稀疏时频分解方法的研究与运用（英文）

Gabor变换和S变换是常用的时频分析工具。根据测不准原理,它们的时频分解结果无法在时间域和频率域同时具有很高的分辨率。为了提高非平稳信号时频分解结果的分辨率,本文提出瞬时频率分布函数（IFDF）并利用它表达非平稳信号。当非平稳信号时频成分的分布满足测不准原理对信号可分辨的要求时,瞬时频率分布函数的支集和短时Fourier变换的小波脊支集是同一个集合。利用IFDF的该特征,本文提出一种迭代算法（Sparse-STFT）实现了信号的稀疏时频分解。该算法在每次迭代过程中利用残留信号的短时Fourier变换结果的脊支集更新信号的时频成分,每次迭代得到的时频成分的叠加结果即为最终的稀疏时频分解结果。文中的数值实验证明了Sparse-STFT可以有效地提高非平稳信号时频分解结果的分辨率。最后,本文将该方法应用于地震数据面波的压制中,取得了理想的处理结果。     

基于奇异值分解的计算条件非线性最优扰动的集合投影算法

条件非线性最优扰动(CNOP)是线性奇异向量(LSV)在非线性领域的拓展,它代表了在一定物理约束条件下且在预报时刻导致最大预报误差的一类初始误差.CNOP类型的初始误差在天气和气候的可预报性研究中具有重要作用.在求解复杂数值模式的CNOP中,一般通过数值计算目标函数关于初始扰动的梯度,并沿着梯度下降方向在相空间搜索极值点而得到CNOP.计算梯度常用的一个方法是利用伴随模式得到梯度,然而发展一个复杂模式的伴随模式是困难且非常繁琐的,大大限制了CNOP方法在复杂数值模式中的广泛应用.本文在前人工作的基础上,提出了一种基于奇异值分解(SVD)的集合投影算法.该算法避免了集合投影算法中采用的局地化步骤,从而克服了局地化半径的经验性选择带来的不确定性.将该算法应用于中等复杂程度的ENSO预报模式中计算CNOP.结果表明,用新集合投影算法得到的CNOP能够有效地逼近用伴随算法得到的CNOP,抓住了CNOP的主要空间特征.因此,本文提出的基于SVD的集合投影算法是计算CNOP的一种有效近似算法.     

Morlet小波匹配追踪方法的时频原子参数分析

匹配追踪方法是目前时频分辨率最高的时频分析方法.但传统的匹配追踪方法在寻找与信号匹配最佳的时频原子时,需在较大的参数搜索范围内对时频原子参数进行多重循环寻优迭代,计算效率较低.针对匹配追踪算法实现方式,本文主要工作及结论如下:(1)以Morlet小波为时频原子,以频率、相位、时延和尺度为时频原子参数,分析了信号在时频原子上的投影振幅对这四项时频原子参数的灵敏度,结果表明灵敏度顺序为:时延、频率、尺度和相位,据此结论可在算法实现时根据灵敏度顺序调整不同参数寻优迭代时的参数搜索范围,改善算法的计算效率;(2)针对频率、相位和时延参数已知尺度参数变化的时频原子,分析了利用Hilbert变换得到的瞬时参数表征时频原子参数初值的准确度,结果表明准确度顺序为:时延、频率和相位.据此结论可在算法实现时确定参数寻优的优先级顺序,改善算法的计算效率.与连续小波变换、广义S变换等时频分析方法的对比及在地震数据去噪中的应用效果表明匹配追踪方法效果较好.     

基于正交时频原子的地震信号快速匹配追踪

匹配追踪能够根据地震信号自身的特点进行自适应分解,但因计算量巨大使其不能被广泛应用.本文提出了一种正交时频原子快速匹配追踪方法,该方法在迭代分解过程中,充分利用地震信号的局部性特征作为先验信息点,在先验信息点附近采用动态搜索策略寻找最佳匹配时频原子,同时对时频原子进行正交变换,消除了时频原子库中的冗余分量,最终将信号分解为一系列正交时频原子的线性叠加.测试结果表明,该方法不仅保持了匹配追踪的分解精度,而且使计算效率有了质的提高.     

基于MP方法的地震信号快速分解算法

Matching Pursuits算法是信号分解的一种具体实现方法.针对地震信号在过完备库中进行分解时原子字典索引和计算量均非常庞大的问题,提出了一种原子字典索引的快速生成算法.首先根据地震信号的频带特征缩小字典索引的频率范围;然后同样依据地震信号的波形特征缩小字典索引的尺度范围.从而利用对地震信号的先验知识,收缩原子字典索引的扫描范围,实现基于Matching Pursuits算法的地震信号的快速分解.     

