小波包分解树结点与信号子空间频带的对应关系及其应用

小波包变换的Mallat分解算法可以把较宽的信号频带划分成相等带宽且互不重叠的窄频带,但由于信号子空间频带的频率大小并非按照分解树结点（node）编号的大小顺序排列,各个结点重构信号的频率范围不易判定. 本文通过分析小波包变换的Mallat分解算法与分解滤波器的关系,设定频带编号与结点编号间进行二进制转化的运算规则,得到了小波包分解树结点与信号子空间频带的对应关系,然后通过模拟信号进行了验证. 结果表明,本文给出的小波包信号子空间频带的排列规则是正确的.      

基于小波分解与同步挤压变换的西昌小庙台形变典型干扰的时频响应特征研究

为高精度识别定点潮汐形变观测中干扰信号的时频响应特征,提出一种基于小波分解和同步挤压变换的形变干扰数据分频时频分析方法.首先,选用合适的小波基和分解层数对原始数据做多尺度分解和重构,提取出目标异常干扰分量信号;其次,基于分频策略采用高频分辨率较好的同步挤压广义S变换处理高频干扰分量,采用低频分辨率较好的同步挤压小波变换处理中低频干扰分量,同步挤压变换可以在传统方法结果基础上进一步“挤压”瞬时频带,获得更高精度的时频谱结果.利用该方法处理分析2016—2020年西昌小庙台形变观测中受调零标定、人为进洞、道路施工交通、抽水、降雨、地震波等因素影响的典型干扰数据,得到各类形变观测手段在不同干扰因素下的时频响应特征,为准确识别干扰及异常特征提供时频谱特征方面的参考.     

地震与爆破的小波包识别判据研究

利用sym5小波包基函数对小震级天然地震和人工爆破波形进行4层小波包分解并绘制了时频谱图.通过时频谱图可直观得出, 爆破频率成分简单, 时频谱聚集性较好. 为寻求定量的识别指标, 综合P波和S波小波包变换结果, 提出并定义了P/S能量比. 分析识别效果较好的 P/S能量比判据得出爆破的P波主频集中在频段3.125—9.375 Hz处, 地震频率成分较复杂, S波在高频12.5—23.4375 Hz处也较发育, 在这些频段上, 爆破的P波与S波差异要大于地震的P波与S波差异. 作为小波包判据研究的补充, 文中也提取分析了P波的能量比与S波的能量比. 能量比判据识别结果表明, 人工爆破与天然地震的频率成分存在差异, 通过小波包变换能够提取有效的识别判据.      

基于网络数据的陕西南部地形的小波分析

陕西南部地形复杂,采用小波分析的方法对陕西南部地形观测数据进行分解计算,结果表明:小波分解结果中的高频部分反映了陕西南部地形的局部构造特征,不同频率的分解结果反映了陕西南部不同的地形特征。     

小波分解与重构在地震活动性研究中的应用

利用小波变换具有的多分辨率特点, 将时域信号通过小波分解与重构, 分解到不同的频带上。 分解步长的确定, 采用不同尺度近似信号标准差变化平缓段的最小尺度值, 从而避免了人为选择分解阶数可能造成的不完全分解或过度分解。 分解后的信号不仅在频率成分上较单一, 且平稳性较好。 然后对小波分解重构后不同尺度的信号分别采用自回归滑动平均混合模型进行预测, 再合成原始信号的预测值。 对半年尺度的最大震级序列和地震总释放能量序列的一步预测, 结果表明这样做有效地提高了预测精度, 一步预测结果与实际观测结果不仅相关性高, 而且两者的残差曲线离散性小, 以此对未来地震形势的判断较目前常用的方法更为可靠。     

复小波包域的微震信号分析提取方法

提出了一种在复小波包域分析提取微震信号的新方法。此方法先采用复小波包分解同时获得信号的幅值信息和相位信息,再采用一种称为“比值加权”的复小波包重构法,重构出信噪比大大增强的微震信号。实际应用表明这种新方法在提取微震信号,提高信噪比方面效果显著。     

水位动态周期性干扰的小波分析

通过对“十五”水位动态干扰调查和分类总结,得到一类受周期性干扰的水位动态曲线。通过对该类动态的水位序列进行小波分解,得到其水位时间序列的不同分解层次的干扰特征;利用小波重构剔除干扰信息,得到水位动态的重构时间序列;通过对多个台站的水位序列进行小波分析,得到该类干扰的典型动态特征。     

地磁场变化的小波熵复杂度分析方法

根据南极中山站地磁台2005年的地磁观测数据,运用小波分析方法---小波熵复杂度对地磁场观测数据进行了分析,其小波熵序列与时间序列的变化完全一致,表明小波熵序列能够表征地磁场变化程度及变化范围.进一步研究发现,小波熵序列具有阶段特性,反映了地磁场变化在不同的过程中具有不同的变化性质及内容;当地磁场观测数据的幅度整体削减时,小波熵值整幅增大,但小波熵序列的特征完全一致,说明小波熵非常好地反映了地磁场观测数据的幅度与频率的变化,能够揭示地磁场变化的内在规律.因此,可以借助地磁场观测数据的小波熵复杂度计算来反演地球及其外围空间的动力学特征.     

