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.     

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.     

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.     

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。     

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.     

基于改进经验模态分解的地震弱信号增强处理方法

针对地震反射信号经验模态(EMD)分解过程中出现的混叠及分解重建失真等问题,本文提出一种改进的EMD分解方法.首先对地震信号进行小波转换,对转换分解得到的信号高频部分进行噪声压制处理,然后将转换后的结果再进行EMD分解;针对频带宽度、振幅大小变换,提出了地震信号EMD分解的分段控制停止准则,根据主频带宽,确定相应的时窗长度,并采用各个时窗段部分叠置衔接的方法,最后对每段结果再利用单调函数停止准则进行变换,该方法有效避免了计算结果的时窗效应.通过实际资料处理对比分析,改进的EMD分解方法较以往常规EMD分解方法,在分解结果的可靠性、分解精度及非线性弱信号时频分析能力等方面都具有显著的改善,为提高薄层地质体识别能力提供了有力的技术手段.     

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.     

基于EMD的中国大陆强震活动特征分析

利用EMD方法对中国大陆年度最大地震时间序列进行逐级分解, 得到5个本征模态函数(IMF)项和1个趋势项, 分析了各个IMF分量不同的周期成分同地球自转速度变化、 太阳黑子活动和潮汐运动等环境因子之间的相关关系, 初步探讨了各个IMF分量的物理机理及其对中国大陆地震活动的影响。     

基于EMD的信号瞬时特征的小波分析方法

提出了一种基于EMD(Empirical Mode Decomposition)的信号瞬时特征的小波分析方法。用这种方法提取非平稳信号的瞬时频率和瞬时幅值分三个基本步骤：首先,用EMD把信号分解成IMF(Intrinsic Mode Function)分量;接着,对IMF分量进行小波分析,从小波系数的幅角函数中提取小波脊线;最后,从小波脊线中提取瞬时频率和瞬时幅值。通过对仿真信号的分析,验证了该方法能有效地分析非平稳信号。     

基于希尔伯特-黄变换的汶川地震记录分析

利用HHT方法对6个台站的汶川8.0级地震加速度记录进行EMD分解,进而对地震波输入结构的总能量进行分解,得到地震动能量在IMF分量之间的分布关系。同时通过对各分量边际能量谱的分析,可以从另一方面得到地震波的频谱特性,边际能量谱峰值频率与地震波傅立叶谱的卓越频率相同,边际能量谱也可以作为一种估算震动卓越周期的方法。     

SVD与EMD联合去噪方法在地震勘探数据处理中的研究与应用

将基于倾角扫描的奇异值分解与经验模式分解法相结合应用到地震资料随机噪声压制中。首先利用经验模式分解法消除部分噪声,增强地震道有效信号的相关性,再利用奇异值分解对地震信号进行同相轴自动追踪,截取小时窗数据体,并进行同相轴拉平处理,经SVD计算小时窗数据中心点的值来代替计算样点的值,最终实现随机噪声的压制。理论模型试算和实际资料处理表明,本文提出的EMD-SVD方法简单易行,比单一的SVD方法去噪效果更显著有效地消除了地震资料中的随机噪声,提高了地震资料的信噪比,并改善了叠加剖面的质量。     

南海东北部内波特征——经验模态分解方法应用初探

利用地震海洋学方法研究海洋内波已成为海洋地球物理学家与物理海洋学家共同关注的前沿问题.本文尝试利用当今时频分析的新手段——希尔伯特-黄变换中的经验模态分解（EMD）方法对南海东北部地震数据处理获得的垂直位移分布数据进行分解,获得了一些有新意的结果.分解结果表明,南海东北部海盆上方区域的内波包含波长约1.2、2.5、4、12.5 km的组成成分,其中波长约1.2、2.5 km的内波在200~1050 m的深度范围内上、下各层的波动基本耦合;波长约4 km与12.5 km的内波以600~700 m的水层为分界,其上、下部分的内波相位差90°,指示低波数内波能量的斜向传播.这些研究表明,EMD方法在内波运动学特征的地震海洋学研宄方面有良好的应用前景.