基于Hilbert-Huang变换的地震瞬时属性提取方法及应用(英文)

希尔伯特—黄变换(Hilbert-Huang transform,HHT)是一种新的适合非平稳和非线性信号的分析方法,由于地震信号一般呈现出非平稳与非线性特性,因此HHT非常适合地震信号的分析。本文首先介绍了HHT中关于经验模态分解(Empirical Mode Decomposition,EMD)的实现过程,在此基础上分析了几种基于EMD获得本征模态函数(Intrinsic Mode Functions,IMF)来计算瞬时频率的算法,其中利用了两个采样间隔瞬时频率的平均来计算瞬时频率,较好地反映了地震信号频率成分随时间变化的特征。将该方法应用于四川东北部某地区海相碳酸盐岩地层三维地震叠后偏移数据处理,提取"三瞬"地震属性,与传统的希尔伯特变换提取的"三瞬"地震属性进行对比,结果表明基于HHT的"三瞬"地震属性结果具有更高的分辨率,IMF2的瞬时相位能够较好地刻画台地边缘生物礁相,IMF2的瞬时频率亦具有较好的分带性。将IMF2的"三瞬"地震属性与钻井等资料结合分析,能够更好地识别沉积相的分布。     

基于高通滤波的频率-空间域经验模态分解压制高频噪声

高频噪声压制是高分辨率地震数据处理中提高信噪比的关键性问题.本文针对f-x(频率-空间)反褶积空间预测滤波器无法处理非平稳、非线性信号的缺点,提出了一种基于高通滤波的频率-空间域经验模态分解(Empirical Mode Decomposition in the frequency-space domain,f-xEMD)压制地震剖面中高频噪声的方法.该方法采用全域高通滤波从原始数据中分离出含有部分有效信号的高频数据,将其变换到f-x域,然后在滑动的短窗口内提取每一个频率的空变数据序列进行EMD分解得到高频复本征模态函数(Intrinsic Mode Function,IMF)IMF1,将所有频率的IMF1序列反Fourier变换到时间域得到噪声剖面,将其与原始数据相减,达到高频噪声压制的目的.该方法可克服传统EMD分解方法中的模态混叠现象,保护陡倾角反射同相轴;压制后的噪声剖面中不包含有效信号能量,地震剖面的信噪比得到了提高.模拟数据和实际数据处理结果充分证明了该方法的有效性.     

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.     

基于折线包络的经验模态分解方法

1998年,Huang提出了处理非平稳信号的HHT方法(Hilbert-Huang Transform,简称HILT).该方法包括两个步骤:①任意信号首先经过经验模态分解方法(Empirical Mode Decomposition,简称EMD)被分解为一系列固有模态函数(IntrinsicModeFunction,简称IMF).     

基于小波谱能量曲线EWT的面波压制算法

面波提取和压制是地震资料处理的关键问题之一,对地震资料处理的准确性具有重要影响.针对传统地震面波压制算法面波分离精度低、有效波损伤大的问题,提出一种基于小波谱能量曲线(Wavelet Spectrum Energy Curve,WSEC)经验小波变换(Empirical Wavelet Transform,EWT)的面波压制算法,该算法利用连续小波变换(Continuous Wavelet Transform,CWT)精细化的时频分析能力得到地震信号的WSEC,从频率和能量两个维度对信号进行自适应分解,提高面波提取精度.首先对地震记录进行CWT,根据小波谱计算各频率点的能量得到WSEC;基于WSEC极大值点的频率及ε邻域法确定频谱分割边界进行改进EWT,得到依能量和频率分解的各固有模态分量(Intrinsic Mode Function,IMF);根据各子频带的频率和能量确定面波IMF,最后对面波IMF进行带通滤波以保护其中的有效波.仿真实验表明,算法能根据地震信号的频率和能量自适应分解,实现面波的精准分离与提取;实际地震资料处理表明,算法能准确分离面波,能最大限度保护有效波,提高资料信噪比,是一种有效可靠的面波压制算法.     

基于经验模态分解及独立成分分析的微震信号降噪方法

针对微震信号具有高噪声、突变快、随机性强等特点,基于经验模态分解(EMD)及独立成分分析(ICA)提出一种微震信号降噪方法.首先,对含噪信号进行EMD分解,获得一系列按频率从高到低的内蕴模态函数(IMF),利用原信号与各IMF之间的互相关系数辨识出噪声与信号的分界,将分界之上的高频噪声滤除;其次,为有效去除分界IMF中的模态混叠噪声,基于ICA算法对分界IMF进行盲源分离,提取其中的微震有效信号,并将其与剩余的IMF累加重构,从而得到降噪后的微震信号;最后,利用快速傅里叶变换(FFT)时频谱对比分析降噪前后的信号特征,定性说明本文方法的有效性;引入信噪比和降噪后信号占原信号的能量百分比两个参数,定量说明本文方法能充分保留微震信号的瞬态非平稳特征,降噪效果明显.     

