基于二维经验模态分解的位场数据分析及应用

二维经验模态分解(BEMD)是一种信号的多尺度分析技术,该方法可以对非线性、非平稳信号进行分析而且具有自适应性.本文实现了BEMD分解算法并对其进行了如下改进研究:针对数据特点,将边缘数据点视为极值点来解决边缘效应;通过对比,采用了径向基函数作为包络面重建方法,减少了计算误差;研究了不同筛分停止准则对分解结果的影响.本文对改进BEMD方法进行了以下应用:对长江中下游重力数据进行了多尺度分解,并根据分解的结果和现有地质认识,划定了部分主要断层分布;根据位场功率谱理论,对不同尺度的分解结果进行了场源深度估算,使BEMD分解结果有了对应的深度概念;应用本文方法对闽西南航磁数据进行了去工业噪声处理.     

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.     

基于希尔伯特-黄变换的多分量地震去噪方法研究及应用

针对多分量地震数据具有信噪比低、波场比较复杂等特点,同时为了解决有效波和面波在低频带具有相关性且频带有重叠的部分.本文基于希尔伯特—黄变换(Hilbert—Huang transform,HHT)提出一种多分量地震数据去噪方法.HHT的核心部分是固有模态分解(Empirical mode composition method,EMD),它将地震信号自适应分解为各个尺度的固有模态函数(Intrinsic mode function,IMF);然后根据有效波和噪声分布在不同的分辨尺度范围内进行数据重构;对于一些尺度分布比较宽的,进行更加严格的EMD分解,以及通过瞬时参数阈值大小进行处理以达到更好的去噪效果.本文所做的工作主要针对多波资料中面波的处理,利用面波跟有效波的频率尺度和瞬时属性差异,从仿真数据、模型和实际地震数据进行面波的压制实验,取得了比较满意的压制效果,提高了地震资料的分辨率.也表明了该方法在多分量地震去噪处理中的可行性.     

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.     

基于小波细节信息的重力源参数估算

小波多尺度分析方法在位场数据处理领域得到了广泛关注.目前,人们对利用该方法分离位场数据所得到的小波细节横向边缘信息认知不够深入,有必要做进一步探究.本文首先采用小波多尺度位场分离方法分离出区域和局部重力异常,然后利用haar小波变换HVD模法对局部异常信息进行多尺度分析,将所得到的小波细节信息进行水平、垂直和对角线方向分解,探测出局部异常体的横向边缘特征,并利用频谱分析方法估测出场源深度.最后,通过理论模型和南非Witwatersrand Basin航空实测重力数据进行分析,表明小波多尺度分析方法不仅能很好地实现位场分离、近似提取异常体场源深度,还可以利用小波细节信息有效地分辨出局部异常体的横向边缘特征,提高其识别精度.     

分析研究基于小波分析与谱分析提高重力异常的分辨能力

重力数据是所有地下场源产生的重力场的叠加，探测对象经常被淹没在区域背景场之中，因此剩余异常的分离对于重力资料研究至关重要，而近来被引入位场领域的小波算子作为了滤波器和场源分析工具，在这里我们分析研究基于小波分析与谱分析的二维离散小波变换用于提高重力异常的分辨能力，再现出由简单形状场源描述密度不均匀的几何特征.本文先介绍二维多分辨率分析小波的基本理论及其提升算法，利用对数功率谱估计平均深度方法理论，接着对理论模型数据进行多尺度异常分解，估计地质体的形状、大小和深度，最后又对实测重力数据进行分析，并与传统常规方法进行比较分析，结果表明对于实际数据分析其方法也是具有可行性的.     

重、磁异常的经验模态分解及其在鄂东张福山铁矿勘探中的应用

由Norden E Huang提出的经验模态分解(Empirical Mode Decomposition,即EMD)是一种以信号极值特征尺度为度量的时空滤波过程,其利用信号的上、下包络得到多个分量.这些分量包含了信号从高到低不同频率段的成分,也称固有模态函数,最后的余量为趋势分量,代表信号的平均趋势,这与地球物理场中...     

