基于EWT和Meyer自适应阈值的微震降噪

露天矿采场边坡的微震信号具有振幅弱、噪声多、信噪比低的特征,基于经验小波变换(EWT)及Meyer自适应阈值提出分频降噪方法.首先,针对微震信号的频谱特征,设计一种频谱分割策略,将信号和噪声分解为不同的模态;其次,分析模态的频谱和能量,采用Meyer阈值函数自适应降噪,提高有效信号振幅;最后,借助阈值函数处理包含较少有用信号的模态,重构微震信号以保持其连续性,结果表明,降噪后微震信号信噪比(SNR)高、有效信息多,噪声少;通过多种方法对比,并用信噪比与均方根误差(RMSE)对本次降噪效果进行评价,本文方法较好的保留了微震信号有效信息,降噪效果显著.     

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CEEMDAN和SWT的地震信号随机噪声压制

完备集合经验模态分解(CEEMD)通过添加正负成对辅助噪声可较好的解决集合经验模态分解(EEMD)中信号被噪声污染的问题,但CEEMD方法分解后的单个本征模态函数(IMF)分量中仍存在部分随机噪声信息.通过转变辅助噪声形式和分解流程提出自适应噪声完备集合经验模态分解(CEEMDAN)方法,该方法在较少集总次数和筛选迭代次数的情况下,即可实现优良的信噪分离功能,大大缩减处理耗时,具备分解精度高、具有完备性的特征.同时,针对传统经验模态分解(EMD)类方法去噪时直接舍弃第1～2阶高频IMF分量,导致其内高波数有效能量损失的问题,通过计算相邻IMF分量互信息熵获取高频噪声和低频有效信号的最优能量分界,对分界点前的各阶IMF分量进行同步压缩小波变换(SWT)处理,分离有效高频信息,最后与低频IMF分量重构达到噪声压制的目的.合成及实际地震资料处理结果表明,本文联合多步骤地震随机噪声压制策略具有较好的去噪效果和能量保持能力,在运算耗时指标上优于传统的EMD噪声辅助类方法.     

过渡内蕴模态函数对经验模态分解去噪结果的影响研究及改进算法

经验模态分解(Empirical Mode Decomposition, EMD)是一种具有较大应用潜力的去噪算法.目前,该算法存在的一个较大问题是过渡内蕴模态函数(Intrinsic Mode Function, IMF)中混叠噪声不能有效处理.过渡内蕴模态函数中混叠噪声不易剔除,限制了该算法的应用.本文针对此问题,通过研究过渡IMF的特点,首次提出一种有效去除过渡IMF中混叠噪声的方法.该方法首先对原信号进行一次EMD处理,得到包含过渡IMF的初步去噪结果,并将其与合适的余弦信号结合,改变其包络分布,然后对其结果再次进行EMD处理,仿真实验表明该方法在保留有效信号的同时,可以有效的去除过渡IMF中混叠的噪声,并将该方法用于实际地震资料随机噪声压制,处理效果令人满意.     

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.     

基于自相关函数特性的CEEMD全局阈值去噪方法研究

完备总体经验模态分解(CEEMD)克服了经验模态分解(EMD)的模态混叠问题,依据信号自身的特点,将待分析的复杂信号分解为一系列不同尺度的固有模态函数(IMF)的子信号,且各IMF分量的频率由高到低依次排列,是一种适用于分析处理非线性非平稳信号的强大的信号分析技术.地震资料中的随机噪声一般属于高频率的信号,在CEEMD中往往分布在前几个高频IMF分量,本文针对基于CEEMD的分频去噪和基于CEEMD的小波阈值去噪等方法的不足,在前人基于EMD阈值去噪的基础上设计了自相关函数统计特性与CEEMD全局阈值联合去噪方法.该方法先对CEEMD分解的若干个模态分量进行自相关,寻找到噪声主导模态和信号主导模态,然后利用设计的全局阈值对噪声主导模态进行去噪,最后将处理后和未处理的固有模态函数进行重构,得到最终的去噪结果.模型试算和实际地震资料处理都验证了此方法在提高信噪比,保留原信号高频有效成分和弱信号信息上的有效性.     

基于SS-CWT和Yoon-V自适应阈值的弱振幅微震分频降噪方法

多发于采空区的弱振幅微震信号具有强度弱、不平稳、噪源强的特点,基于同步挤压小波变换(SS-CWT)及Yoon-V自适应阈值提出分频降噪方法.首先,SS-CWT重构含噪信号,位于高能噪声的频段使用软阈值降噪;其次,为保留高低频逆转换的有效信息,选用合适的参数进行Yoon-V自适应阈值降噪.该方法相比传统小波变换具有分辨率高的优势,相较经验模态分析(EMD)而言更能提取信号中的弱振幅分量.最后用SS-CWT时频谱对比分析降噪前后信号特征,并用复合变异系数定权T值法对本次降噪效果进行评价,本文方法很好的保留有效信息,降噪效果显著.     

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.     