改进HHT算法在地震动特性分析中的应用研究

本文首次提出了HFBG-EMD的HHT改进算法,将滑动平均3次B样条求均值方法与改进的滤波终止条件相结合,大大减小了传统的EMD分解滤波次数,并提高了HHT的原有精度。对用该方法求出的各阶IMF函数进行瞬时频率变换后发现,它对减小各阶IMF瞬时频率的带宽和提高地震动主频特性的作用比较显著。此外,本文还采用了先在原始地震信号中加入高频正弦谐波再进行分解的方法,有效消除了传统方法中一直难以克服的IMF模态混叠及瞬时频率畸变现象。     

基于HHT提取重力固体潮的地震前兆信息

Hilbert-Huang Transformation(HHT)是一种新的非线性信号处理方法(Huang,1998).通过HHT对信号进行经验模态分解(empirical mode decomposition,简称EMD),能有效地把各种频率成分以本征模态函数(intrinsic mode function,简称IMF)形式从中分离出来.再对IMF序列进行Hilbert变换,可得到包含时间、频率、振幅的三维离散时频谱.它提供了非常清晰的局部细节时频特征,适合于描述具非线性非平稳性变化特征的信号.     

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.     

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...     

Analysis of earthquake ground motions using an improved Hilbert–Huang transform

Some limitations of the Hilbert–Huang transform (HHT) for nonlinear and nonstationary signal processing are remarked. As an enhancement to the HHT, a time varying vector autoregressive moving average (VARMA) model based method is proposed to calculate the instantaneous frequencies of the intrinsic mode functions (IMFs) obtained from the empirical mode decomposition (EMD) of a signal. By representing the IMFs as time varying VARMA model and using the Kalman filter to estimate the time varying model parameters, the instantaneous frequencies are calculated according to the time varying parameters, then the instantaneous frequencies and the envelopes derived from the cubic spline interpolation of the maxima of IMFs are used to yield the Hilbert spectrum. The analysis of the length of day dataset and the ground motion record El Centro (1940, N–S) shows that the proposed method offers advantages in frequency resolution, and produces more physically meaningful and readable Hilbert spectrum than the original HHT method, short-time Fourier transform (STFT) and wavelet transform (WT). The analysis of the seismic response of a building during the 1994 Northridge earthquake shows that the proposed method is a powerful tool for structural damage detection, which is expected as the promising area for future research.     

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.     

希尔伯特-黄变换地震信号时频分析与属性提取

地震信号属于非线性和非平稳信号,传统的分析方法主要包括短时傅立叶变换、小波变换和Cohen类时频分布等等;希尔伯特-黄变换是分析非平稳信号的新方法,该方法的关键部分是信号的经验模态分解,通过经验模态分解,复杂的信号可以分解为有限的数量很少的几个固有模态函数,从而可以得到信号的希尔伯特时频谱;将该方法应用于单个的地震道数据,可以对地震道进行经验模态分解并得到希尔伯特谱,应用于地震剖面,可以得到意义更加明确的瞬时频率和瞬时振幅等地震属性,模型试算和实际应用表明了该方法的有效性.     

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。     

小波变换与信号瞬时特征分析

基于经典Hilbert变换计算信号瞬时参数（如瞬时频率等），当信号中噪声较强时计算结果不能很好地刻划有效信号特征．本文提出了用小波变换求能量有限实信号对应的解析信号的一个定理，在此基础上给出了用小波变换计算信号瞬时参数的算法．理论分析及模型算例结果表明，本文提出的方法计算精度高且有较强的抗噪声能力．对地震记录的褶积模型，深入地分析了不同尺度下地震记录小波变换结果及其对应的瞬时参数含义，这对实际应用有重要意义．     

利用EMD方法提取地磁A_p指数周期分量

利用EMD和小波对试验信号进行分解比较,结果表明EMD方法能够更加真实的再现数据本身的频谱分量和对应幅度．利用EMD方法对1932年~2006年地磁Ap指数月均值进行了分解,分别得到一系列模式和一个趋势项．其中可能包含了6个月周期分量,准1年周期分量,QBO（准两年震荡）分量,准5年周期分量,准11年周期分量和22年Hale周分量等．地磁活动Ap指数与太阳黑子数都有着11年周期变化,我们比较发现Ap指数11年周期分量极值出现要比太阳黑子数11年周期分量极值出现平均滞后1~2年．     

Method for Identifying Micro-seismic <Emphasis Type="Italic">P</Emphasis>-Arrival by Time-frequency Analysis Using Intrinsic Time-Scale Decomposition

A method to identify the P-arrival of microseismic signals is proposed in this work, based on the algorithm of intrinsic timescale decomposition (ITD). Using the results of ITD decomposition of observed data, information of instantaneous amplitude and frequency can be determined. The improved ratio function of short-time average over long-time average and the information of instantaneous frequency are applied to the time-frequency-energy denoised signal for picking the P-arrival of the microseismic signal. We compared the proposed method with the wavelet transform method based on the denoised signal resulting from the best basis wavelet packet transform and the single-scale reconstruction of the wavelet transform. The comparison results showed that the new method is more effective and reliable for identifying P-arrivals of microseismic signals.     

Hilbert-Huang变换在提取地震信号动力特性中的应用

H ilbert-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将信号分解为有限个固有模态函数,并对每个固有模态函数进行H ilbert变换得到H ilbert谱。本文将这种方法应用于地震信号动力特性的提取,有效地获得了信号能量的时频分布,量化提取了中心频率、瞬时相位、瞬时能量、H ilbert能量、最大振幅对应的时频分布等动力特性,并与Fourier变换、小波变换等进行了比较,显示了HHT的优势以及对于进一步实现结构分析和控制的重要意义。