基于二维经验模态分解的河北省及邻区流动重力场时空动态变化分析

搜集河北省及邻区2010—2019年20期的流动重力观测数据和绝对重力观测数据,利用二维经验模态分解方法获取河北省及邻区范围内(110°E～120°E,36°N～42°N)不同尺度、不同场源深度下的分解结果,并结合该时间段内M≥4.0震例进行回溯性检验。结果表明,当半年时间尺度与一年时间尺度下的1阶、2阶固有模态函数结果出现正-负重力高值差异或四象限异常变化时,在异常变化中心200km范围内存在2年内发生M4.0以上中强地震的可能。该结论可为河北省及邻区后续震情分析和研判提供参考。     

HHT的滤波特性及在声波测井波列信号处理中的应用(英文)

阵列声波信号是典型的非线性、非平稳信号,Hilbert～Huang变换（HHT）是处理非平稳信号的一种比较新的时频分析方法。通过对信号进行经验模态分解（EMD）和对瞬时频率的求解,可以获得声波信号的时一频谱。其关键技术就是进行经验模态分解,任何非平稳的信号都可以分解为有限数目并且具有一定物理意义的固有模态函数。EMD方法可以理解为以声波信号极值特征尺度为度量的时频滤波过程。滤波器充分保留了声波信号本身的非线性和非平稳特征,在声波信号的滤波和去噪中具有很大的优势。文中介绍了HHT时频滤波的实现过程,并列举了一些声波测井波列实例,说明了该方法的有效性。     

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。     

基于特征矩阵联合近似对角化和经验模态分解的储层识别

地震信号是非线性和非平稳的信号.本文提出了基于特征矩阵联合近似对角化和经验模态分解相结合的算法,将地震信号分解为多个相互独立的固有模态函数分量.然后利用已知井储层发育情况,选取对储层识别有效的IMF分量进行储层预测.仿真和实际地震数据应用表明了该方法的有效性.     

F-X域复数经验模态分解去噪方法（英文）

F-X域经验模态分解去噪方法在处理非稳态地震数据时存在两个局限,一是单纯剔除第一个固有模态分量将导致有效信号缺失及去噪能力偏弱问题,二是分解复信号时对实部和虚部分别分解存在分解数目不一致的风险。本文对上述两个方面进行了改进,提出了一种新的F-X域投影法复数经验模态分解预测滤波方法,首先采用基于空间投影的复数经验模态分解将F-X域地震数据直接分解为不同的复固有模态分量,然后再对这些分量分别进行F-X域预测滤波。合成记录及实际资料测试表明,本文的新方法能更好地衰减随机噪声,更有效地保持地震信号。     

云南地区重力异常的小波分解与解释

利用小波多尺度分析对云南及周边地区的布格重力异常场进行分解,并选用振荡较为平缓、光滑,且具有较好对称性、紧支撑性和较高消失矩的小波基函数进行计算,同时使用功率谱分析方法对异常场分解结果计算获得对应的场源深度。分解结果与地质解释表明:云南及周边地区地壳、上地幔物质存在明显的横向不均匀性,深部隆坳中心有北向偏移的现象;区内重力异常梯度带、转换带多与断裂展布吻合;云南作为强震多发区,其地震发生多受活动断裂控制,区内重力异常条带、复杂异常区与地震分布具有一定的相关性。     

基于CEEMD的曲波阈值去噪方法

由于地震信号的非线性和非平稳性,导致频率域的去噪方法滤波效果不佳.鉴于此,本文设计了基于互补集合经验模态分解(CEEMD)的曲波最优化迭代阈值去噪方法.该方法首先利用CEEMD将非平稳信号分解为一系列相对平稳的固有模态函数,根据每个固有模态函数所含噪声强弱的不同,利用曲波最优化迭代阈值进行去噪处理,最后将处理后的固有模态函数进行重构,得到最终压制噪声后的结果.与FX反褶积相比,本文方法在压制随机噪声提高信噪比的同时,可以更好的保护有效信号.模型试算和实际资料处理验证了该方法的有效性.     