基于解析信号重构的同步挤压小波变换的时频谱影响因素分析

受测不准原理的制约,小波变换、S变换等时频分析算法无法同时获得高时间分辨率和高频率分辨率。为了满足更高的要求,出现了一种联合小波变换和时频谱重组的新方法—同步挤压小波变换。本文从同步挤压小波变换和基于解析信号重构的同步挤压小波变换的原理出发,通过模型分析算法中参数设置对时频分析结果的影响,包括小波母函数、小波母函数的参数选择和小波阈值等,分析瞬时频率变化率不为零的信号所存在的时频谱模糊现象,并通过控制小波母函数、小波母函数参数以及小波阈值有效地减轻瞬时频率变化率不为零的信号所存在的时频谱模糊现象,时频谱的质量得到一定程度的提高。研究结果对获取高分辨率地震时频谱具有一定的指导意义。      

小波分析在GPS位移时间序列特征中的应用

使用福建GPS台网2004年3月—2008年10月的连续观测资料,对各基准地震站原始数据进行处理,得到位移时间序列,进行初步分析。在此基础上,采用小波分析方法提取时间序列的时频特征,从而得到非线性变化信息,为GPS在大地震前获取前兆资料提供探索方向,进而通过对位移时间序列异常变化与区域地壳运动关系的研究,探讨两者间的内在联系。     

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MATLAB的定点形变观测数据时频分析软件设计及应用研究

为方便台站工作人员快速准确分析定点形变观测数据的时频响应特征,利用MATLAB软件研发了基于小波分析和同步挤压时频变换的交互式数据处理与成图软件包。该软件包遵循模块化设计原则,利用导入模块读取从中国地震前兆台网数据处理系统下载的原始数据,利用预处理模块对缺失数据进行插值补全,利用小波分解与重构模块从原始数据中提取待分析的目标信号分量,利用同步挤压时频分析模块对提取目标进行高精度时频分析,并在各模块关键节点中增加绘图功能,全部处理过程采用绘图-参数输入-绘图交互的方式进行,参数灵活可调,且每步计算结果直观清晰。应用该软件包对2020年1月至2021年6月西昌小庙台DSQ型水管仪和SS-Y型伸缩仪整时值采样数据进行固体潮时频计算,并与理论固体潮时频结果进行对比,结合时频辅助分析方法,从时频谱角度初步评价了2套仪器观测资料的质量情况,为台站日常数据跟踪分析提供了参考。     

基于广义模式识别面波基模式频散曲线反演研究

面波多道分析方法(MASW)是获取垂向剪切波速度剖面的一种有效方法。频散曲线反演是MASW中关键的一步。由于瑞雷波频散曲线反演具有非线性、多参数和多极值的特征,这对于常规的局部线性化反演方法是极大的挑战。为此,本文采取确定性的全局优化算法,广义模式识别算法(GPS)对瑞雷波频散曲线进行反演。其原理可以简述为:算法首先通过模式以确定性的方式对目标函数进行采样来搜索一个点序列;然后使序列中每一个点到下一个点的目标函数值逐渐减少,从而使点序列逐渐逼近全局最优解,最后的解便为待求的最优模型参数。为验证GPS的有效性,首先利用设计的3种典型的6层地质模型通过快速矢量传递算法正演模拟产生基模式频散曲线(频率范围为5~101Hz,频率间隔为2Hz,频点数为49),并对理论频散曲线进行反演。反演结果表明,模型的真实值已经被高度精确地重建。说明GPS可以用于实际勘探中的基模式频散曲线反演。为进一步验证GPS的有效性,在吉林大学校园采集瑞雷波实测数据,并提取基模式频散曲线,应用GPS进行反演。反演重建的横波速度剖面与先验的地质信息吻合得很好。理论模型和真实数据的反演结果表明,GPS可以应用在瑞雷波频散曲线非线性反演中。      

自适应VMD的地震资料高分辨率处理方法研究

随着勘探开发的不断深入,常规地震资料受分辨率的限制难以满足精细勘探开发的需求.由于地震信号不同频率成分的衰减程度不同,故可结合分频技术对各频率成分进行差异化补偿,进而提高地震资料分辨率.而常规分频技术普遍分频精度不高,存在模态混叠现象,不能较好地适用于地震资料处理.针对上述问题,本文提出基于自适应变分模态分解(VMD)...     

