基于改进PSO的重力固体潮信号独立成分分析及潮汐谐波提取

发布时间：2017-06-21 06:05

  本文关键词：基于改进PSO的重力固体潮信号独立成分分析及潮汐谐波提取，由笔耕文化传播整理发布。

【摘要】：重力固体潮中含有丰富的潮汐谐波信息,从这些信息中可能推测出地震的前兆信息,因此获得重力固体潮中的潮汐谐波分量是一项重要内容。调和分析方法中,从观测数据所得的周期性角度可将这些信息分解为半日波、日波及长周期波系等谐波分量。本文提出一种三维分解模型,该模型可从产生机理上将潮汐谐波进行划分。由于该模型为理论模型,所以就要寻求一种可分解重力固体潮信号的方法,使分解后的结果与分解模型一致并可从各分量信号中提取出谐波信息。独立分量分析(Independent Component Analysis ICA)是分析相互统计独立信号分量的算法,为盲信号处理的主要方法,所以本文提出利用该算法分析重力固体潮信号。鉴于该算法主要由优化算法及目标函数构成,而优化算法是导致ICA不同的关键,同时鉴于常见的ICA中存在依赖梯度信息等特点,所以本文采用粒子群优化算法获得更优的分离矩阵。粒子群优化算法(Particle Swarm Optimization PSO)是一种依据鸟类的飞翔觅食行为而形成的群智能优化算法。相比其它群智能算法,PSO的复杂度低,所以本文提出利用PSO优化ICA中的目标函数。同时,鉴于粒子存在容易陷入局部极值点等特点,本文提出分段随机化取值的改进PSO算法。本文将改进算法与PSO算法进行仿真实验对比分析可知,本文算法可使粒子收敛速度提高,并且可以获得比较优的测试函数值。同时,本文将该算法优化ICA中的目标函数并取得了较好的分离效果。最后,本文将改进算法应用于重力固体潮信号分析中,实验结果所得各分量与本文的分解模型结果相同。同时,通过对各分量进行频谱分析可知,经过本文提出的算法处理后的重力固体潮可以分解为与其产生机制一致的分量,并且各分量中含有与谐波频率理论值相一致的信息。所以,本文提出的分解模型为一种有效分析模型,同时,本文提出的改进算法也是提取重力固体潮信号中各独立分量的有效方法。
【关键词】：重力固体潮 谐波分量 ICA PSO 分段随机化 频谱分析
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P312.4;TN911.6
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-19
• 1.1 重力固体潮研究背景及意义9-11
• 1.1.1 重力固体潮研究背景9-10
• 1.1.2 重力固体潮研究意义10-11
• 1.2 重力固体潮相关知识及其理论分析11-14
• 1.2.1 引潮力11-12
• 1.2.2 引潮力位12
• 1.2.3 重力固体潮及其理论分析12-14
• 1.3 重力固体潮三维正交分解模型14-15
• 1.4 独立分量分析15-16
• 1.5 本文的工作内容及成果16-18
• 1.5.1 论文研究内容16-17
• 1.5.2 论文研究成果17
• 1.5.3 论文结构17-18
• 1.6 本章小结18-19
• 第二章 独立分量分析19-31
• 2.1 独立分量分析简介19-20
• 2.2 独立分量分析20-23
• 2.2.1 独立分量分析的引入20-21
• 2.2.2 独立分量分析定义21-22
• 2.2.3 独立分量分析的成立条件22-23
• 2.3 独立分量分析基本模型23-24
• 2.3.1 中心化23-24
• 2.3.2 白化24
• 2.3.3 求分离矩阵24
• 2.4 ICA中常见的目标函数及优化判据24-30
• 2.4.1 常见的目标函数24-27
• 2.4.2 常见的优化判据27-30
• 2.5 本章小结30-31
• 第三章 基于改进粒子群的独立分量分析31-49
• 3.1 群智能优化算法31-33
• 3.1.1 群智能优化算法研究背景31
• 3.1.2 常见的群智能优化算法31-33
• 3.2 粒子群优化算法33-35
• 3.2.1 粒子群优化算法33
• 3.2.2 粒子群优化算法原理33-34
• 3.2.3 PSO算法流程图34-35
• 3.3 基于惯性因子的标准粒子群优化算法35-36
• 3.4 改进粒子群优化算法36-42
• 3.4.1 改进粒子群优化算法36-40
• 3.4.2 改进PSO与LDIW-PSO算法仿真实验分析40-42
• 3.5 基于改进粒子群的独立分量分析算法42-47
• 3.5.1 目标函数选择42-43
• 3.5.2 基于改进PSO的ICA算法步骤43
• 3.5.3 仿真实验对比分析43-47
• 3.6 本章小结47-49
• 第四章 基于改进PSO的重力固体潮信号独立成分分析及潮汐谐波提取49-63
• 4.1 重力固体潮信号潮汐谐波频率分析49-50
• 4.2 重力固体潮信号独立成分分析50-54
• 4.2.1 本文改进方法处理重力固体潮信号基本步骤50-51
• 4.2.2 重力固体潮信号独立成分分析51-54
• 4.3 重力固体潮信号独立成分的潮汐谐波提取54-57
• 4.3.1 频谱分析实验一54-56
• 4.3.2 频谱分析实验二56-57
• 4.4 本文方法分析重力固体潮信号及其理论对比分析57-61
• 4.4.1 实验对比及验证57-61
• 4.4.2 实验结论61
• 4.5 本章小结61-63
• 第五章 结论与展望63-65
• 5.1 本文主要内容总结63-64
• 5.2 研究展望64-65
• 致谢65-67
• 参考文献67-73
• 附录A 硕士期间研究成果73-75
• 附录B 硕士期间所获荣誉75

