共查询到17条相似文献，搜索用时 140 毫秒
1.
受新开发的变分模态分解(VMD)的启发,本文引入一种基于VMD的时频分析方法来分析地震数据.VMD的原理是将信号分解成具有一定中心频率的模态分量,通过这些分量来重构原始信号.这种分解方式可以降低各个模态中的残余噪声,同时进一步减少冗余的模态,很好的克服了模态混叠问题.此外,VMD是一种自适应信号分解技术,它可以非递归地将多分量信号分解为几个准正交固有模态函数,与EMD及其推广(如EEMD,CEEMD)相比,有坚实的数学基础.将VMD方法与CEEMD方法进行比较,对合成数据进行测试显示了基于VMD的时频分析方法具有更好的时频聚焦性,同时对实际数据处理也表明该方法具有突出地质特征和地层信息的潜力. 相似文献
2.
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. 相似文献
3.
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. 相似文献
4.
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. 相似文献
5.
6.
完备总体经验模态分解(CEEMD)克服了经验模态分解(EMD)的模态混叠问题,依据信号自身的特点,将待分析的复杂信号分解为一系列不同尺度的固有模态函数(IMF)的子信号,且各IMF分量的频率由高到低依次排列,是一种适用于分析处理非线性非平稳信号的强大的信号分析技术.地震资料中的随机噪声一般属于高频率的信号,在CEEMD中往往分布在前几个高频IMF分量,本文针对基于CEEMD的分频去噪和基于CEEMD的小波阈值去噪等方法的不足,在前人基于EMD阈值去噪的基础上设计了自相关函数统计特性与CEEMD全局阈值联合去噪方法.该方法先对CEEMD分解的若干个模态分量进行自相关,寻找到噪声主导模态和信号主导模态,然后利用设计的全局阈值对噪声主导模态进行去噪,最后将处理后和未处理的固有模态函数进行重构,得到最终的去噪结果.模型试算和实际地震资料处理都验证了此方法在提高信噪比,保留原信号高频有效成分和弱信号信息上的有效性. 相似文献
7.
2011年4月10日四川炉霍发生Ms5.3地震.本文选取了此次地震中不同震中距的台站所获取的三分量加速度时程记录,针对目前EMD分解的HHT方法存在的模态混叠问题,采用了一种基于EEMD分解提取信号时频特性的方法,对加速度记录进行能量计算和时频分析发现,该方法不但有效抑制了以往EMD分解过程中所出现的模态混叠问题,而且还较好地提取到记录的时频特性和能量集中分布的时频段.并与Fourier变换、小波分析进行了对比研究证明了该方法在处理非平稳、非线性强震信号中的有效性和实用性,在强震数据处理领域有着较好的应用前景. 相似文献
8.
《地球物理学进展》2015,(6)
作为经验模态分解(EMD)的改进型算法,完备总体经验模态分解(CEEMD)不但有效解决了EMD的模态混叠问题,同时也保留了EMD处理非平稳信号的优势,如自适应性、二进滤波特性等.CEEMD能自适应地将一个复杂信号分解为一系列本征模态函数(IMF)分量,且IMF分量满足从高频到低频系列分布,随机噪声往往分布在第一个或前几个高频IMF分量.考虑到地震信号的非平稳性和去噪方法对非平稳信号的适应性,针对CEEMD直接舍弃高频IMF分量去噪容易造成高频有效信息损失以及小波阈值去噪方法存在的不足,本文提出了一种基于CEEMD的小波阈值去噪方法.该方法首先引入自相关曲线判别出含噪较多的高频IMF分量,然后对CEEMD直接去噪要舍弃的这些含噪高频分量进行小波阈值降噪,以保留这些分量中的高频有效信息,最后与不含噪声的其他IMF分量一起重构原信号.模型和实际地震数据试算结果表明,该方法在显著提高地震数据信噪比的同时,能有效地保留原信号中的高频有效成分和弱信号信息,是一种相对保幅的有效去噪方法. 相似文献
9.
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. 相似文献
10.
海上地震勘探中为提高采集效率会采取连续采集方案,导致地震记录尾端与下一炮起始记录重合,这种现象对浅层地震处理影响不大,但是会完全掩盖深层地震信号.由于混叠噪声与真实信号属于同方向及同震源采集,其频谱完全重叠,常规的噪声压制方法无法完全压制混叠噪声.本文提出了一种基于同相轴追踪的混叠记录分离方法,利用时域上混叠噪声与真实地震信号时距曲线的曲率差异得到混叠噪声的模型,再利用最小平方约束反演方法进行自适应相减,使有效信号误差最小,最终完成混叠炮集分离.通过理论分析与正演测试,混叠衰减的关键在于求取可靠的混叠模型,而自适应衰减则控制细微振幅与相位差异.通过对实际地震资料进行处理,并与F-K滤波方法进行了对比,证实了该方法的有效性. 相似文献
11.
Dong Yinfeng Li Yingmin Xiao Mingkui Lai Ming 《Soil Dynamics and Earthquake Engineering》2008,28(1):7-19
Some limitations of the Hilbert–Huang transform (HHT) for nonlinear and nonstationary signal processing are remarked. As an enhancement to the HHT, a time varying vector autoregressive moving average (VARMA) model based method is proposed to calculate the instantaneous frequencies of the intrinsic mode functions (IMFs) obtained from the empirical mode decomposition (EMD) of a signal. By representing the IMFs as time varying VARMA model and using the Kalman filter to estimate the time varying model parameters, the instantaneous frequencies are calculated according to the time varying parameters, then the instantaneous frequencies and the envelopes derived from the cubic spline interpolation of the maxima of IMFs are used to yield the Hilbert spectrum. The analysis of the length of day dataset and the ground motion record El Centro (1940, N–S) shows that the proposed method offers advantages in frequency resolution, and produces more physically meaningful and readable Hilbert spectrum than the original HHT method, short-time Fourier transform (STFT) and wavelet transform (WT). The analysis of the seismic response of a building during the 1994 Northridge earthquake shows that the proposed method is a powerful tool for structural damage detection, which is expected as the promising area for future research. 相似文献
12.
