（EMD）中存在的模态混叠问题;与傅里叶变换和小波变换相比发现, HHT边际谱在低频处幅值高于傅里叶谱;与小波变换受到所选取的母波强烈影响不同, HHT直接从强震记录中分离出固有模态函数（IMF）,更能反映出原始数据的固有特性, Hilbert谱反映出大部分能量都集中在一定的时间和频率范围内,而小波谱的能量却在频率范围内分布较为广泛．因此,基于EEMD的HHT在客观性和分辨率方面都具有明显的优越性,能提取到更多强震加速度记录的时频特性．      

稀疏时频分解方法的研究与运用（英文）

Gabor变换和S变换是常用的时频分析工具。根据测不准原理,它们的时频分解结果无法在时间域和频率域同时具有很高的分辨率。为了提高非平稳信号时频分解结果的分辨率,本文提出瞬时频率分布函数（IFDF）并利用它表达非平稳信号。当非平稳信号时频成分的分布满足测不准原理对信号可分辨的要求时,瞬时频率分布函数的支集和短时Fourier变换的小波脊支集是同一个集合。利用IFDF的该特征,本文提出一种迭代算法（Sparse-STFT）实现了信号的稀疏时频分解。该算法在每次迭代过程中利用残留信号的短时Fourier变换结果的脊支集更新信号的时频成分,每次迭代得到的时频成分的叠加结果即为最终的稀疏时频分解结果。文中的数值实验证明了Sparse-STFT可以有效地提高非平稳信号时频分解结果的分辨率。最后,本文将该方法应用于地震数据面波的压制中,取得了理想的处理结果。     

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.     

基于希尔伯特-黄变换的九寨沟M7.0地震加速度记录时频分析

2017年8月8日四川九寨沟M7.0地震是继2008年汶川M8.0地震和2013年芦山M7.0地震之后,青藏高原东缘在不到10年的时间内发生的第3个震级M7.0以上的强震,震中位于青藏高原巴颜喀拉块体东缘东昆仑断裂带东端的塔藏断裂、岷江断裂和虎牙断裂交汇部位,四川省地震局的数字强震台网共有37个台站获取了主震的三分量强震加速度记录。由于傅里叶（Fourier）变换仅能提供强震记录的频域信息,故本文在对九寨沟M7.0地震的加速度记录进行时频分析时采用了一种基于聚类经验模态分解（EEMD）的希尔伯特-黄变换（HHT）方法提取信号时频特性,通过对震中附近台站的加速度记录进行EEMD分解和希尔伯特（Hilbert）变换及谱分析,最终有效获得了信号能量的时频分布特征,量化提取了中心频率、Hilbert能量、最大振幅对应的时间等特性,并与Fourier变换进行了对比研究。研究结果表明:对于非线性的强震记录采用EEMD能够有效抑制经验模态分解（EMD）中存在的模态混叠问题,FFT谱与Hilbert边际谱相比,它在低频处会低估地震动的幅值,随着频率的增加,FFT谱又会放大其幅值。      

Hilbert-Huang 变换与大地电磁噪声压制

大地电磁信号具有非线性、非平稳、非最小相位特征,不符合以Fourier变换为基础的传统功率谱估计的基本要求. Hilbert-Huang变换是近年发展起来的处理非线性、非平稳信号的完全局部时频分析方法. 本文在简要介绍Hilbert-Huang变换基本原理与算法基础上,以实际数据分析为例,探讨了它在大地电磁信号处理及噪声压制中的应用. 提出利用Hilbert时-频能量谱对大地电磁信号进行时段筛选,以提高信号品质,增强数据处理的质量和资料的可解释性. 利用经验模态分解方法及其多尺度滤波特征,可以有效地分析MT信号中的噪声分布特征,并进行干扰压制.     

半周期半对称延拓的EMD边界处理方法的实现

环境脉动下结构非平稳输出信号处理和复杂结构模态参数的识别方法中,希尔伯特-黄变换是种有效的方法.该方法的核心是经验模态分解和希尔伯特-黄变换谱分析.针对何立志(2006)提出的半周期半对称延拓经验模态分解边界的处理方法,本文以EL Centro地震波的筛分为例,对该方法的实现进行了详细说明和具体运用,证明该方法具有一定的实用价值.     

Identification of blasting vibration and coal-rock fracturing microseismic signals

Α new method based on variational mode decomposition (VMD) is proposed to distinguish between coal-rock fracturing and blasting vibration microseismic signals. First, the signals are decomposed to obtain the variational mode components, which are ranked by frequency in descending order. Second, each mode component is extracted to form the eigenvector of the energy of the original signal and calculate the center of gravity coefficient of the energy distribution plane. Finally, the coal-rock fracturing and blasting vibration signals are classified using a decision tree stump. Experimental results suggest that VMD can effectively separate the signal components into coal-rock fracturing and blasting vibration signals based on frequency. The contrast in the energy distribution center coefficient after the dimension reduction of the energy distribution eigenvector accurately identifies the two types of microseismic signals. The method is verified by comparing it to EMD and wavelet packet decomposition.     

