经验模态分解、 数值仿真与形变信号滤波试验

首先介绍了经验模态分解的方法与原理, 给出了由经验模态分解产生的固有模态函数重构特定滤波器的算法, 然后通过对已知数据的仿真检验, 认为该方法在分解与重构滤波器方面具有较高的精度, 最后通过对形变数据中几类典型干扰信号的初步试验与对比分析, 可看出获得了满意的处理效果。 综合分析认为, 经验模态分解及其组合滤波器在干扰消除或某些频率成分滤波与研究中具有重要意义, 可作为形变数据预处理中一种行之有效的数据分解方法。     

经验模态分解法对高频形变干扰分析中应用

本文通过经验模态分解法(EMD)对辽宁省典型形变干扰异常进行分析。通过对形变数据的分解,发现该方法能提取不同尺度的干扰异常,效果较好。然后对不同尺度的形变信号进行分析,剔除高频噪声信号,对形变观测曲线进行重构滤波,发现该方法可以去除信号干扰噪声,提高信噪比,可作为形变观测数据处理中的一种行之有效的数据分解方法。     

银川台形变数字化观测资料干扰异常处理方法探讨

通过对银川台形变数字化观测资料中出现的干扰异常的分析和处理,总结出银川台形变资料干扰异常的特征和处理方法,为银川台形变数字化观测资料干扰异常处理积累经验,同时为其它台站的形变观测资料干扰的处理提供方法参考。     

HHT方法在受城市轨道交通干扰地电场观测数据中的应用

较为详细地介绍了希尔伯特-黄变换方法,并将该方法中的经验模态分解功能和边际谱功能应用于受城市轨道交通干扰较大的北京市通州区西集镇地电场台站的观测资料中,对城市轨道交通在地电场观测中的影响进行了分析研究.结果表明,在地电场观测台站受到轨道交通干扰时,布极方位与轨道方向一致的测道所记录的数据受到的影响最大;利用经验模态分解...     

基于EMD小波阈值滤波的地磁数据去噪分析

采用小波阈值滤波、经验模态分解滤波和基于经验模态分解的小波阈值滤波3种方法,对磁通门磁力仪观测数据进行去噪,有效去除或抑制郫县地震台地磁数据的地电干扰.     

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。     

基于Hilbert-Huang变换和随机子空间识别的模态参数识别

基于Hilbert-Huang变换和随机子空间识别技术提出了两种土木工程结构的模态参数识别方法。方法一是基于Hilbert-Huang变换和自然激励技术,通过经验模态分解和Hilbert变换提取信号的瞬时特性,进而利用自然激励技术和模态分析的基本理论识别结构的模态参数;方法二是基于经验模态分解和随机子空间识别技术,通过经验模态分解对信号进行预处理,进而运用随机子空间识别方法处理得到的结构单阶模态响应以识别结构的模态参数。利用这两种方法,通过对一12层钢筋混凝土框架模型振动台试验测点加速度记录的处理,识别了该模型结构的模态参数。识别结果与传统的基于傅里叶变换的识别结果及有限元分析结果的对比验证了这两种方法的可行性和实用性。     

基于EMD的瑞雷波信号提纯新方法

为了能够从地震勘探记录中提纯出瑞雷波信号,基于信号经验模态分解的自适应特征,将经验模态分解应用到瑞雷波信号提纯研究中。介绍了瑞雷波勘探实测信号的经验模态分解计算过程,通过仿真实验及工程实例,说明经验模态分解能够有效应用于瑞雷波的提纯,分析比较了经验模态分解提纯方法和其他方法的优缺点,认为经验模态分解方法具有可靠性和稳定性。提出下一步的研究方向是在经验模态分解后直接利用Hilbert变换求得信号的瞬时频率,从而求解出频散曲线。     

二维经验模态分解及其在位场去噪和分离中的应用

由于实际工作中测量的位场数据存在混叠效应,并且这些观测数据具有多源性、非线性和非稳态性的特点,如何从其中提取研究对象所产生的异常信息是位场数据处理中的关键环节.二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)在处理非线性、非平稳信号方面具有明显的优势,且具有分解的自适应性,实现了对信号的多尺度分解.文中采用BEMD方法首先对模型试验中带噪声的重力数据进行分解,得到各级固有模态函数和剩余分量,去掉一个或多个固有模态函数实现初步去噪,或结合小波阈值实现准确、圆滑去噪;再次,对三峡地区的布格重力异常进行了多尺度分解,并且利用径向对数功率谱分析方法估计了各级模态函数所反映的地下场源似深度,定性或半定量地解释了不同深度下的场源产生的异常,较好地揭示了场源赋存的地质信息,对上述分解得到的各分量进行组合叠加,重构出局部异常和区域异常,并且同常规分场方法进行了对比分析,结果表明BEMD方法能够准确、有效地实现位场的异常分离.     

