基于NSTFT-WVD变换的芦山M_S7.0级地震前后地球天然脉冲电磁场信号时频分析

本文针对地球天然脉冲电磁场(ENPEMF)信号的非平稳性特点,通过采用归一化STFT-WVD变换(NSTFT-WVD)提取芦山MS7.0地震前地表天然脉冲电磁场信号的时频特性,来研究大地震发生前地表天然脉冲磁场的时频特点。通过对线性调频信号分别进行Short-Time Fourier Transform(STFT)和WignerVille Distribution(WVD),对比分析两者时频聚集的优缺点,提出采用NSTFT-WVD变换方法,可得到时频聚集特性更优且可抑制交叉项的时频分析方法。结果表明,对于ENPEMF非平稳信号,NSTFT-WVD变换能较为真实地反映震前ENPEMF信号的时-频-能量谱的联合分布特性,即震前1~2天呈现较为明显的脉冲全频率段静默状态,通道2和通道3数据的震前时频表现基本一致,具有较好的临震前兆的特点。     

地震信号时频分析中的希尔伯特黄变换研究

随着时频分析方法的发展,生产研究上对复杂信号的时频分析有了更高的要求。这里简要介绍了希尔伯特—黄变换的原理和实现步骤,然后对合成信号进行经验模态分解(EMD)和希尔伯特谱分析,进而将HHT方法运用到实际地震信号的时频分析中。在此基础上,运用经验模态分解对合成地震信号进行了阀值去噪,证明了该去噪方法的有效性。     

裂缝性地层声波测井的联合时频特征

裂缝性油气藏越来越受到人们的重视,如何有效地识别和评价裂缝性地层也成为人们关注的一个焦点。Cohen类时频分析方法具有同时对信号的时间和频率进行分析的优点,同时Hilbert-Huang变换(HHT)中的经验模态分解（EMD）方法能将信号分解为有限个具有单分量特性的固有模态函数（IMF）,可以满足Cohen类时频分析对信号单分量的要求。尝试将这两种方法联合应用于阵列声波信号特性的提取,对地层不同性质裂缝的信号能量的时频分布特征进行分析,结果显示了这种联合时频分析方法在不同的裂缝性质地层中有不同的表现特征,对于实现裂缝性地层分析和评价具有一定的现实意义。     

基于Hilbert-Huang变换的阵列声波测井信号时频分析

针对目前阵列声波测井信号的信息提取主要集中在纵波、横波、斯通利波等组分波的速度、衰减的处理分析上, 对频率特征的分析还缺少足够的重视的不足, 引入了Hilbert-Huang变换(HHT) 时频分析方法及瞬时频率的概念, 给出了阵列声波信号的经验模态分解及其时频分布, 并对实际阵列声波的波形信号进行了HHT时频处理与剖析.把这种方法用于区分和识别岩石构造破碎带取得了理想的效果.从阵列声波测井信号处理和构造异常的地球物理意义两方面表明, IMF序列能更好反映原始数据固有的物理特性, 所使用的EMD分解是有效和易行的, 为HHT分析在阵列声波测井信号处理中的应用, 进行了有益的探索.      

改进的完备经验模态分解和FWEO能量在南海油气识别中的应用

传统希尔伯特变换(Hilbert-Huang transform, HHT)是一种识别精度较差的时频分析方法，存在端点效应和模态混叠等问题。改进的完备经验模态分解(Improve Complete Ensemble Empirical Mode Docomposition, ICEEMD)可以将复杂的地震信号分解为一系列单分量信号，较好地解决模态混叠问题，但结合希尔伯特变换提取的瞬时振幅和瞬时频率，对处理实际地震数据仍然有严重的端点效应。FWEO(Frequency-weighted Energy Operator)是一种非负频率权重算子，其结合TK能量差分算法和Hirbert变换复分析思想，具有比Hilbert变换更高的时间分辨率。但由于算法本身的原因，FWEO能量只能应用于单分量信号，不能直接应用于复杂的地震数据。因此，这里结合改进的完备经验模态分解方法和FWEO能量分离算法的优点，提取南海某工区实际地震记录的瞬时振幅和频率信息，并将预测结果与测井数据对比，预测吻合程度好、识别精度高、证明该方法可以准确地反映储层特征。     

