基于小波模极大值的地震信号去噪研究

小波分析在时域和频域具有很好的局部化特性,是分析和处理数字信号强有力的工具。文章将基于小波变换的模极大值去噪算法应用到地震信号的去噪研究中。首先依据相关理论验证算法的有效性,并对红山基准台的地震数据进行去噪分析处理。结果表明,去噪后的信号有效去除了大部分毛刺,去噪效果良好,噪声得到很好的抑制。为实现数据处理的界面化及易操作,在基于小波变换模极大值去噪算法比较分析的基础上,设计一个地震信号去噪系统分析界面,从而实现数据去噪的可视化应用。     

基于组合形态分量分析算法的含噪地震数据重构

本文研究了形态分量分析(MCA)算法含噪地震数据的重构问题.针对传统形态分量分析算法在含噪地震数据重构精度不足问题,提出组合方法以提高重构精度.给定随机缺失坏道地震数据,加入不同比率的高斯噪声,研究数据的重构效果.采用离散余弦、离散曲波和离散小波作为字典集合,对数据形态分量进行稀疏表达,并迭代优化各分量,以优化分量进行重构.分析不同随机缺失比率、不同信噪比模型仿真模拟结果.实际地震数据处理结果表明,组合MCA算法对随机缺失含噪地震数据具有较好的重构效果,并具有明显地随机噪声压制效果.     

密山地电场数据小波包去噪研究

选取2009年11月21日密山市知一镇地震发生当天密山地电场数据,采用小波包阈值去噪算法,对地电场数据进行去噪研究,还原地震发生后地电场数据变化信息,并结合去噪效果及误差分析结果,选出适合密山地电场数据去噪的最优小波函数。     

基于压缩感知的小波阈值和CEEMD联合去噪方法

中深层地质条件复杂,地震资料品质差,主要表现为:地震资料信噪比低、有效信号弱.如何在去噪的同时有效保留弱有效信号,获取高信噪比的地震数据成为地震数据处理的关键问题.传统小波阈值与互补集合经验模态分解(CEEMD)联合去噪方法相比单一方法可以获取更高品质的地震数据.基于压缩感知理论的去噪方法利用地震数据在变换域中的稀疏特性,通过设定稀疏基矩阵和测量矩阵,可以将地震数据去噪问题转化成求解最优化问题,通过最优解重构原始信号,实现对地震资料的去噪处理.该方法能够在有效衰减随机噪声的同时最大限度的保留有效信号.本文基于压缩感知理论开展小波阈值去噪方法研究,并在此基础上结合CEEMD方法对含噪较多的固有模态分量进行有针对性的随机噪声压制.通过对含噪数据开展不同方法的去噪结果对比可见,本文方法可以在保证高信噪比的基础上更为有效的保留弱有效信号,数值试算验证了该方法对弱有效信号地震数据去噪具有显著优势.     

小波及小波包消噪方法在山西北部水准数据处理中的应用

文中简要介绍小波及小波包去噪的基本原理,并对代县台短水准观测数据的小波及小波包阈值去噪曲线进行对比分析。采用Matlab小波包消噪方法对山西北部水准历史资料进行处理,发现小波包消噪后的曲线既可以保留多的有效信号,又可使曲线形态更有利于异常特征分析。同时,将处理后得到的小波包消噪曲线结合长趋势观测曲线对主要震例进行分析,结果显示,周边4级以上地震前,异常对应明显,地震一般发生在水准消噪曲线低值异常时。     

佘山地磁信号的小波消噪处理

上海地铁9号线开通后,佘山地震基准台地磁观测受到严重影响,本文运用小波分析的方法,对被地铁9号线干扰的余山地磁数据进行消噪处理,并将变换后得到的结果和没有地铁干扰的崇明地震台同一仪器观测的地磁数据进行时序变化和相关系数比较,消噪处理效果较明显。     

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。     

小波分析在地震资料去噪中的应用

本文阐述了小波变换和去噪的基本原理，根据模拟信号和实际地震信号的频谱分析，讨论了如何选择小波基，及去噪中的阈值问题，从小波分解出发，利用多尺度分解对地震资进行分析，并基于MATLAB语言和小波工具箱，实现了对地震资料的去噪.     

