基于聚类经验模态分解的地球天然脉冲电磁场时频与能量谱分析:以芦山M_S7.0地震为例

针对地球天然脉冲电磁场信号的非平稳、非线性特点,本文采用基于聚类经验模态分解(EEMD)提取信号时频特性的方法,有效获得了芦山MS7.0地震前地球天然脉冲电磁场信号的时频分布特性、瞬时能量谱、能量集中分布的频段、最大振幅对应的时频分布等特性。对比经验模态分解(EMD)的希尔伯特-黄变换(HHT)方法,EEMD有效抑制了以往EMD分解过程中所出现的模态混叠问题。文章还将EEMD和傅里叶变换、小波变换进行了对比研究。结果表明,对于非平稳的地球天然脉冲电磁场数据,采用EEMD分解的HHT方法更能反映出原始数据的多种固有特性,便于进一步了解地震前地球天然脉冲电磁场的特点。     

基于经验模态分解的曲波阈值去噪方法

针对曲波阈值去噪方法阈值选取单一造成的有效信号损失或随机噪声压制不完全的问题,笔者提出了一种基于经验模态分解的曲波阈值去噪方法。该方法首先对带噪信号进行经验模态分解得到一系列固有模态函数,根据每个固有模态函数所含噪声强弱的不同,选取不同的阈值分别对分解得到的含噪固有模态函数进行曲波阈值降噪处理;最后将去噪后的固有模态函数与不含噪声的固有模态函数进行信号重构得到最终压噪的结果。由于引入经验模态分解,对分解得到的不同含噪程度的固有模态函数,选取不同的阈值进行处理,这样能够有效减小直接曲波阈值方法阈值选取单一产生的问题。模型和实际数据试算表明,该方法在提高数据信噪比的同时,能够有效地保留有效信号,是一种相对保幅的去噪方法。     

基于经验模态分解法与小波变换的长周期大地电磁信号去噪方法

针对大地电磁信号具有非线性、非平稳和非最小相位的特点,提出了一种基于经验模态分解法结合小波变换的联合信号去噪方式,将时间序列信号通过经验模态分解,利用连续均方误差准则确定原始信号能量转折点,进而再使用小波阈值去噪法对剩余固有模态函数分量进行去噪,最后重构出消噪信号。通过对实测信号处理前后结果的对比,表明了本方法能够有效地应用于信号时域去噪。     

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。     

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。     

改进的F-X域EMD去噪在井间地震数据处理中的应用

井间地震作为一种高分辨率地震方法在数据采集时存在大量的随机噪声。笔者采用改进的F-X域经验模态分解(empirical mode decomposition,简称EMD)方法,将信号转换到F-X域后分解成一系列固有模态函数,进而通过滤波来达到去噪目的。通过对理论数据和实际井间地震数据的处理与分析,得出如下结论:此方法不依赖于基函数的选择,具有很强的自适应性,对于消除井间地震数据中的噪声以及提高地震数据的信噪比有较好的效果。     

基于广义S变换的地震资料信噪分离方法

基于S变换具有良好的时频聚焦性和分时分频性,将可灵活选取窗函数的广义S变换引入到地震信号去噪处理中,系统研究了广义S变换在地震资料信噪分离中的应用。首先对地震数据进行广义S变换,然后对含噪频率剖面选取适当阈值压制噪声干扰,提取有效信号,最后重构得到去噪后的记录。经合成记录和实际地震资料处理实验证明,该方法能有效地进行信噪分离,提高地震剖面信噪比和分辨率。     

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。     

一种集成经验模态分解的样本熵阈值微地震信号降噪方法

微地震信号的采集过程中,会不可避免地混合非平稳随机噪声,传统的线性滤波和频谱分析方法对这种混合信号的去噪效果并不理想。针对这一需求,本文提出了一种新的降噪方法。首先对含噪声的微地震信号执行集成经验模态分解(EEMD),获取一系列不同频率成分的本征模态函数(IMF);为了区分这些IMF分量中的信号和噪声,文中通过计算各个IMF分量的样本熵,根据所设置的样本熵阈值来提取符合微地震信号特征的IMF分量,并对这些IMF分量进行信号重构,由此达到抑制随机噪声的目的。将提出的方法应用于模拟数据和实测微地震数据,均表明该方法具有理想的降噪效果。     