基于变分模态分解算法的探地雷达信号去噪研究

探地雷达信号属于非平稳信号,容易受到干扰噪声影响导致探测能力降低.为了消除雷达信号的噪声,经验模态分解(EMD)、总体经验模态分解(EEMD)和完全总体经验模态分解(CEEMD)等方法被应用到雷达数据处理中.EMD虽然不断被改进,但仍存在一些不足,例如容易受到噪声干扰,存在模态混叠现象,依赖经验性等问题.因此笔者采用变...     

基于局部均值分解的地震信号时频分解方法

在分析地震资料时,因吸收和衰减等原因,地震信号往往呈现出非稳态性。时频分解方法能将地震信号分解成多个稳态的子成分,从而为描述和分析地震信号的属性提供了便利,如短时傅里叶变换、小波分析、经验模式分解(EMD)等方法。本文引入了一种新的时频分析方法——局部均值分解(LMD)。该方法将地震信号按其时频属性分解成多个乘积分量信号(PFs),较EMD分解所得的固有模态函数(IMFs)保留了更多的局部信息,同时模态混叠效应更少。对模型数据和实际数据的处理结果验证了LMD方法能够合理地分解地震信号,更准确地描述地震资料中不同时间尺度的构造信息,为进一步的地震数据处理和解释提供参考。     

非平稳地震信号匹配追踪时频分析

根据三步法匹配追踪原理实现了基于雷克子波的地震信号自适应分解,在此基础上,讨论了利用匹配子波进行地震信号时频表征的方法。由于常规匹配追踪时频是以Wigner-Ville分布为基础,得到的时频信息有限,因此给出了一种基于可调窗口的短时傅氏变换时频表示方法,进而又利用各匹配子波的复谱,引入一种新的时频表示方法,不仅与Wigner-Ville方法具有同等的分辨率和能量聚集特性,而且保留了原信号的最基本时频特征,不存在交叉项和窗口截断效应。通过与短时傅氏变换和S变换时频特征的对比发现,匹配追踪时频表征和瞬时谱参数具有更高的分辨率。实际数据的应用也表明,匹配追踪分解非常适用于非平稳特征的地震信号的时频分析。     

基于EEMD的地震瞬时属性在砂砾岩中的应用

集总模态分解(EEMD)是经验模态分解(EMD)的一种改进算法,它克服了EMD中的模态混叠现象并可以有效抑制干扰信号。文中对EEMD方法进行理论试算,证实了其方法的改进效果及抗干扰能力,然后使用EEMD方法处理了中国东部某区块的砂砾岩地震资料,得到了不同频率的固有模态函数(IMF)分量;结合地质情况,找出了对砂砾岩敏感程度较高的IMF分量,并使用Hilbert变换计算出瞬时属性。将计算出的IMF瞬时频率与原始数据的瞬时频率对比得出前者对流体界面变化的识别能力高于后者。     

修正S变换与常规时频分析方法的对比

地震信号往往是非线性、非平稳信号,基于平稳信号理论的常规傅里叶变换方法不能刻画任一时刻的频率成分,而时频分析技术能同时展示信号在时间域和频率域的局部化特征。修正S变换作为一种较新的时频分析方法,是针对S变换窗函数相对固定、时频分辨率不能调节的问题提出的。通过对修正S变换与常规时频分析方法如短时傅里叶变换(STFT)、小波变换(WT)和S变换的对比,分析了修正S变换在时频分析方法中的作用。根据合成信号以及实测地震记录的时频分析可知:修正S变换较常规的时频分析方法具有更好的时频分辨率和能量聚集性,更有利于对非平稳信号的处理。