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。     

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.

     

基于折线包络的经验模态分解方法

提出了一种基于折线包络的经验模态分解方法.以一个具有明确解析表达式的信号验证了该方法所得结果的意义,并讨论了该方法分解E1 Centro波所得固有模态分量(IMF)的波形与频谱特征.     

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.     

基于经验模态分解的地震波特征提取的研究

本文原始数据为35个天然地震和27个人工爆破事件的离震中最近的5个台站的垂直分量波形数据.从原始波形数据分别提取最大振幅对应的周期、倒谱的方差、自相关函数的最大值3个特征.依据希尔伯特黄变换原理,用经验模态分解方法把原始波形信号分解为10个左右的本征模态函数分量后,再从每个分量中分别提取这3个特征.接着对所获取的特征样本集合采用随机划分法分为学习样本集与检验样本集,然后再通过支持向量机进行分类识别,如此反复进行多次样本划分和分类识别.结果表明经验模态分解后的分量信号提取的这3个特征具有更高的识别率,说明了经验模态分解有利于识别天然地震和人工爆破事件,值得进一步深入研究.     

二维位场在有源空间的解析延拓

位场的向下延拓对重、磁等位场资料的处理与解释具有重要意义,但现有的延拓方法在位场向下接近场源时会产生剧烈震荡,计算过程很不稳定,而且理论上都不能越过场源. 本文在复数域里定义了一个具有位场和几何双重特性的新函数PFGR,提出了一套新的延拓方法,在理论上实现了位场在包含场源的下半空间里的解析延拓,经过模型试算验证,表明该方法可以延拓越过场源,准确确定场源奇点,计算过程稳定,对测量中的随机噪声也具有较好的抗干扰能力.     

基于经验模态分解的潮汐观测长趋势分析

运用经验模态分解方法,提取定点倾斜和应变固体潮观测数据的长趋势变化.通过对在震中周边600km范围内的地震台站的倾斜潮汐长趋势变化进行倾斜矢量分析,发现在2010年4月14日青海玉树Ms7.1地震前,距震中31km的玉树台倾斜矢量曲线出现“打结”现象.同时,对该区域内的应变潮汐长趋势变化进行面应变分析,发现处于玉树—甘...     

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.     

二维与三维位场在频率域的等价定理

根据位场在频率域的泊松方程和积分表达式,证明了三维位场的频谱在座标轴上与相应二维场频谱成正比的等价定理,并以几种模型作为定理的例证。     

二维与三维位场在频率域的等价定理

根据位场在频率域的泊松方程和积分表达式,证明了三维位场的频谱在座标轴上与相应二维场频谱成正比的等价定理,并以几种模型作为定理的例证。     

基于经验模态分解的形变信号滤波处理与异常提取

本文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组合滤波器的原理与详细算法。通过对形变观测中典型干扰信号的综合处理、异常提取试验及其所取得的效果,综合分析认为,经验模态分解组合滤波器方法可作为形变观测数据处理中一种新的行之有效的分析方法。     

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.     

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。     

经验模态分解法在地震资料处理中的应用试验

通过对多种连续小波基的平稳序列时频分析,提出经验模态的非平稳序列的时频分析方法,并在地震资料处理解释应用中作探索性试验.试验结果表明：对地震记录道长为5 s和2 ms采样资料,经验模态分解后可获得6-7个固有模态函数单分量,分解的第一个分量C1（t）具有较宽的频率成分,可作为地震属性的主分量.     

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.

     

经验模态分解法在安徽省南部地下流体分析中的应用

首次引进经验模态分解法（EMD）对安徽省南部地下流体进行分析。通过对地下流体数据的分解与重构,发现该方法能提取不同尺度的水位动态,效果较好。通过对震例的总结发现：显著地震前、后安徽省南部地下流体EMD重构结果均出现异常,且存在某些地震前兆敏感点。同时,还对地震前地下流体的变化原因进行了初步分析。     

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.