The utilization of the double focal transformation for sparse data representation and data reconstruction

In many cases, seismic measurements are coarsely sampled in at least one dimension. This leads to aliasing artefacts and therefore to problems in the subsequent processing steps. To avoid this, seismic data reconstruction can be applied in advance. The success and reliability of reconstruction methods are dependent on the assumptions they make on the data. In many cases, wavefields are assumed to (locally) have a linear space–time behaviour. However, field data are usually complex, with strongly curved events. Therefore, in this paper, we propose the double focal transformation as an efficient way for complex data reconstruction. Hereby, wavefield propagation is formulated as a transformation, where one‐way propagation operators are used as its basis functions. These wavefield operators can be based on a macro velocity model, which allows our method to use prior information in order to make the data decomposition more effective. The basic principle of the double focal transformation is to focus seismic energy along source and receiver coordinates simultaneously. The seismic data are represented by a number of localized events in the focal domain, whereas aliasing noise spreads out. By imposing a sparse solution in the focal domain, aliasing noise is suppressed, and data reconstruction beyond aliasing is achieved. To facilitate the process, only a few effective depth levels need to be included, preferably along the major boundaries in the data, from which the propagation operators can be calculated. Results on 2D and 3D synthetic data illustrate the method's virtues. Furthermore, seismic data reconstruction on a 2D field dataset with gaps and aliased source spacing demonstrates the strength of the double focal transformation, particularly for near‐offset reflections with strong curvature and for diffractions.     

基于压缩感知的高分辨率平面波分解方法研究

平面波分解方法是地震资料处理中的一项关键技术,它广泛地运用在平面波偏移、各类Beam偏移等成像方法中.平面波分解不仅可以提高偏移成像的效率,而且可以压制地震资料中的随机噪音,提高地震数据的信噪比.线性Radon变换（LRT）是一种常见的实现平面波分解的方法,但常规的LRT存在以下两个缺点：（1）分辨率受测不准原理限制;（2）变换结果存在很多噪音和空间假频.为了克服LRT的上述缺点,本文提出一种基于压缩感知的高分辨率平面波分解方法,并利用加权匹配追踪（WMP）技术实现了该方法.该方法将LRT视为一个参数估计问题,并将LRT结果的稀疏性作为约束条件,在压缩感知理论的指导下利用WMP方法得到高分辨率、高信噪比的平面波分解结果.另外,该方法还可以用于提取地震数据的线性信号、压制随机噪音、实现高维地震数据规则化等地震资料处理技术.数值实验结果证明：WMP方法可以有效地提取地震数据中的线性信号,提高LRT的分辨率和信噪比,从而改善平面波分解的质量.     

BASIC PRINCIPLES OF TWO-DIMENSIONAL DIGITAL FILTERING *

The geophysicist involved in the analysis of two-dimensional data should have an understanding of the two-dimensional finite Fourier transform and the mechanics of two-dimensional filtering. Frequency aliasing must be considered when working with sampled data. In two dimensions it is advantageous to consider aliasing in terms of the overlap of the repeating spectra inherent in the finite Fourier transform. Two-dimensional filtering can be performed as a transient convolution in the space domain, as cyclic convolution utilizing the frequency domain or as the multiplication of polynomials using the z-transform. If the “edge” effects are removed, the results of the three methods are identical.     

利用变分模态分解(VMD)和匹配追踪(MP)联合压制音频大地电磁(AMT)强干扰

为了有效分离矿集区音频大地电磁（AMT）信号中的大尺度强干扰、抑制近源效应,本文提出利用变分模态分解（VMD）和匹配追踪（MP）联合压制AMT强干扰的方法.首先,对比了VMD与经验模态分解（EMD）、固有时间尺度分解（ITD）的处理效果,验证了VMD在避免模态混叠和端点效应方面的优势;讨论了VMD中模态个数对典型大尺度强干扰的去噪性能,并选择合适的模态初步获取待处理信号的重构信息.然后,运用MP对VMD重构信号做二次信噪分离处理,进一步滤除残余的尖脉冲干扰.通过对模拟和实测数据的分析处理,以及与远参考法结果对比,本研究能有效剔除时间域序列中的大尺度强干扰,且重构信号中保留了更多的低频缓变化信息和细节成分,近源干扰得到有效压制;视电阻率-相位曲线更为光滑、连续,低频段的数据质量得到明显改善,其结果能更为真实、可靠地反映地下电性结构信息.     

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.