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.     

Hilbert-Huang 变换与大地电磁噪声压制

大地电磁信号具有非线性、非平稳、非最小相位特征,不符合以Fourier变换为基础的传统功率谱估计的基本要求. Hilbert-Huang变换是近年发展起来的处理非线性、非平稳信号的完全局部时频分析方法. 本文在简要介绍Hilbert-Huang变换基本原理与算法基础上,以实际数据分析为例,探讨了它在大地电磁信号处理及噪声压制中的应用. 提出利用Hilbert时-频能量谱对大地电磁信号进行时段筛选,以提高信号品质,增强数据处理的质量和资料的可解释性. 利用经验模态分解方法及其多尺度滤波特征,可以有效地分析MT信号中的噪声分布特征,并进行干扰压制.     

基于广义S变换、经验模态分解叠前去噪方法的比较

高频噪声压制是高分辨率地震数据处理中的关键性问题.基于广义S变换、经验模态分解的时频域地震去噪技术具有时变、分频和高保真特性,可有效处理非平稳地震信号,但二者在去噪原理、去噪效果、保真度、计算效率等方面尚存差异.对比分析表明:两种算法在提高地震信号信噪比的同时,可保持地震信号的保真度,保护陡倾角反射界面能量;基于广义S...     

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。     

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。     

基于经验模态分解的地震瞬时属性提取

传统复地震道方法提取的地震瞬时属性存在物理意义不明确、对噪声敏感等不足,本文探讨基于经验模态分解的地震瞬时属性提取方法,得到不同尺度下的地震瞬时属性,由此得到的瞬时频率在数值上与地震主频对应较好.将该方法提取的属性应用到海上地震数据中,显示出较好的效果.     

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.     

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).     

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.     

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。     

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。     

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.     

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.

     

一种基于频率域偏振分析提高三分量地震资料信噪比的方法

三分量地震资料包含着丰富的运动学和动力学信息,各种随机噪声的存在严重降低了资料的信噪比,给有效信息的提取带来了一定的困难.本文在引入多窗谱分析方法的基础上,通过对谱密度矩阵特征问题的求解提取三分量地震记录的偏振参数,实现频率域偏振分析;根据所求得的偏振参数以及随机噪声和有效信号的偏振特性差异,设计相应的自适应滤波器,通过该滤波器的滤波作用,最终实现压制随机噪声的目的.     

星载电场数据处理方法研究

给出一种新的非线性、非平稳信号的处理方法——HHT方法,并把该方法首次应用于星载电场数据处理中.以2004年9月15日菲律宾6.0级地震前两天(13日)DEMETER卫星经过震中区域上空所记录到的数据为例,对ULF频段的电场数据进行了处理,得到了相应的HHT时频图谱.另外,还利用DEMETER卫星中心网站提供的SWAN软件计算得到了相应的小波变换时频图谱,通过比较发现,虽然两种方法对异常信号出现的位置时刻的描述有相同的能力,但HHT方法在异常信号的细节描述上更为清晰,从而为今后进一步的研究工作奠定了基础.     

HHT方法在地电场数据处理中的应用

较为详细地介绍了一种新的非线性、非平稳信号的处理方法—HHT（Hilbert-Huang Transform）方法,阐述了该方法的创新性,并对其有效性进行了数值检验.把该方法应用于新疆和田地电场台站和陕西西安地电场台站的观测数据,得到了各自的经验模态分解图、HHT时频图和相应的边际谱图,从这些图中可以清楚看出各自的频谱特征.最后阐述了HHT方法在地电场数据处理中的应用前景.     

基于EMD方法与RBF神经网络的结构损伤检测

针对结构损伤检测中损伤的识别、定位以及程度的标定这三个独立并按一定先后顺序进行的检测过程,提出了一种能将以上三者同时进行的联合检测方法。该方法首先利用经验模态分解(EMD)方法将三层钢筋混凝土剪切型结构在各种损伤工况下的顶层地震作用加速度响应分解为若干固有模态函数(IMF)分量,然后以此IMF分量和未经EMD分解的原始加速度响应数据来构造损伤标识量,作为特征参数依次输入到径向基函数神经网络(RBFNN)中进行损伤检测。给出了应用此方法的具体步骤,通过仿真实验证明了利用该方法进行结构损伤一次检测的可行性和有效性,结果表明,由加速度响应经EMD分解而得到的IMF分量输入到RBFNN中能够更为精确地一次检测出结构所有损伤信息,并且RBFNN在结构损伤损度大时具有更好的检测效果。     

基于f-x域流式预测滤波器的地震随机噪声衰减方法

随机噪声的影响在地震勘探中是不可避免的,常规的随机噪声压制方法在处理中往往会破坏具有时空变化特征的非平稳有效地震信号,影响地震数据的准确成像.当前油气勘探的目标已经转变为“两宽一高”,随着数据量的增大,对去噪方法的处理效率也提出了更高的要求.因此,开发高效的非平稳地震数据随机噪声压制方法具有重要意义.预测滤波技术广泛用于地震随机噪声的衰减,本文基于流式处理框架提出一种新的f-x域流式预测滤波方法,通过在频率域建立预测自回归方程,运用直接复数矩阵逆运算代替迭代算法求解非平稳滤波器系数,实现时空变地震同相轴预测,提高自适应预测滤波的计算效率.通过与工业标准的FXDECON方法和f-x域正则化非平稳自回归(RNA)方法进行对比,理论模型和实际数据的测试结果表明,提出的f-x域流式预测滤波方法能更好地平衡时空变有效信号保护、随机噪声压制和高效计算三者之间的关系,获得合理的处理效果.