【相似文献】

中国期刊全文数据库 前10条

1 徐华君;柳林涛;罗孝文;;全球重力固体潮的仿真实现[J];系统仿真学报;2009年24期

2 孙和平;地潮的理论模拟及中国重力固体潮实验研究[J];地球科学进展;1998年06期

3 杨锦玲;关玉梅;王青平;王紫燕;陈超贤;陈光;;台风对连续重力固体潮的影响分析[J];大地测量与地球动力学;2013年S1期

4 刘冬至,李树德,李辉,李家明,王晓权,喻节林;便携式重力固体潮数字化数据采集系统[J];大地测量与地球动力学;2004年03期

5 孙和平;许厚泽;陈武;陈晓东;周江存;刘明;高山;;香港地区重力固体潮和海潮负荷特征研究[J];地球物理学报;2006年03期

6 全海燕;山秀明;周挚;刘增力;梁虹;;连续小波变换系数的主成分分析法及其重力固体潮应用[J];地震研究;2007年02期

7 陈益惠,杜品红,朱涵云,郭自强;北京、四川和西藏地区重力固体潮的研究[J];中国科学;1980年08期

8 唐九安,武学文,周志宇,王力;兰州台重力固体潮测量的初步结果[J];地壳形变与地震;1981年03期

9 李瑞浩,陈冬生,付兆珠;上海地区重力固体潮研究[J];地壳形变与地震;1982年01期

10 冯初刚;;昆明台重力固体潮的调和分析[J];中国科学院上海天文台年刊;1983年00期

中国重要会议论文全文数据库 前10条

1 许厚泽;孙和平;;我国重力固体潮研究进展[A];1998年中国地球物理学会第十四届学术年会论文集[C];1998年

2 陈晓东;孙和平;;两种重力固体潮调和分析方法的比较[A];中国地球物理学会第二十届年会论文集[C];2004年

3 周挚;山秀明;梁虹;张立;刘琼仙;;重力固体潮地震前兆分析方法及其物理基础[A];中国地震学会第11次学术大会论文摘要集[C];2006年

4 周江存;李辉;孙和平;王晓权;;地震网络重力固体潮台站观测的海潮负荷影响[A];《大地测量与地球动力学进展》论文集[C];2004年

5 刘端法;倪学诗;刘克人;郑金涵;宋胜合;卢红艳;;PC机控制的重力固体潮数字化数据采集系统[A];“庆贺郭宗汾教授八十寿辰”暨理论与应用地球物理研讨会论文集[C];2002年

6 孙和平;徐建桥;Ducarme B;许厚泽;;全球超导重力仪观测资料的地核动力学效应检测[A];中国地球物理学会年刊2002——中国地球物理学会第十八届年会论文集[C];2002年

7 周挚;全海燕;梁虹;王天理;吴庆畅;张立;杨胜梅;;重力固体潮IMF的循环平稳特性初步分析[A];中国地球物理学会第二十四届年会论文集[C];2008年

8 徐伟民;陈石;卢红艳;;基于Tsoft系统提取中国大陆重力台站非潮汐分量的初步结果[A];中国地球物理学会第二十七届年会论文集[C];2011年

9 张立;傅容珊;周挚;山秀明;梁虹;全海燕;;基于HHT方法提取昆明重力固体潮的地震前兆信息[A];中国地震学会第11次学术大会论文摘要集[C];2006年

10 徐伟民;陈石;高孟潭;卢红艳;;白家疃台重力非潮汐量对比分析及地震动事件提取[A];中国地震学会第14次学术大会专题[C];2012年

中国硕士学位论文全文数据库 前7条

1 夏甲甲;基于PCA提取重力固体潮信号的地球物理信息研究[D];昆明理工大学;2015年

2 刘洋;重力固体潮信号的循环谱分析[D];昆明理工大学;2015年

3 李云飞;基于改进的HHT方法提取重力固体潮信号的地球物理信息[D];昆明理工大学;2015年

4 钟冬军;基于PCA的一种地球固体潮信号分解模型及信息提取[D];昆明理工大学;2016年

5 周威;重力固体潮信号的谱相关分析[D];昆明理工大学;2016年

6 曹辛鑫;基于多倍体的遗传算法在重力固体潮信号分析中应用[D];昆明理工大学;2016年

7 李巧燕;基于改进PSO的重力固体潮信号独立成分分析及潮汐谐波提取[D];昆明理工大学;2016年

  本文关键词：基于改进PSO的重力固体潮信号独立成分分析及潮汐谐波提取，由笔耕文化传播整理发布。

，

本文编号：467790