离散小波变换与重力异常多重分解

小波变换多尺度分析是位场分解的有益工具.离散二维小波变换产生的低阶小波细节具有尺度不变的特征,它们不随小波变换的总阶数改变,而总阶数的增加仅增加高阶小波细节的个数和改变最后的高阶逼近.因此,用小波变换分解重力异常时,可根据地质目的来组合小波细节,从而实现有地质意义的异常分解.实验表明,用小波变换分解的重力异常小波细节,同样起到功率谱分解的作用,用分解之后的小波细节功率谱可以精确确定场源的埋深.中国大陆科学钻探场地的重力异常分解给出局部异常分解的典型例子.     

重力场径向基函数多尺度分析的直接解算方法

利用径向基函数的多尺度分析方法可以对地球重力场进行分解,提取出细节的地球物理信息.目前通常采用离散积分法进行解算,但信号分解并重构后,所得信号并不能与原始重力场信号完全符合,分解过程中出现了信号泄露.针对这一现象,本文在最小二乘算法和方差分量估计的基础上,提出了新的在各个尺度上直接解算基函数系数的算法(直接法),有效的减少了重力场分解过程中的信号泄露.以南海地区DTU13重力异常数据为例,分别运用离散积分法和直接法对重力异常进行多尺度分解,结果显示:直接法的5个尺度上的信号泄露误差相对离散积分法减小约39%~79%;直接法总的泄露误差为±1.12 m Gal,明显小于离散积分法的±4.04 m Gal,直接法具有更优的效果.     

小波多尺度分析尼泊尔MW7.8地震前卫星重力变化

利用GRACE重力卫星RL05月重力场数据,获取尼泊尔大地震前后震源区周缘2010-2015年每月重力变化,以及震中点位重力时间序列.基于小波多尺度分析方法对卫星重力场进行分解,获得重力场细节和近似部分.研究结果表明:尼泊尔地震前5年(2010-2014)内在震源区周边出现了比较明显的卫星重力异常正负交替和迁移现象,2014至2015年间,震区周边形成了明显正负异常区,正重力异常区重力增加现象明显.震中重力时间序列反映从2013年开始,重力变化处于稳定状态,且处在较高位;通过功率谱分析,计算多尺度分解各阶细节对应的场源深度,前4阶小波分解后的重力异常细节,反映了浅部地质体的位置和异常情形;5阶小波细节更加侧重于刻画地区构造形变和深部物质流动引起的重力变化.     

昆明地区重力异常数据处理

为了有效地划分出重力异常,利用小波多尺度分析和奇异值分解重建两种方法对昆明地区布格重力异常数据进行处理,实现了位场的分离.分离结果反映了不同深度和尺度地质体密度的不均匀性,从而较好地圈定了盆地,并揭示了几条主要断裂的空间延展特征.运用这两种方法对重力数据的处理都具有可行性.     

2017年九寨沟地震前重力场异常特征提取

2017年8月8日九寨沟发生7.0级地震,此次地震发生在塔藏断裂、岷江断裂和虎牙断裂附近,震源机制为走滑型。重力场静态异常和动态异常变化可为研究深地壳结构性质提供重要的物理场信息。本文利用WGM计算的布格重力异常数据及实测流动重力数据进行小波多尺度分解,分离得到不同深度场源特征的地壳介质横向不均匀性。结果表明,WGM布格重力异常数据和实测重力数据的小波多尺度结果较为一致,通过对比分析发现,九寨沟地震发生在区域重力场的四象限分布中心位置,不同时空尺度的重力场变化对于深入认识潜在地震危险性趋势具有一定的科学意义。     

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.