Several types of multichannel filters have been introduced in the past with the purpose of rejecting, in a seismic section, coherent noise having a slope different from that of the signal. These filters, generally, tend to introduce a certain amount of mixing and therefore the output trace shows increased horizontal coherence. This is due to the model on which these filters are based, since the hypothesis is posed that the reflectors are continuous. This may be dangerous since it could lead to mistaken interpretations, for example when small faults or breaks are made to disappear in the output section. Other problems that could arise in the application of multichannel filters after-stack are space-aliasing and high-pass filtering. The former occurs when coherent noise is rejected with apparent Velocity V and frequency fa=V/X, where X is the distance between traces. In this case, the signal also is distorted since it is rejected in the same frequency range. The high pass filtering effect occurs when the multichannel filter is designed to remove low coherent noise with high apparent velocity. In the paper a family of multichannel filters is presented based on a model of the seismic section such that minimum mixing effects appear. The filters are designed to give good results even in the case of low frequency and high velocity coherent noise. Some practical examples are shown. 相似文献
13.
随掘地震超前探测震源具有连续、非可控的特点,需要使用互相关技术将连续震源记录转换为等效脉冲震源记录以获取有效反射信号。但随掘地震超前探测信号往往包含一些能量较强且频带较窄的优势频率成分,使得互相关处理会引入较严重的干扰。为此,本文提出将基于变分模态分解（VMD）的希尔伯特谱白化方法应用于随掘地震超前探测信号。该方法首先利用VMD将地震信号分解为若干个本征模态函数（IMF）,再对各IMF应用希尔伯特变换进行时频分解,最后使用白化滤波器对其希尔伯特谱进行谱白化。数值模拟结果表明基于VMD的希尔伯特谱白化方法能够在保持各道信号一致性的同时均衡信号的不同频率成分,有效压制互相关结果中的虚假同相轴,加快主峰旁瓣衰减。将本文方法应用于安徽淮北杨庄煤矿某巷道实际数据,成功探测了掌子面前方存在的断层构造,表明该方法具有较好的实用性。 相似文献
14.
15.
Empirical mode decomposition aims to decompose the input signal into a small number of components named intrinsic mode functions with slowly varying amplitudes and frequencies. In spite of its simplicity and usefulness, however, empirical mode decomposition lacks solid mathematical foundation. In this paper, we describe a method to extract the intrinsic mode functions of the input signal using non‐stationary Prony method. The proposed method captures the philosophy of the empirical mode decomposition but uses a different method to compute the intrinsic mode functions. Having the intrinsic mode functions obtained, we then compute the spectrum of the input signal using Hilbert transform. Synthetic and field data validate that the proposed method can correctly compute the spectrum of the input signal and could be used in seismic data analysis to facilitate interpretation. 相似文献
16.
希尔伯特—黄变换(Hilbert-Huang transform,HHT)是一种新的适合非平稳和非线性信号的分析方法,由于地震信号一般呈现出非平稳与非线性特性,因此HHT非常适合地震信号的分析。本文首先介绍了HHT中关于经验模态分解(Empirical Mode Decomposition,EMD)的实现过程,在此基础上分析了几种基于EMD获得本征模态函数(Intrinsic Mode Functions,IMF)来计算瞬时频率的算法,其中利用了两个采样间隔瞬时频率的平均来计算瞬时频率,较好地反映了地震信号频率成分随时间变化的特征。将该方法应用于四川东北部某地区海相碳酸盐岩地层三维地震叠后偏移数据处理,提取"三瞬"地震属性,与传统的希尔伯特变换提取的"三瞬"地震属性进行对比,结果表明基于HHT的"三瞬"地震属性结果具有更高的分辨率,IMF2的瞬时相位能够较好地刻画台地边缘生物礁相,IMF2的瞬时频率亦具有较好的分带性。将IMF2的"三瞬"地震属性与钻井等资料结合分析,能够更好地识别沉积相的分布。 相似文献
17.
地震勘探资料噪声压制及信噪比提高是整个地震勘探信号处理过程中的重要任务,随着地震勘探深度的增加及其复杂性,人们对地震数据质量的要求越来越高.勘探环境的复杂化使得采集到的地震资料中有效信号被大量噪声淹没,无法清晰辨识,严重影响后续的数据处理与解释.小波去噪是地震勘探中常用且发展较成熟的一种方法,但是其涉及到的阈值函数选取问题一直令人困扰,虽然已有多种阈值函数被提出,但仍存在各自的缺陷.本文利用小波分解在时域及频域良好的信号细节体现特性,引入模式识别中的非负矩阵分解(NMF)谱分离思想,针对小波系数阈值优化问题,提出了一种小波域图非负矩阵分解(GNMF)消噪算法.该方法首先在小波分解基础上,利用GNMF算法实现小波分解系数谱中信号分量与噪声分量的谱分离,然后通过反变换重构各分离子谱对应的子信号,最后利用K均值聚类算法将得到的多个子信号划分为信号类及噪声类,最终得到重构信号及分离噪声.合成记录和实际地震资料的消噪结果验证了新方法在提高信号与噪声分离准确性和精度方面的有效性,同时新方法避免了阈值选取造成的噪声压制不理想或有效成分损失问题.与小波消噪结果的对比及数值分析也说明了新方法在噪声压制及有效成分保持方面的优势. 相似文献