探地雷达信号消噪中的时频谱分解重排算法

为了改善现有的时频域算法对于探地雷达信号消噪效果不佳的现状,本文利用时频谱分解重排算法实现了探地雷达信号的优化消噪处理。由于采用窗口函数对信号进行划分,传统的时频变换方法得到的结果是模糊化的信号时频分布,这使得在时频消噪过程中,如果阈值取不好,信号的有用成份极容易受到损伤。而采用时频谱分解重排算法可以对信号的时频变换结果进行重排,使得信号能量更加集中在真实频率点附近,从而获得更高的分辨率,而且可以显著降低消噪过程中对有用信息损伤的几率。仿真数据和实际资料对比结果表明,时频重排谱分解算法比传统消噪方法具有更好的消噪效果。     

小波分析在地震资料去噪中的应用

小波变换方法已广泛应用于信号处理领域。应用多尺度小波分析方法来消除地震观测信号中的噪声是一种行之有效的方法。这里从小波变换的基本原理出发,详细介绍了地震信号的阈值去噪原理,并根据模拟信号和实测地震信号的频谱分析,讨论了如何选择小波基及去噪过程中的阈值取值问题。从小波分解理论知道,利用多尺度分解方式对地震资料进行分析处理,相当于对实测地震资料进行不同尺度的细化分析,由于对不同地区、不同资料的精度要求不同,我们只要使用不同的尺度进行小波变换处理,就可以得到去除原信号的细部巨变(噪声干扰)特征的信号。同时,我们对小波变换处理后重构的地震信号与原信号进行了对比分析,误差结果分析表明该方法切实可行。我们还利用MATLAB语言及其小波工具箱,实现了对地震资料的去噪处理。     

微地震监测数据时频域去噪方法

原始微地震监测数据的信噪比相对较低,监测数据品质决定了微地震有效信号的定位精度,提高监测数据信噪比是微地震处理的关键环节。改进S变换对窗函数进行能量归一化处理,解决了常规S变换时频谱中频率定位不准的问题,具有更高的时频分辨率精度。利用改进S变换的良好二维时频域聚焦特性,设计时变的二维时频域滤波器,将时频域去噪方法引入到微地震监测数据的去噪处理中。利用改进S变换对微地震监测数据进行时频分析,能够更加准确地分析不同信号分量的振幅能量以及频率随时间的变化情况,实现微地震有效信号分量与噪声干扰分量的有效分离。通过合成模拟信号和实际井中微地震监测数据的试处理和对比分析,验证了该方法的可行性和有效性。     

改进阈值法在二代小波变换去噪中的应用

地震信号去噪能有效提高信号的信噪比和分辨率。二代小波变换可以在不同尺度上对含噪信号进行小波分解和多分辨率分析,实现窗口宽度自适应调整的局部化分析。但小波变换阈值法在去噪过程中会在信号的不连续邻域会产生伪吉布斯效应,而平移不变量阈值去噪方法通过平移-去噪-平均的思想可以很好的解决该问题。因此本文在已有的二代小波变换阈值去噪的基础上将平移不变量这一改进方法应用于二代小波变换中,实现了对地震信号更加快速有效的去噪处理,并在模拟数据试算和实际数据试算中取得了良好的去噪效果。     

局部奇异值分解法压制随机干扰

对于低信噪比资料,压制随机噪声,增强有效信号是地震资料处理的首要任务。而传统的奇异值分解去噪算法,在有效信号横向相干性较强时,去噪效果明显,但当有效信号同相轴呈倾斜、弯曲或孤立状态时,其在压制随机噪声的同时,存在滤除部分有效信号的弊端,为此通过对不同时窗内的地震数据进行拉平、奇异值分解数据重构与反拉平等处理方法,对常规奇异值分解算法进行改进,以克服其对包含非水平连续信号资料去噪效果差的局限。理论数据和实际资料的去噪结果表明,改进后的算法去噪效果明显优于常规奇异值分解法,能在保证有效波不被滤除的前提下有效提高地震资料的信噪比。     

