基于高通滤波的频率-空间域经验模态分解压制高频噪声

高频噪声压制是高分辨率地震数据处理中提高信噪比的关键性问题.本文针对f-x(频率-空间)反褶积空间预测滤波器无法处理非平稳、非线性信号的缺点,提出了一种基于高通滤波的频率-空间域经验模态分解(Empirical Mode Decomposition in the frequency-space domain,f-xEMD)压制地震剖面中高频噪声的方法.该方法采用全域高通滤波从原始数据中分离出含有部分有效信号的高频数据,将其变换到f-x域,然后在滑动的短窗口内提取每一个频率的空变数据序列进行EMD分解得到高频复本征模态函数(Intrinsic Mode Function,IMF)IMF1,将所有频率的IMF1序列反Fourier变换到时间域得到噪声剖面,将其与原始数据相减,达到高频噪声压制的目的.该方法可克服传统EMD分解方法中的模态混叠现象,保护陡倾角反射同相轴;压制后的噪声剖面中不包含有效信号能量,地震剖面的信噪比得到了提高.模拟数据和实际数据处理结果充分证明了该方法的有效性.     

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...     

顾及有色噪声的GNSS时间序列时域信号提取

随着大型地震的发生，GNSS时间序列中除线性趋势和周期信号外，还存在大量震后瞬态，准确地提取各项时域信号是运用GNSS时间序列进行地学研究的关键.为此，本文提出了顾及有色噪声的GNSS时间序列时域信号提取法.该方法首先基于白噪声(White Noise, WN)+闪烁噪声(Flicker Noise, FN)模型，使用最大似然估计(Maximum Likelihood Estimation, MLE)对震前GNSS时间序列进行参数估计，并根据参数估值来去除震后时间序列中的震前信号，以此获取残差序列；然后将残差序列作为求解特征时间尺度的观测量，WN+FN模型作为观测量的随机模型，并采取非线性最小二乘法(Non-linear Least Squares, NLS)法估计特征时间尺度；最后利用估计的特征时间尺度构建GNSS时间序列函数模型，并采用MLE估计其未知参数，进而实现时域信号的提取.经模拟数据分析，考虑有色噪声时，特征时间尺度估计算法的收敛性提高了25%,各项未知参数的标准差(Standard Deviation, STD)显著下降.最后，将该算法应用于日本区域实测数据，并与传统方法...     

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.     

震前电离层TEC异常探测新方法

本文提出一种利用时间序列法(ARIMA模型)进行震前电离层异常探测的新方法.首先,对比分析了该方法与传统探测方法(四分位距法、滑动时窗法)预测TEC背景值的精度.结果表明,时间序列法预测背景值的精度要明显高于传统方法,且预报背景值的平均偏差要比传统方法小2倍左右,说明传统探测方法预测的背景值具有较大系统偏差.为更准确地探测震前电离层扰动,除了得到准确的参考背景值,还需得到更加合理的探测限值,由此本文提出一种更为合理的限差确定策略.最后,以2012年1月10日苏门答腊岛7.2级地震为例,利用该方法分析了其震前电离层的异常扰动情况,并验证了该方法的有效性,实验结果表明:在震前第13天、第8~9天、第1~2天和地震当天电离层均会发生较为明显的异常.而且,其正异常(观测值高于正常值)一般发生在震中以北,距发震时间相对较远;负异常(观测值低于正常值)则在震中各方向均会出现,且距发震时间较近.同时,通过对异常结果分时段统计,发现在发震时刻前,距发震时刻越近的时段发生异常的频率越高,此规律将会对未来更为准确的预报发震时段提供重要参考.     

基于非线性运动分析的CGCS2000下我国CORS站运动特征

CGCS2000(中国地心坐标系统2000)下CORS(全球导航卫星系统连续运行参考站)站的非线性运动主要受到地壳非构造形变信息、框架点公共误差信息和观测误差信息的组合影响,分析我国CORS站坐标时间序列中包含的非线性运动信息是维护CGCS2000坐标框架精确性、可靠性的基础.本文研究方法首先采用国际卫星对地观测数据及相关地球物理模型,计算了由质量负荷效应造成的地壳非构造形变, 并以此修正了这些非构造形变对国家CORS站坐标时间序列的影响.其次采用主成分空间滤波算法(PCA)提取质量负荷改正后的CGCS2000坐标框架公共误差(Common Mode Errors, CME)的时空特性.最后采用最大似然法定量估计了负荷改正和滤波后的国家CORS网坐标时间序列的噪声特性,采用加权最小二乘法评定了考虑不同噪声影响的CGCS2000框架下的国家CORS网年速度估值和实际精度.     

基于多通道奇异谱分析的GNSS坐标时间序列共模误差的提取

共模误差是区域连续GNSS网中存在的一种与时空相关的主要误差源.为了有效的剔除共模误差,提高坐标时间序列的精度,本文提出了利用多通道奇异谱分析（Multi-channel Singular Spectrum Analysis,MSSA）提取共模误差的新思路,并利用实验区域18个测站9年（2002年到2010年）的GPS坐标时间序列进行实验,分析了共模误差对时间序列的影响和测站噪声特性的影响,并对共模误差序列进行周期探测,结果显示：通过MSSA能够有效的剔除共模误差,提高坐标时间序列的精度.     

基于独立分量分析的南极半岛GNSS网区域滤波

高精度GNSS速度场是研究地壳垂向运动及板块运动的基础,能够为冰川均衡调整（Glacial Isostatic Adjustment,GIA）的建模提供外部检核和新的约束.共性误差（Common Mode Error,CME）是区域连续GNSS时间序列中存在的一种与时空相关的主要误差源,通过空间滤波可有效的降低共性误差的影响,提高坐标时间序列的精度.目前广泛采用的主分量分析法（Principal Component Analysis,PCA）,基于二阶统计量（方差和协方差）进行处理,没有充分利用CME高阶统计信息.而独立分量分析ICA （Independent Component Analysis）,引入高阶统计量,能够分离出统计独立的非高斯信号.以南极半岛地区的15个GNSS站点为例,由于某些站点存在强烈的局部效应,因此引入了因子分析法首先对异常站进行剔除,然后对比分析了PCA和ICA方法在南极半岛地区区域滤波结果.结果显示,ICA的滤波效果要优于PCA,ICA滤波前后E、N、U三个方向RMS平均降低44.69%、26.94%、34.87%,不确定度分别降低37.43%,44.58%,55.86%,有效的降低了GNSS残差序列的发散性和速度的不确定度.     

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.