基于波原子域的地震数据压缩感知重建

地震数据重建在地震数据处理中是非常关键的问题,针对传统地震数据重建方法受奈奎斯特采样定理的限制较大,重建数据易出现假频,以及变换基函数对于复杂地震波前信息的稀疏表示不够准确的问题,结合波原子对于简单纹理模型具有最优的稀疏表示能力,可以较好稀疏表示地震数据同相轴信息的特点,提出基于波原子域的地震数据压缩感知重建算法.首先,在波原子域建立地震数据压缩感知重建正则化模型,通过Landweber迭代算法,稀疏反演求解L1范数最小优化问题.其次,为克服波原子变换缺乏平移不变性,易在地震数据缺失道邻域产生伪吉布斯现象的缺点,数据重建过程中在检波器轴采用循环平移技术,对重建结果线性平均以抑制失真.最后,利用指数阈值收缩模型在迭代初期加速促进编码系数的稀疏程度,去除噪声,迭代接近结束时减缓阈值收缩,加强保留地震数据的细节信息与数据的主要特征.利用合成地震模型及实际数据,通过与现有算法对比实验,表明本文算法能有效提高重建地震数据SNR,并且可以更好的保持地震数据同向轴复杂区域的局部特征.理论及实验证明了以波原子域稀疏表示为基础,建立、求解地震数据压缩感知重建模型的合理性,以及结合循环平移技术、指数阈值收缩模型抑制重建数据中噪声的有效性.     

基于CEEMD的曲波阈值去噪方法

由于地震信号的非线性和非平稳性,导致频率域的去噪方法滤波效果不佳.鉴于此,本文设计了基于互补集合经验模态分解(CEEMD)的曲波最优化迭代阈值去噪方法.该方法首先利用CEEMD将非平稳信号分解为一系列相对平稳的固有模态函数,根据每个固有模态函数所含噪声强弱的不同,利用曲波最优化迭代阈值进行去噪处理,最后将处理后的固有模态函数进行重构,得到最终压制噪声后的结果.与FX反褶积相比,本文方法在压制随机噪声提高信噪比的同时,可以更好的保护有效信号.模型试算和实际资料处理验证了该方法的有效性.     

低信噪比地震资料FDOC-seislet变换阈值消噪方法研究

地震数据本质上是时变的,不仅有效同相轴表现出确定性信号的时变特征,而且复杂地表和构造条件以及深部探测环境总是引入时变的非平稳随机噪声.标准的频率-空间域预测滤波只适合压制平面波信号假设下的平稳随机噪声,而处理非平稳地震随机噪声时,需要将数据体分割为小窗口进行分析,但效果不够理想,而传统非预测类随机噪声压制方法往往适应性不高,因此开发能够保护地震信号时变特征的随机噪声压制方法具有重要的工业价值.压缩感知是近年出现的一个新的采样理论,通过开发信号的稀疏特性,已经在地震数据处理中的数据插值以及噪声压制中得到了应用.本文系统地分析了压缩感知理论框架下的地震随机噪声压制问题,建立了阈值消噪的数学反演目标函数;针对时变有效信息具有的可压缩性,利用有限差分算法求解炮检距连续方程,构建有限差分炮检距连续预测算子(FDOC),在seislet变换框架下,提出一种新的快速稀疏变换域———FDOC-seislet变换,实现地震数据的高度稀疏表征;结合非平稳随机噪声不可压缩的特征,提出了一种整形迭代消噪方法,该方法是一种广义的迭代收缩阈值(IST)算法,在无法计算稀疏变换伴随算子的条件下,仍然能够对强噪声环境中的时变有效信息进行有效恢复.通过对模型数据和实际数据的处理,验证了FDOC-seislet稀疏变换域随机噪声迭代压制方法能够在保护复杂构造地震波信息的前提下,有效地衰减原始数据中的强振幅随机噪声干扰.     

三维大地电磁自适应正则化有限内存拟牛顿反演

有别于传统基于梯度信息的反演方法在正则化约束中用总梯度逼近海塞逆矩阵的技术,本文将正则化约束问题的数据拟合项和模型光滑项分开考虑,只利用数据拟合函数的梯度信息对数据拟合项的海塞矩阵进行逼近,通过求解类高斯牛顿下降方向方程得到不依赖前几次迭代正则化因子的更精确下降方向,在求解当前迭代下降方向的过程中,通过保证右端项中两个向量的二范数在同一数量级的原则,实现了正则化因子的自动更新.对理论模型的试算表明这种自适应正则化反演方案可以在拟牛顿反演框架下基本达到OCCAM的算法稳定性,反演结果对初始模型依赖性较小,同时又无需在一次迭代中多次搜索最佳正则化因子.本文还基于此算法讨论了大地电磁各参数对于反演结果的影响,由于本文的反演结果能得到充分的正则化约束,因而在此框架下讨论阻抗和倾子在反演中的作用相对更为客观.     

