共查询到17条相似文献，搜索用时 156 毫秒
1.
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. 相似文献
2.
基于本征时间尺度分解算法(ITD)对比了二次拟合法、EMD算法对人工合成地震波的处理结果,证明了ITD算法对于强震动加速度记录数据的基线校正有较好的校正效果;进一步基于ITD算法对台湾集集地震和某强震动台阵未校正加速度记录进行处理,并采用带通滤波方法进行进一步滤波处理和变换得到校正后的加速度、傅里叶频谱、反应谱;最后通过梯形数值积分计算得到速度和位移.对比分析了ITD算法、EMD算法采用上述计算流程和强震分析软件的计算结果,验证了文中提出的强震动数据处理方法是稳定、可靠的,可以作为实时、快速的处理强震动加速度记录的一种有效方法. 相似文献
3.
小波阈值方法中硬、软阈值方法是地震信号降噪常用方法,但容易造成信号中高频信息丢失导致地震误判和漏判情况发生。小波综合阈值方法继承和发展了硬、软阈值降噪方法的优点,对信号高频部分用硬阈值方法,以提高高频信号能量,对信号低频部分用软阈值方法,提高信号降噪能力的同时保证信号连续性和光滑性。利用噪声信号小波系数小和地震信号小波系数大的特征,进行雷克子波降噪仿真实验和实际地震信号降噪实验。仿真实验表明,小波综合阈值方法降噪后波形MSE值最小,且降噪后与原信号波形最近似,降噪后波形高频部分能量增强且抑制低频部分能量。最后,对实际采集的地震信号进行降噪处理,处理后信号中能量增强被压制,利用处理后的信号可得到地震的初至时间。 相似文献
4.
时频分析方法在各个领域中广泛应用起来,特别是在工程领域中对结构和构件的变形以及内部损伤检测应用较多。HHT作为一种新兴的非线性,非平稳时频分析技术在探测和勘探领域中具有广阔的前景。文中重点对EMD,EEMD和CEEMD算法进行分析,通过对合成信号进行傅里叶变换和希尔伯特-黄变换,得到信号的频谱图,希尔伯特黄谱,边际谱等数据。通过对比分析,总结了三种方法的优缺点。结果表明,EMD,EEMD和CEEMD方法是进行非线性非平稳信号分析的有效工具。 相似文献
5.
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
6.
地震信号中的随机噪声是一种干扰波,严重降低了地震信号的信噪比,并影响着资料的后续处理和分析.本文根据地震信号中有效信号和随机噪声的差异,结合分数阶B样条小波变换与高斯尺度混合模型提出了一种地震信号随机噪声压制方法.首先利用分数阶B样条小波变换将含噪地震信号映射到最优分数阶小波时频域内,然后对各小波子带系数分别建立高斯尺度混合模型,由贝叶斯方法估计出源地震信号小波系数,最后使用分数阶B样条小波逆变换重构得到降噪后的地震信号.利用本文方法对合成地震记录和实际地震信号进行降噪处理,实验结果表明本文方法能够有效地压制地震信号中的随机噪声,并且较好地保留了有效信号. 相似文献
7.
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
8.
9.
本文针对射线类偏移成像当中的速度模型光滑处理问题,借鉴数字图像处理当中的偏微分方程法,基于能量泛函,应用变分方法导出基于速度模型的偏微分方程实现射线类偏移成像当中的速度模型的光滑处理.由于偏微分方程法具有线性叠加特性、模型解的唯一性和局部特征保持性,因此,应用该算法可以实现基于原始速度模型空间结构的模型光滑处理.通过在原始速度模型以及光滑处理后的速度模型上计算速度的空间分布以及地震波走时、射线路径可以得出,偏微分方程法对速度模型的光滑处理能够很好地保持原始模型的空间结构,偏移成像结果也证明了该方法的实用性. 相似文献
10.
11.
基于混合时频分析技术的地震数据噪声压制(英文) 总被引：2，自引：2，他引：0
针对复杂地质结构、陡倾角相干噪声、空间采样不均匀等情况下F-x域反褶积去噪技术的不足,提出首先应用具有时-频聚集性度量准则的广义S变换将时间-空间域的地震数据变换至时间-频率-空间域(t-f-x)的数据,在t-f-x域中对每一个频率切片应用经验模态分解(EMD),移除噪声占主导地位的本征模态函数以压制相干和随机噪声的滤波方法。模型分析表明第一本征模态函数表征的高频信息以噪声为主,移除第一本证模态函数可以达到压制噪声的目的。经广义S变换后形成t-f-x域中EMD滤波方法等效于具有依赖于空间位置、频率、高波数截断特征的自适应f-k滤波。此滤波方法考虑了数据的局部时-频特征,且具有执行简单的特点。与AR预测滤波方法比较,此法滤除的成分包含较少的低波数的信息,滤除的成分非常的局部化,且获得结果没有表现出过度平滑的特征。实际资料的应用表明在经广义S变换后形成t-f-x域中运用EMD滤波方法能够有效地压制随机和陡倾角相干噪声。 相似文献
12.