CEEMDAN和小波包方法在地震信号降噪中的应用

地震信号是典型的非平稳随机信号,容易受到场地条件和周边环境的影响,产生噪声干扰。采用自适应噪声完备集合经验模态分解（CEEMDAN）方法,对地震数据进行分析预处理,将地震信号分解成一系列具有不同特征时间尺度的固有模态函数（IMF）;对各IMF分量进行自相关计算,筛选含噪IMF分量,使用软阈值小波包方法进行去噪处理,与无噪分量进行重构,从而降低噪声干扰,提高数据质量。     

地震数据去噪中的小波方法

地震资料去噪是地震数据处理中是必不可少的步骤,随着地震勘探的进步和勘探目的层加深,对地震资料的信噪比和分辨率提出了越来越高的要求.小波分析作为一个新兴的数学方法在地震资料去噪中也有巨大的潜力.本文从小波去噪的特点出发,介绍了小波分频和小波域阈值去噪的特点,并详细总结了地震资料去噪中的小波方法,主要有面波的压制和随机噪声的衰减.最后简要叙述了地震资料小波去噪的一些问题和发展.     

乌兰浩特地震台爆破与地震记录识别判据

选取乌兰浩特地震台爆破及地震波形数据记录,采用小波分析方法,提取地震及爆破的3种波形特征,使用v-SVC支持向量分类机进行分类能力的效果检验,结果表明,WPT(db4)+香农熵特征+v-SVC的组合最佳,可作为该台爆破与地震记录的快速识别判据。     

关于成都地震台测震资料中2～4 Hz干扰频率范围的研究

通过提出3个思考,研究了2～4 Hz干扰的性质以及演变的过程,结合仪器响应以及背景噪声分析干扰产生的原因。分析结果表明:2～4 Hz干扰已成为成都地震台测震资料中的固有干扰,2011年开始出现且现今广泛存在于成都地震台5.5级及以下且震中距大于20°的远震波形、4.5级及以下的近震波形内。成都地震台的背景噪声水平于2011～2012年陡增,2012年达到峰值。干扰的演变规律与台基背景噪声变化走势有着良好的对应关系,与仪器响应并无直接的关联性。     

GM4磁通门磁力仪观测数据预处理分析

选取2017—2018年北京、昌黎、红山地震台GM4磁通门磁力仪观测资料,采用常规预处理方法,剔除地铁轻轨、地电阻率、高压直流输电对地磁观测数据的干扰,结果发现,经分转秒处理,数据出现缺记现象,且完整率多低于90%,而秒转分处理,数据完整率达100%,无缺记现象发生;采用小波变换方法,对受到地铁轻轨干扰的北京地震台地磁观测数据进行滤波处理,并与无地铁轻轨干扰的红山地震台地磁观测数据进行频谱对比分析,结果发现,小波变换方法可有效抑制地铁轻轨对GM4磁通门磁力仪观测的影响。     

2022年6月1日芦山MS 6.1地震前地电阻率异常分析

利用归一化速率变化方法（NVRM）分析处理了芦山M_S 6.1地震震中距450 km范围内的成都地震基准台、冕宁地震台、红格地震台、甘孜地震台等4个台站的地电阻率观测数据,结果显示：红格地震台NS、EW测道及甘孜地震台NE测道原始数据震前出现年变趋势性下降,下降幅度为1%—3%;红格地震台NVRM曲线震前出现正异常,冕宁地震台、甘孜地震台出现负异常,曲线转折下降过程中发生芦山M_S 6.1地震。虽然整体而言提取出的地电阻率震前异常在时间上与此次地震对应关系较好,但甘孜地震台、红格地震台与此次地震震中间距离均大于300 km,提取出的异常是否为此次地震异常,还需进一步探究。     