基于集合经验模态分解法的重力极潮提取与研究

重力极潮,即极移引起的重力变化,是地球由于惯性离心力变化导致地球形变的综合反映,其观测和研究有助于了解地球在长周期频段的响应,约束地球形变、地球内部构造和物理参数.区别于以往研究,本文采用了集合经验模态分解方法（Ensemble Empirical Mode Decomposition,EEMD）从全球5个超导重力仪台站连续重力观测资料中提取重力极潮、消除仪器漂移及极潮频段以外的大部分噪声信号,该方法所用的基函数是基于自身信号获得的;在此基础上,利用最小二乘匹配法分离极潮中的周年项和Chandler项,估算Chandler周期的极潮潮汐因子.结果表明,基于EEMD得到的极潮潮汐因子与前人基于其他消除仪器漂移方法（数学模型或小波分析）得到的结果相符合,精度相当,但由于这种方法是自适应的,因此本文结果更能反映实际物理过程.     

EMD新技术在数字波形预处理中的初步应用

介绍了EMD技术,给出由该技术产生的固有模态函数重构数字地震波形信号处理中所用滤波器算法。然后利用该方法对实际波形信号进行了初步处理,处理结果表明,基于EMD的滤波技术具有许多其它分析手段所不具备的特点,是一种新的滤波方法,可用于数字地震波形信号的预处理。     

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.     

基于EMD与关联维的储层识别(英文)

在储层发育带,通常地震波波形会变复杂,所以关联维会变小。但由于地震波是有一定带宽的信号,波形受这个带宽内所有频率成分的影响,如果直接进行关联维的计算,其结果往往不能很好地反映储层。鉴于这种情况,提出了经验模态分解（EMD）与关联维相结合的方法,利用EMD对地震波进行分解,对分解后的每一个平稳的固有模函数（Intrinsic ModeFunction,IMF）分量进行关联维计算,将计算结果与有效的IMF分量进行储层预测。利用该方法对xx区三叠系中油组进行了试算,取得了较好的效果。     

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.     

Improved random noise attenuation using <Emphasis Type="Italic">f</Emphasis>−<Emphasis Type="Italic">x</Emphasis> empirical mode decomposition and local similarity

Conventional f?x empirical mode decomposition (EMD) is an effective random noise attenuation method for use with seismic profiles mainly containing horizontal events. However, when a seismic event is not horizontal, the use of f?x EMD is harmful to most useful signals. Based on the framework of f?x EMD, this study proposes an improved denoising approach that retrieves lost useful signals by detecting effective signal points in a noise section using local similarity and then designing a weighting operator for retrieving signals. Compared with conventional f?x EMD, f?x predictive filtering, and f?x empirical mode decomposition predictive filtering, the new approach can preserve more useful signals and obtain a relatively cleaner denoised image. Synthetic and field data examples are shown as test performances of the proposed approach, thereby verifying the effectiveness of this method.     

半周期半对称延拓的EMD边界处理方法的实现

环境脉动下结构非平稳输出信号处理和复杂结构模态参数的识别方法中,希尔伯特-黄变换是种有效的方法.该方法的核心是经验模态分解和希尔伯特-黄变换谱分析.针对何立志(2006)提出的半周期半对称延拓经验模态分解边界的处理方法,本文以EL Centro地震波的筛分为例,对该方法的实现进行了详细说明和具体运用,证明该方法具有一定的实用价值.     

基于EMD,EEMD与CEEMD的信号 时频分析技术对比研究

时频分析方法在各个领域中广泛应用起来,特别是在工程领域中对结构和构件的变形以及内部损伤检测应用较多。HHT作为一种新兴的非线性,非平稳时频分析技术在探测和勘探领域中具有广阔的前景。文中重点对EMD,EEMD和CEEMD算法进行分析,通过对合成信号进行傅里叶变换和希尔伯特-黄变换,得到信号的频谱图,希尔伯特黄谱,边际谱等数据。通过对比分析,总结了三种方法的优缺点。结果表明,EMD,EEMD和CEEMD方法是进行非线性非平稳信号分析的有效工具。      

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.