多尺度形态学在地震去噪中的应用 总被引：3，自引：0，他引：3
In this paper, multi-scaled morphology is introduced into the digital processing domain for land seismic data. First, we describe the basic theory of multi-scaled morphology image decomposition of exploration seismic waves; second, we illustrate how to use multi-scaled morphology for seismic data processing using two real examples. The first example demonstrates suppressing the surface waves in pre-stack seismic records using multi-scaled morphology decomposition and reconstitution and the other example demonstrates filtering different interference waves on the seismic record. Multi-scaled morphology filtering separates signal from noise by the detailed differences of the wave shapes. The successful applications suggest that multi-scaled morphology has a promising application in seismic data processing. 相似文献
13.
Conventional time-space domain and frequency-space domain prediction filtering methods assume that seismic data consists of two parts, signal and random noise. That is, the so-called additive noise model. However, when estimating random noise, it is assumed that random noise can be predicted from the seismic data by convolving with a prediction error filter. That is, the source-noise model. Model inconsistencies, before and after denoising, compromise the noise attenuation and signal-preservation performances of prediction filtering methods. Therefore, this study presents an inversion-based time-space domain random noise attenuation method to overcome the model inconsistencies. In this method, a prediction error filter (PEF), is first estimated from seismic data; the filter characterizes the predictability of the seismic data and adaptively describes the seismic data’s space structure. After calculating PEF, it can be applied as a regularized constraint in the inversion process for seismic signal from noisy data. Unlike conventional random noise attenuation methods, the proposed method solves a seismic data inversion problem using regularization constraint; this overcomes the model inconsistency of the prediction filtering method. The proposed method was tested on both synthetic and real seismic data, and results from the prediction filtering method and the proposed method are compared. The testing demonstrated that the proposed method suppresses noise effectively and provides better signal-preservation performance. 相似文献
14.
V. A. Ryzhov 《Seismic Instruments》2009,45(1):105-109
A method is presented for filtering harmonic components of the signal while preserving background broadband noise. The method is widely applied for filtering quasi-harmonic disturbances in the technique of low-frequency seismic sensing (LSS), a useful signal that is background microseismic noise. The algorithm is based on subtracting the model’s harmonic signal from the real signal by selecting the signal parameters, i.e., frequency, phase, and amplitude. To do this, the parameters of the model harmonic signal, at which the energy of the difference signal is minimal, are estimated using the optimization algorithms adapted for the goal function. The proposed method successfully solves the problem of filtering the background microseism noise out of harmonic disturbances. 相似文献
15.
Inspired by the idea of the iterative time–frequency peak filtering, which applies time–frequency peak filtering several times to improve the ability of random noise reduction, this article proposes a new cascading filter implemented using mathematic morphological filtering and the time–frequency peak filtering, which we call here morphological time–frequency peak filtering for convenience. This new method will be used mainly for seismic signal enhancement and random noise reduction in which the advantages of the morphological algorithm in processing nonlinear signals and the time–frequency peak filtering in processing nonstationary signals are utilized. Structurally, the scheme of the proposed method adopts mathematic morphological operation to first preprocess the signal and then applies the time–frequency peak filtering method to ultimately extract the valid signal. Through experiments on synthetic seismic signals and field seismic data, this paper demonstrates that the morphological time–frequency peak filtering method is superior to the time–frequency peak filtering method and its iterative form in terms of valid signal enhancement and random noise reduction. 相似文献
16.
随机噪声是影响地震勘探有效信号的主要因素,其存在大大降低了地震记录的信噪比.在噪声压制方法不断被改进的同时,对随机噪声特性进行研究,了解噪声的产生机制是对其进行压制的先决条件,目前对噪声的研究主要是特性研究以寻找规律性,对其进行定性定量的分析还比较少.本文根据塔里木沙漠地区实际采集环境,考虑到噪声的连续性给计算带来的不便,假设各类噪声源以点源的形式分布在检波器周围,依据相应理论确定各类噪声源的源函数,其激发的噪声经由波动方程传播,将随机噪声作为各类噪声源共同作用的综合波场,建立随机噪声的理论模型.通过分析不同种噪声对地震记录的影响,选取合适的滤波方法对其进行压制,实验结果表明,通过建立沙漠地区随机噪声的理论模型,为选择有效的滤波方法,提高地震记录信噪比起到理论指导作用. 相似文献
17.
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