爆破震动与煤岩破裂微震信号辨识研究

针对微震监测系统中煤岩破裂微震信号与爆破震动信号难以辨识的问题,提出了基于变分模态分解的微震信号特征提取及分类辨识方法。首先,采用VMD将原始信号分解为一系列按频率从高到低的变分模态分量,其次,提取各模态分量占原信号的能量百分比值构成特征向量,计算能量分布重心系数;最后,利用决策树桩法实现对煤岩破裂微震信号与爆破震动信号的分类辨识。实验结果表明:VMD可实现信号各分量的有效分离,其中,煤岩破裂微震信号的能量主要集中于u_4～u_6分量中,爆破震动信号的能量主要集中于u_1～u_3分量中,对比由能量分布特征向量降维后的能量分布重心系数,可实现对两类微震波形的分类辨识。通过与EMD、小波包分解方法的对比分析,验证了该方法的优越性。     

基于EMD的IMF时域统计特征提取及其应用于震动事件源类型识别研究

文章对地震波形进行经验模态分解(EMD),对分解后的内模函数(IMF)进行时域特征提取,由所提取的特征对天然地震和人工爆炸2类事件源类型进行分类识别,结果表明,由IMF所提取的时域特征具有良好的区分识别能力.采用经验模态分解将原波形信号分解为7个内模函数和残差函数,对原波形、每个内模函数和残差函数分别提取26个时域统计...     

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。     

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.     

最优小波包变换在地震信号去噪中的应用

应用最优小波包变换,采用取决于节点噪声时频特征的相关阈值,对模拟地震波到达的加噪合成信号、SDAES数字声发射仪采集的微震实验信号、NIED观测台站记录的日本2007年能登半岛地震信号进行去噪,并和基于小波变换的其他方法进行了去噪效果比较.结果表明,该方法获得的信号信噪比(SNR)高、失真低,体现出了总体优越性.     

时频域相位滤波在远震接收函数噪声压制中的应用

宽频带地震观测数据中有效信号和干扰噪声经常发生混频效应,常规的频率域滤波方法很难将二者分离.地震波信号属于时变非平稳信号,时频分析方法能够同时得到地震波信号随着时间和频率变化的振幅和相位特征,S变换是其中较为高效的时频分析工具之一.本文以S变换为例,提出了基于相位叠加的时频域相位滤波方法.与传统叠加方法相比,相位叠加方法对强振幅不敏感,对波形一致性相当敏感,更加利于有效弱信号信息的检测.时频域相位滤波方法滤除与有效信号不相干的背景噪声,保留了相位一致的有效信号成分,显著提高了信噪比.运用理论合成的远震接收函数数据和实际的宽频带地震观测数据检验结果显示该方法较传统的带通滤波方法相比,即使在信噪较低且混频严重条件下,时频域相位滤波方法的滤波效果依然很明显,有助于识别能量较弱的有效信号.     

基于经验模式分解的随机子空间识别方法

提出了基于经验模式分解（EMD）的环境激励结构模态参数随机子空间识别（SSI）方法。该方法用设置间断频率的EMD将结构环境振动响应原始信号分解成若干个基本模式分量（IMF）,使每一个基本模式分量仅为结构的某一阶固有模态,进而用随机子空间方法进行模态参数识别。实桥环境振动实验分析结果表明,该方法能有效地避免结构各阶模态之间的相互影响,能够更清晰方便地得到结构的模态参数。     

利用分段时频峰值滤波法抑制磁共振全波信号随机噪声

磁共振信号极其微弱,容易受到周围环境中各种电磁噪声干扰.其中随机噪声,由于频带宽、不规则、无规律、与有效信号混叠,难以抑制.近年来,采用数量级为10⁴~10⁵ Hz采样频率收录的全波磁共振信号,以其携带丰富全面的信息量,为数据处理及解释提供了更多的潜能.然而,只要随机噪声的幅度大于信号幅度,拟合得到的信号特征参数准确度就会降低.目前普遍采用的数据叠加方法仅能抑制部分随机噪声,且需要多次采集信号,探测效率低.本文针对全波磁共振信号采样点数多和信号非线性强的特点,提出采用分段时频峰值滤波（STFPF）法消噪,将全波磁共振信号分成若干段,编码为解析信号的瞬时频率,采用短窗长PWVD计算解析信号的时频分布,利用时频分布沿瞬时频率集中的特性,通过提取时频分布的峰值获得信号的无偏估计,达到抑制全波磁共振信号随机噪声的目的.为了验证消噪效果,与传统叠加法进行对比分析,仿真结果表明,对于单次采集信号,信噪比低至-5 dB时,STFPF方法依然能有效抑制信号中的随机噪声,消除随机噪声后信噪比提高23.19 dB,信号的初始振幅拟合误差为3.03%,平均横向弛豫时间拟合误差为2.7%,消噪效果优于传统叠加法,且由于无需多次采集磁共振信号,可有效提高探测效率.模型数据的反演解释进一步验证了STFPF方法的有效性,本文研究结果为实际数据处理奠定了良好的基础.     

Correction of highly noisy strong motion records using a modified wavelet de-noising method

During the past earthquakes, many valuable acceleration time histories were recorded by analog and digital accelerometers. These records are important sources of information in the field of earthquake engineering and engineering seismology. However, a large number of these records are contaminated by noise and it is necessary to correct them for practical applications. On the other hand, only a few records can be corrected using conventional filtering because of mathematical limitations of the method. However, advances in the field of time–frequency analysis and wavelet transform theory provide useful non-linear and adaptive de-noising methods for removing of non-stationary and high-energy noise from the recorded signals. In this paper, the characteristics and capabilities of the modified non-linear adaptive wavelet de-noising method are examined for correction of highly noisy strong motion records. In the frequency domain, it is shown that this method can attenuate the noise in the whole frequency range of engineering interest while in the time domain it can detect and remove non-stationary noise. In addition, the displacement response spectra of these wavelet de-noised records are more stable than conventional filtered records with respect to different correction functions. It is found that a large number of noisy acceleration records that are usually discarded from sets of records used for estimating the ground motions can be corrected using this new method.