GNMF小波谱分离在地震勘探噪声压制中的应用

地震勘探资料噪声压制及信噪比提高是整个地震勘探信号处理过程中的重要任务,随着地震勘探深度的增加及其复杂性,人们对地震数据质量的要求越来越高.勘探环境的复杂化使得采集到的地震资料中有效信号被大量噪声淹没,无法清晰辨识,严重影响后续的数据处理与解释.小波去噪是地震勘探中常用且发展较成熟的一种方法,但是其涉及到的阈值函数选取问题一直令人困扰,虽然已有多种阈值函数被提出,但仍存在各自的缺陷.本文利用小波分解在时域及频域良好的信号细节体现特性,引入模式识别中的非负矩阵分解(NMF)谱分离思想,针对小波系数阈值优化问题,提出了一种小波域图非负矩阵分解(GNMF)消噪算法.该方法首先在小波分解基础上,利用GNMF算法实现小波分解系数谱中信号分量与噪声分量的谱分离,然后通过反变换重构各分离子谱对应的子信号,最后利用K均值聚类算法将得到的多个子信号划分为信号类及噪声类,最终得到重构信号及分离噪声.合成记录和实际地震资料的消噪结果验证了新方法在提高信号与噪声分离准确性和精度方面的有效性,同时新方法避免了阈值选取造成的噪声压制不理想或有效成分损失问题.与小波消噪结果的对比及数值分析也说明了新方法在噪声压制及有效成分保持方面的优势.     

成都台数字地震仪测定震级偏差分析与校正

讨论了成都台测定震级与中国地震台网中心(CSN)发布的MS震级的偏差,分析了仿真SK、仿真763与(CSN)震级的偏差程度,并给出了校正值。通过分析,得出了仿真763的面波震级MS7的偏差远远小于仿真SK的MS结论,因此,在速报中,应尽量使用MS7面波震级,有利于提高速报震级的准确性。     

Weak Seismic Signal Extraction Based on the Curvelet Transform

Seismic signal denoising is a key step in seismic data processing. Airgun signals are easy to be interfered with by noise when it travels a long distance due to the weak energy of active source signal of the airgun. Aiming to solve this problem, and considering that the conventional Curvelet transform threshold processing method does not use the seismic spectrum information, we independently process the Curvelet scale layer corresponding to valid data based on the characteristics of the Curvelet transform of multi-scale, multi-direction and capable of expressing the sparse seismic signals in order to fully excavate the information features. Combined with the Curvelet adaptive threshold denoising the algorithm, we apply the Curvelet transform to denoising seismic signals while retaining the weak information in the signal as much as possible. The simulation experiments show that the improved threshold denoising method based on Curvelet transform is superior to the frequency domain filtering, wavelet denoising and traditional Curvelet denoising method in detailed information extraction and signal denoising of low SNR signals. The calculation accuracy of the relative wave velocity variation of underground medium is improved.     

兰州地震台阵监测能力研究

利用兰州地震台阵与兰州地震台数字化近两年的资料,对地震震相特征和震级进行对比分析,结果发现：地震记录震相特征基本相同,台阵有压低干扰背景和突出地震波信号的功能,说明台阵对记录较微弱地震有优势;在震中距小于1 000 km的范围内,兰州台阵的监测能力较明显高于兰州台,而震中距大于1 000 km时,兰州地震台阵与兰州地震台的监测能力相当.     

地震信号随机噪声压制的双树复小波域双变量方法

有效地压制地震信号中的噪声是地震信号解释和后续处理的重要环节之一.本文建立两种双树复小波域双变量模型对地震信号中的随机噪声进行压制.地震信号经双树复小波变换后,同一方向实部与虚部系数、实部(或虚部)系数与对应的模之间存在较强的相关性.鉴于此,对同一方向实部与虚部小波系数建立双变量模型,从含噪地震信号小波系数中估计原始信号的小波系数,再基于双树复小波逆变换重构得到降噪后的地震信号.进一步对同一方向实部(或虚部)系数与对应的模建立双变量模型,得到地震信号随机噪声压制的第二种双树复小波域双变量方法.最后对合成地震记录和实际地震资料中的随机噪声进行压制的实验结果证实本文两种方法都能够有效地压制地震信号中的随机噪声.     

GHM类正交多小波变换及其在地震资料去噪中的应用

多小波是对小波理论的一个新发展,它可以同时满足正交性、对称性、短支撑等良好的特性要求。文中介绍了多小波基本理论、多小波变换具体过程及预处理方法,提出了基于GHM类多小波变换的地震资料软阈值去噪方法,通过对合成数据和实际资料进行处理分析,表明多小波变换在有效压制随机噪声的同时,能较好地保留原信号的特征信息,是一种行之有效的去噪方法