Hilbert-Huang变换在提取阵列声波信号动力特性中的应用

阵列声波信号是典型的非线性、非平稳信号,其动力特性的量化提取对于进行地层结构构造分析提供了必要的基础资料.而Hilbert-Huang变换(HHT)是一种处理非线性、非平稳信号的新方法.它通过经验模态分解(EMD)将信号分解为有限个固有模态函数(IMF),并对每个固有模态函数进行Hilbert变换得到Hilbert谱.本文将这种方法应用于阵列声波信号动力特性的提取,有效地获得了信号能量的时频分布,瞬时能量、Hilbert能量、最大振幅对应的时频分布等动力特性,显示了HHT的优势以及对于进一步实现地层结构构造分析的重要意义.     

基于递归高通滤波的经验模态分解及其在地震信号分析中的应用

将地震信号分解成包含频谱互不重叠的单主周期的分量有利于地震信号的分析.分析了经验模态分解(EMD)中模态混叠的内在原因和已有的解决方法,梳理了解决模态混叠的思路框架,进而提出了一种新的基于输入递归高通滤波的EMD算法.首先用递归高通滤波器将信号预分解成频率由高到低的多个分量,实现信号的等价带通滤波,再用EMD对各带通分量按频率高低逐级递归筛分,获得完备的经验模态分量.通过合成信号和地震信号的仿真实验表明,该算法较好地克服了模态混叠,获得了频谱互不重叠的单主周期分量,并成功用于震相分离和分析,为地震信号分析提供了一种新思路.     

基于VMD的随掘地震超前探测信号谱白化方法研究

随掘地震超前探测震源具有连续、非可控的特点,需要使用互相关技术将连续震源记录转换为等效脉冲震源记录以获取有效反射信号。但随掘地震超前探测信号往往包含一些能量较强且频带较窄的优势频率成分,使得互相关处理会引入较严重的干扰。为此,本文提出将基于变分模态分解（VMD）的希尔伯特谱白化方法应用于随掘地震超前探测信号。该方法首先利用VMD将地震信号分解为若干个本征模态函数（IMF）,再对各IMF应用希尔伯特变换进行时频分解,最后使用白化滤波器对其希尔伯特谱进行谱白化。数值模拟结果表明基于VMD的希尔伯特谱白化方法能够在保持各道信号一致性的同时均衡信号的不同频率成分,有效压制互相关结果中的虚假同相轴,加快主峰旁瓣衰减。将本文方法应用于安徽淮北杨庄煤矿某巷道实际数据,成功探测了掌子面前方存在的断层构造,表明该方法具有较好的实用性。      

基于EMD,EEMD与CEEMD的信号 时频分析技术对比研究

时频分析方法在各个领域中广泛应用起来,特别是在工程领域中对结构和构件的变形以及内部损伤检测应用较多。HHT作为一种新兴的非线性,非平稳时频分析技术在探测和勘探领域中具有广阔的前景。文中重点对EMD,EEMD和CEEMD算法进行分析,通过对合成信号进行傅里叶变换和希尔伯特-黄变换,得到信号的频谱图,希尔伯特黄谱,边际谱等数据。通过对比分析,总结了三种方法的优缺点。结果表明,EMD,EEMD和CEEMD方法是进行非线性非平稳信号分析的有效工具。      