基于匹配追踪稀疏分解的高斯束成像方法

高斯束偏移是一种高效、稳健的深度域成像方法,其不仅保持了射线类偏移的高效、灵活性,而且具有接近波动方程偏移的成像精度.匹配追踪是一种基于匹配寻优算法的信号稀疏分解技术,常用于地震信号的时频分析和去噪处理中.本文将建立在Ricker子波原子库的匹配追踪算法应用于常规的高斯束偏移中,并结合Kirchhoff偏移的单输入道成像方式,发展了一种成像精度更高且适用于低信噪比资料的叠前高斯束成像方法.该方法通过合理地控制匹配追踪稀疏分解的迭代次数,可以有效地去除地震信号中的随机干扰,提高成像结果的信噪比;此外,在偏移过程中,本文方法采用了Kirchhoff偏移的单输入道成像方式,解决了常规高斯束方法对浅层小尺度地质体成像不准的问题,提高浅部反射层的成像精度.两个典型的数值算例验证了本文方法的有效性和适应性.     

基于匹配追踪和遗传算法的大地电磁噪声压制

针对匹配追踪计算量大、大地电磁数据处理效率低的问题,提出基于匹配追踪和遗传算法的大地电磁噪声压制方法.首先,利用Gabor原子构建过完备原子库,并对过完备原子库集合进行划分.然后,借助遗传算法的自适应性,快速搜寻最优匹配原子及所在位置.最后,运用最优匹配原子对待处理信号进行稀疏分解,重构有用信号.通过对计算机模拟的典型强干扰和矿集区实测大地电磁数据进行分析处理,实验结果表明,相对于匹配追踪和正交匹配追踪,文中所提方法能从过完备原子库中快速、自适应地选取最优匹配原子与不同噪声干扰类型高精度的匹配,极大地提升了计算效率;大地电磁时间域序列中的大尺度强干扰被有效剔除,视电阻率曲线更为光滑、连续,低频段的数据质量得到明显改善.     

An improved cut-based recursive decomposition algorithm for reliability analysis of networks

In this paper,an improved cut-based recursive decomposition algorithm is proposed for lifeline networks.First,a complementary structural function is established and three theorems are presented as a pr...     

利用变分模态分解(VMD)和匹配追踪(MP)联合压制音频大地电磁(AMT)强干扰

为了有效分离矿集区音频大地电磁（AMT）信号中的大尺度强干扰、抑制近源效应,本文提出利用变分模态分解（VMD）和匹配追踪（MP）联合压制AMT强干扰的方法.首先,对比了VMD与经验模态分解（EMD）、固有时间尺度分解（ITD）的处理效果,验证了VMD在避免模态混叠和端点效应方面的优势;讨论了VMD中模态个数对典型大尺度强干扰的去噪性能,并选择合适的模态初步获取待处理信号的重构信息.然后,运用MP对VMD重构信号做二次信噪分离处理,进一步滤除残余的尖脉冲干扰.通过对模拟和实测数据的分析处理,以及与远参考法结果对比,本研究能有效剔除时间域序列中的大尺度强干扰,且重构信号中保留了更多的低频缓变化信息和细节成分,近源干扰得到有效压制;视电阻率-相位曲线更为光滑、连续,低频段的数据质量得到明显改善,其结果能更为真实、可靠地反映地下电性结构信息.     

Time-frequency decomposition of seismic signals via quantum swarm evolutionary matching pursuit

