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变换在提取阵列声波信号动力特性中的应用

阵列声波信号是典型的非线性、非平稳信号,其动力特性的量化提取对于进行地层结构构造分析提供了必要的基础资料.而Hilbert-Huang变换(HHT)是一种处理非线性、非平稳信号的新方法.它通过经验模态分解(EMD)将信号分解为有限个固有模态函数(IMF),并对每个固有模态函数进行Hilbert变换得到Hilbert谱.本文将这种方法应用于阵列声波信号动力特性的提取,有效地获得了信号能量的时频分布,瞬时能量、Hilbert能量、最大振幅对应的时频分布等动力特性,显示了HHT的优势以及对于进一步实现地层结构构造分析的重要意义.     

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.     

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.     

天然地震与人工爆破波形信号HHT特征提取和SVM识别研究

天然地震和人工爆破信号属于非线性非平稳信号,而传统信号分析方法是针对线性系统平稳信号的,本文采用希尔伯特—黄变换(Hilbert-Huang Transform,简称HHT)试图提取可明确区分天然地震和人工爆破事件的波形特征.通过经验模态分解(Empirical Mode Decomposition,简称EMD)把原信...     

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。     

Hilbert-Huang变换在瞬变电磁去噪中的研究与应用

瞬变电磁法(TEM)是电法勘探的一个重要分支,具有受地形影响小、工作效率高、对低阻体分辨率高纯异常测量等优点.在野外数据采集过程中,瞬变电磁数据容易受到周边环境噪声的干扰.由于瞬变电磁的晚期信号能量弱,极易被噪声淹没,使得数据处理过程中出现假异常.为了更好地减弱噪声的影响,剔除假异常,得到真实的地下介质信息.本文把Hilbert-Huang变换(Hilbert-Huang Transform,简称HHT)方法应用到瞬变电磁数据处理中,通过对含有噪声的瞬变电磁仿真数据进行经验模态(Empirical Mode Decomposition,EMD)分解、重构,得到了真实的电磁信号,证明HHT方法在瞬变电磁去噪中可行.最后对TEM实测数据进行EMD分解、重构,结果表明该方法能够有效的压制噪声的干扰,突出TEM真实信号,较好的识别异常体的位置,提高TEM解译结果的准确性.     

基于MEEMD和时变VARMA模型的地震动噪声清除及基线修正

受背景噪声、仪器倾斜以及外部环境因素产生的低频信号和直流分量影响,由原始地震动信号得到的位移信号会产生波形偏移(基线漂移)现象.目前,常用的地震动去噪方法有滤波法、多项式拟合法、经验模态分解(简称EMD)去噪法、小波去噪法等,但上述方法均有局限性.在探索地震动信号基线修正和去噪过程中,以改进的集合经验模态分解(简称ME...     

基于相似度权重算子和f-x域经验模态分解的随机噪声衰减方法（英文）

传统的f-x域经验模态分解法(Empirical mode decomposition,EMD)能够有效地对主要由水平同相轴构成的地震记录进行随机噪声衰减。然而,当同相轴倾斜时,f-x域经验模态分解法在衰减随机噪声的同时去除大部分有效信号。本文提出了一种基于f-x域经验模态分解法的改进算法。我们通过局部相似度对所去除的噪声信号中的有效信号进行提取。局部相似度可以用来检测噪声信号中的有效信号点并用来构造一权重算子进行信号提取。新方法与f-x域经验模态分解法、f-x域预测滤波法以及f-x域经验模态分解预测滤波法相比能够在衰减随机噪声的同时保留更多的有用信号。数值模拟实验以及实际地震资料处理结果均表明该方法能更为有效地去噪。