基于组合滤波的矿集区大地电磁信号去噪

针对矿集区大地电磁(MT)信号受环境噪声和人文噪声污染严重的问题,提出一种结合了经验模态分解(EMD)和数学形态学滤波的组合滤波方法,对矿集区大地电磁信号的时域信号进行滤波处理。介绍了方法原理和计算步骤,评估了该方法的去噪效果;在与小波变换去噪效果对比的基础上,用仿真实验验证了方法的可靠性,并对某矿集区的实测数据进行了去噪处理。结果表明,组合滤波方法充分利用了EMD多尺度分解及其可重构特性和数学形态学滤波方法的优点,在滤除噪声的同时为MT信号尽可能多地保留了有用信息。去噪后,估算的响应曲线方差减小到原来的一半,为进一步正确资料处理和地质解释提供了保障。     

基于经验模态分解(EMD)的小波熵阈值地震信号去噪

针对EMD阈值去噪算法中阈值由经验选取以及无法有效区分各固有模态函数上有用信息的不足,本文对各固有模态函数进行小波变换,对各层小波系数进行相关处理,以突出有效信息,抑制噪声;将细节系数的有效信号和突变点置零并等分为若干区间,选取小波熵最大子区间的高频小波系数平均值作为噪声方差计算得到阈值。该阈值选取方法依据小波熵的特点,自适应地根据对应尺度上信号自身的能量特征确定该尺度阈值。将该算法应用于仿真信号和实际地震信号去噪,结果表明该方法优于基于EMD的小波阈值去噪,在提高去噪效果的同时,也更好地保护有效信号。     

地震随机噪声压制及其初至走时拾取方法研究

针对具有较强随机噪声干扰的地震波形无法准确拾取初至走时的问题,提出在运用自动拾取算法前对地震随机噪声进行压制处理的思想。采用完备集合经验模态分解(CEEMD)联合小波阈值对地震信号进行噪声压制,与小波阈值法的联合使用可有效改善CEEMD方法中直接舍弃部分IMF高频分量,造成去除高频噪声的同时也将相应分量上的有效信息一并去除,进而导致信号失真的问题。采用改进滑动时窗能量比联合AIC信息准则法对去噪后的地震波拾取初至走时,该方法首先根据改进滑动时窗能量比法识别地震事件并大致确定初至时刻,然后在该时刻前后取一时窗,使用AIC方法计算AR模型在该时窗范围内的极小值,得到精确的初至波走时。合成及实际地震资料处理结果表明,在拾取初至走时前进行地震随机噪声压制,可有效提高初至波走时的拾取精度。     

基于匹配小波包算法的地震信号去噪

地震资料的信噪比是影响地震资料质量的关键因素之一。目前的去噪方法中,在滤波的同时会损伤有效信号,因此提出基于匹配算法的去噪方法,利用和地震信号匹配的小波包对信号进行分解,用选出的波形代表有效信号达到去噪的效果。实验分析表明,利用匹配小波包算法能够很好地压制地震信号白噪声,提高信噪比。当噪声能量小于有效信号周期能量时,小波包算法去噪效果比小波收缩阈值法好,信噪比提高5 dB ±。     

基于局部阈值曲波变换的叠前去噪技术研究

野外地震数据包含各种随机噪声干扰,降低了地震资料的信噪比,而常规的单一去噪方法效果不理想,为此选用多尺度多方向的曲波变换进行去噪。首先对经过预处理的含噪信号进行多尺度分解,采用局部阈值去噪法,对曲波变换后的每一个尺度都选取一个合适的软阈值因子,然后在各尺度下提取其有效波信号的曲波系数,最后将提取出来的曲波系数进行逆变换重构出地震信号,从而达到去噪目的。理论模型与实际资料的处理结果表明,与常规单一全局阈值去噪相比,该技术最大限度地保留了地震数据的有效信号,具有较好的去噪效果。     

LIFT去噪方法在低信噪比资料处理中的应用

传统去噪一般都是通过各种方法将原始数据分离为有效信号和噪声,从而达到去噪目的,在去噪的过程中,忽略了信号保真的处理原则,在去掉噪声的同时有可能也损害了有效信号。这里从传统去噪方法存在的问题入手,通过对传统去噪方法的原理分析,研究了LIFT去噪技术。LIFT去噪的核心是首先建立信号模型,然后将原始地震信号和信号模型相减,求得剩余信号。通过对剩余信号进行针对性的去噪处理,去除剩余信号中存在的噪声,然后再与信号模型进行合并重构,得到新的具有高信噪比、高保真的地震信号。将该方法在低信噪比地震资料处理中进行了实例测试,取得了理想的应用效果。