Matching pursuit belongs to the category of spectral decomposition approaches that use a pre-defined discrete wavelet dictionary in order to decompose a signal adaptively. Although disengaged from windowing issues, matching point demands high computational costs as extraction of all local structure of signal requires a large size dictionary. Thus in order to find the best match wavelet, it is required to search the whole space. To reduce the computational cost of greedy matching pursuit, two artificial intelligence methods, (1) quantum inspired evolutionary algorithm and (2) particle swarm optimization, are introduced for two successive steps: (a) initial estimation and (b) optimization of wavelet parameters. We call this algorithm quantum swarm evolutionary matching pursuit. Quantum swarm evolutionary matching pursuit starts with a small colony of population at which each individual, is potentially a transformed form of a time-frequency atom. To attain maximum pursuit of the potential candidate wavelets with the residual, the colony members are adjusted in an evolutionary way. In addition, the quantum computing concepts such as quantum bit, quantum gate, and superposition of states are introduced into the method. The algorithm parameters such as social and cognitive learning factors, population size and global migration period are optimized using seismic signals. In applying matching pursuit to geophysical data, typically complex trace attributes are used for initial estimation of wavelet parameters, however, in this study it was shown that using complex trace attributes are sensitive to noisy data and would have lower rate of convergence. The algorithm performance over noisy signals, using non-orthogonal dictionaries are investigated and compared with other methods such as orthogonal matching pursuit. The results illustrate that quantum swarm evolutionary matching pursuit has the least sensitivity to noise and higher rate of convergence. Finally, the algorithm is applied to both modelled seismograms and real data for detection of low frequency anomalies to validate the findings.     

谱图重排的谱分解理论及其在储层探测中的应用

谱分解理论是把单道地震记录分解为连续的时频谱平面,是地震资料处理和解释的重要技术之一.由于谱分解方法的多解性,所以同一道地震记录因为分解方法不同,得到的时频谱是不一样的.短时傅里叶变换,小波变换,S变换和匹配追踪算法都是对信号开窗分析,这些方法都受到不确定性原理的限制.Wigner-Ville变换避开了不确定性原理的限制,但是交叉项的存在限制了本方法的使用.本文利用谱图重排的时频分析方法(RSPWV)对合成的单道地震记录和实际的地震资料进行了分析.与短时傅里叶变换和匹配追踪算法的比较得出:此方法具有较高的时频分辨率,能够很好地识别气层.     

Seismic comprehensive forecast based on modified project pursuit regression

In the research of projection pursuit for seismic comprehensive forecast, the algorithm of projection pursuit regression (PPR) is one of most applicable methods. But generally, the algorithm structure of the PPR is very complicated. By partial smooth regressions for many times, it has a large amount of calculation and complicated extrapolation, so it is easily trapped in partial solution. On the basis of the algorithm features of the PPR method, some solutions are given as below to aim at some shortcomings in the PPR calculation: to optimize project direction by using particle swarm optimization instead of Gauss-Newton algorithm, to simplify the optimal process with fitting ridge function by using Hermitian polynomial instead of piecewise linear regression. The overall optimal ridge function can be obtained without grouping the parameter optimization. The modeling capability and calculating accuracy of projection pursuit method are tested by means of numerical emulation technique on the basis of particle swarm optimization and Hermitian polynomial, and then applied to the seismic comprehensive forecasting models of poly-dimensional seismic time series and general disorder seismic samples. The calculation and analysis show that the projection pursuit model in this paper is characterized by simplicity, celerity and effectiveness. And this model is approved to have satisfactory effects in the real seismic comprehensive forecasting, which can be regarded as a comprehensive analysis method in seismic comprehensive forecast.     

A recursive decomposition algorithm for network seismic reliability evaluation

A new probabilistic analytical approach to evaluate seismic system reliability of large lifeline systems is presented in this paper. The algorithm takes the shortest path from the source to the terminal of a node weight or edge weight network as decomposition policy, using the Boolean laws of set operation and probabilistic operation principal, a recursive decomposition process then could be constructed. For a general weight network, the modified Torrieri method (NTR/T method) is introduced to combine with the suggested algorithm. Therefore, the recursive decomposition algorithm may be applied to evaluate the seismic reliability of general lifeline systems. A series of case studies, including a practical district electric power network system and a large urban water supply system, show that the suggested algorithm supplies a useful probabilistic analysis means for the seismic reliability evaluation of large lifeline systems. Copyright © 2002 John Wiley & Sons, Ltd.     

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.     

抛物线内插反应谱计算方法

为减小恢复被采信号所用的内插函数与山农要样定理要求的内插函数ha(t-n.T)之间的误差，提出了用抛物线内插－ha(t-n.T)的二阶近似代替常规的线性内插，为充分减小计算量，本文推导了计算绝对加速度反应谱的连锁公式。通过与常规方法的对比发现，抛物线反应谱算法的计算误差明显降低。在保证同样计算精度的条件下，抛物线算法较常规算法允许更低的采样率。为了将反应谱计算的相对误差控制在5％以下，抛物线算法要求有样率为奈奎斯特频率的5倍，而不是常规算法要求的10倍。