S变换谱分解技术在深反射地震弱信号提取中的应用

在深反射地震资料处理中,当来自深部的有效弱信号和噪声干扰频带差异较小且难以区分时,传统滤波方法的应用会受到限制.谱分解方法是一种使用离散傅里叶变换,基于信号的频率-振幅谱等信息生成高分辨率地震图像的方法,通常用来识别介质物性横向分布特征,处理复杂介质内频谱变化和局部相位的不稳定性等问题,包括定位复杂断层和小尺度断裂等.S变换作为一种新的时频分析方法,具有自动调节分辨率的能力,近些年来被广泛应用到勘探地震、大地电磁等数据处理中,逐渐成为地球物理方法中噪声压制的有效方法之一.与常规石油反射地震资料相比,深反射主动源地震为了探测深部结构信息,常采用大药量激发方式、长排列观测系统等,导致深部有效信号基本湮灭在噪声干扰之中.针对深反射数据特点,本文结合谱分解和S变换技术,首先设计了简单的脉冲函数实验数据,证实S变换方法的有效性,同时说明谱分解方法的效果受所用时频分析方法影响较大,而其中决定分辨能力的变换窗函数的选取尤为重要.在此基础上,分别应用到深反射地震资料的单道和叠加剖面实际数据上,对比分析了传统变换谱分解和S变换谱分解的应用效果,单道资料对比结果表明:相比传统谱分解,S变换谱分解方法具有自动调节分辨率的能力,能够精确的标定深反射地震资料中弱信号不同时刻的频率分量;叠加剖面资料应用结果表明:由S变换谱分解得到的剖面结果与其他谱分解方法结果整体上具有较高的一致性,同时清晰地刻画出原叠加剖面上被噪声湮灭的低频细节特征,提高了剖面的分辨率及同相轴连续性;对比结果明显看出,Gabor变换谱分解方法得到的结果同相轴较为破碎,分析原因认为这是由Gabor变换的时频分解方法的定长窗函数所致,窗口大小不会随着信号频率的变化来调节长度,只能在处理的过程中根据一定的记录长度范围选取窗函数参数,而S变换谱分解方法在窗函数的选取时,通过时变信号的局部频率特征自动调节窗口长度,能够更好的刻画各个频段的细节特征,在深反射剖面成像应用中效果尤为明显.本文结果表明S变换谱分解技术在深地震叠加剖面上的应用有效地提高了来自深部弱反射信号的信噪比和分辨率,并刻画出了叠加剖面上所不具有的低频细节特征,在实际深反射地震资料处理中能有效保护低频弱信号获得更好的成像效果.本文为深地震反射资料中弱信号的保护处理找到一种有效的方法.     

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.     

2012年印尼8.6级地震应变地震波的Hilbert-Huang时频分析

本文通过端点效应压制的Hilbert-Huang变换, 对大同及沁源台布置的四分量钻孔应变仪记录的印尼8.6级地震激发的应变地震波形进行时频分析, 结果显示印尼8.6级地震的主震和8.2级余震的应变地震波序列各个震相具有不同的时频特征: ① 地震波到达之前的所谓“环境噪声”部分, 瞬时频率低, 瞬时振幅小; ② P波初至时, 高频成分突然增加, 振幅也随即增强; ③ S波到达时, 频率有所降低而振幅剧烈上升; ④ 面波到达时, 振幅进一步剧烈上升达到整个序列的极大值; ⑤ 尾波部分振幅逐渐降低, 但与噪声部分相比频率依然偏高, 振幅依然偏大。 本文也将应变地震波与地震仪记录的地震波进行对比, 虽然应变地震波与地震波波形和Fourier谱具有极高的相关系数, 但从Hilbert-Huang变换得到的边际谱上看, 应变地震波与地震波有显著的区别, 应变地震波比地震波记录的低频成分相对更多。 通过Hilbert谱, 有助于更好地了解非平稳信号的局部特征, 对于突变信号的地震波, Hilbert-Huang变换是一个较好的时频分析工具。     

基于混合时频分析技术的地震数据噪声压制(英文)

针对复杂地质结构、陡倾角相干噪声、空间采样不均匀等情况下F-x域反褶积去噪技术的不足,提出首先应用具有时-频聚集性度量准则的广义S变换将时间-空间域的地震数据变换至时间-频率-空间域(t-f-x)的数据,在t-f-x域中对每一个频率切片应用经验模态分解(EMD),移除噪声占主导地位的本征模态函数以压制相干和随机噪声的滤波方法。模型分析表明第一本征模态函数表征的高频信息以噪声为主,移除第一本证模态函数可以达到压制噪声的目的。经广义S变换后形成t-f-x域中EMD滤波方法等效于具有依赖于空间位置、频率、高波数截断特征的自适应f-k滤波。此滤波方法考虑了数据的局部时-频特征,且具有执行简单的特点。与AR预测滤波方法比较,此法滤除的成分包含较少的低波数的信息,滤除的成分非常的局部化,且获得结果没有表现出过度平滑的特征。实际资料的应用表明在经广义S变换后形成t-f-x域中运用EMD滤波方法能够有效地压制随机和陡倾角相干噪声。     

Properties of an improved Gabor wavelet transform and its applications to seismic signal processing and interpretation

This paper presents an analytical study of the complete transform of improved Gabor wavelets (IGWs), and discusses its application to the processing and interpretation of seismic signals. The complete Gabor wavelet transform has the following properties. First, unlike the conventional transform, the improved Gabor wavelet transform (IGWT) maps time domain signals to the time-frequency domain instead of the time-scale domain. Second, the IGW’s dominant frequency is fixed, so the transform can perform signal frequency division, where the dominant frequency components of the extracted sub-band signal carry essentially the same information as the corresponding components of the original signal, and the subband signal bandwidth can be regulated effectively by the transform’s resolution factor. Third, a time-frequency filter consisting of an IGWT and its inverse transform can accurately locate target areas in the time-frequency field and perform filtering in a given time-frequency range. The complete IGW transform’s properties are investigated using simulation experiments and test cases, showing positive results for seismic signal processing and interpretation, such as enhancing seismic signal resolution, permitting signal frequency division, and allowing small faults to be identified.