基于EMD-ICA的地震资料去噪方法研究

发布时间：2020-07-08 19:06

【摘要】：在地震勘探中,由于各种不可预知因素的综合作用,地震信号中往往存在这随机噪声。随机噪声的大小影响了地震信号的信噪比。信噪比较高的地震数据,其可靠性以及参数提取的精度会有所限制。因此如何提高地震资料信噪比是人们一直追寻的目标。本文主要研究了如何消除地震信号中随机噪声的方法。经验模态分解方法(EMD)是一种自适应时频分析方法。经验模态分解依据信号自身的特点,将待分析的信号分解为一系列不同尺度的本征模式函数(IMF)信号,是一种适用于分析处理非线性非平稳信号的方法。独立分量分析(ICA)是近年来在盲信号理论上发展起来的一种新的多维信号处理方法。在缺乏先验信息的条件下,依据统计原理建立目标函数,通过优化算法将观测信号分解成若干独立成分,对这些独立成分做相应处理可以达到降低噪声的效果。本文详细阐述了经验模态分解的基本原理、筛分迭代过程、性质以及存在的问题;针对经验模态分解方法存在的模态混叠效应,介绍其相应的改进算法——总体经验模态分解(EEMD)和完备总体经验模态分解(CEEMD)的原理及实现过程,改善了模态混叠问题,提供精确的原始信号重构以及相对较高的计算效率。同时,本文阐述了独立分量分析的数学基础、基本理论和预处理方法,研究了ICA算法在信号分离方面的原理和实现过程。在此基础上,对FastICA的算法原理和特性进行研究,验证其用于信号分离的有效性。在对完备总体经验模态分解方法和快速ICA技术分别在地震数据信噪分离方面的原理进行说明的基础上,本文验证了两种方法各自进行噪音压制的优缺点,并基于上述优缺点提出改进的基于EMD-ICA的地震信号去噪方法。仿真试验证实,本文提出的改进算法,能够获得比单独进行CEEMD去噪或FastICA降噪或传统降噪方法更为满意的效果,在实际资料的应用中具备可行性。
【学位授予单位】：中国石油大学(华东)
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：P631.44
【图文】：

中国石油大学（华东）硕士学位论文极值点之间存在的时间间隔为特征时间尺度；第三，在信号中缺乏足够的中，若信号存在拐点，可以通过对信号做一次或多次微分的方式获取极值行积分运算获取到分解结果[1][2]。在此假设基础上，分解信号得到的固有要满足两个条件：第一，IMF 分量信号中有着相同数目的极值点和过零点差的数目不能超过一个；第二，在 IMF 分量中的任意时刻点，局部极大值所代表的包络的均值在任一点上均为零，即信号的上下包络与时间轴形成。面设计一个合成信号来展示 EMD 分解的效果。如图 2-2 所示，用三个不分别为 10Hz、20Hz 和 50Hz）的正弦信号相加构成一个合成信号。对该合MD 分解，得到 IMF1、IMF2 和 IMF3 这三个单分量的固有模态函数。可态函数按频率从高至低有序排列，分别是原始的三个不同频率的正弦信号

中国石油大学（华东）硕士学位论文平均次数）的关系密切。下面通过模拟的合成信号D 分解结果之间的关系。如图 2-3 所示为三个单道自上而下的三个单道信号分别是 10 Hz（0～1s 之号、100 Hz 的 Morlet 子波（1.8s 处）、50 Hz 的间

(c) 添加高斯白噪声比例为 0.3 (d) 添加高斯白噪声比例为 0.4图 2-4 噪声添加次数相同，高斯白噪声添加比例不同的 CEEMD 分解结果对比（2）将高斯白噪声的添加比例确定为 0.2，选择不同的噪声添加次数（或加总平均次数）（50，100，200，300），对信号进行 CEEMD 分解的结果对比如图 2-5：(a) 噪声添加次数为 50 (b) 噪声添加次数为 100

【相似文献】

相关期刊论文 前10条

1 杨默涵;陈万忠;李明阳;;基于总体经验模态分解的多类特征的运动想象脑电识别方法研究[J];自动化学报;2017年05期

2 孙国强;樊新海;张传清;;基于短时处理和经验模态分解的地面战场目标被动声识别[J];测试技术学报;2017年05期

3 宋振江;杨俊;李争;;基于二维经验模态分解的航摄影像去噪应用研究——以江西省某地区航摄影像为例[J];湖北民族学院学报(自然科学版);2016年02期

4 石志标;陈峰;;基于集合经验模态分解和支持向量机的滚动轴承故障诊断[J];拖拉机与农用运输车;2015年02期

5 林玉荣;王强;;基于一维经验模态分解的图像细节提取方法[J];吉林大学学报(工学版);2011年06期

6 蔡碧野;陈文辉;李峰;;二维经验模态分解边界效应抑制研究[J];计算机工程与应用;2008年13期

7 周志锋,蔡萍,许嘉,陈日兴;基于经验模态分解的汽车动态称重数据处理[J];中国机械工程;2005年20期

8 李阳;任殿龙;张超;杨学岭;;基于经验模态分解的飞机微多普勒特性分析[J];雷达与对抗;2018年01期

9 任志英;高诚辉;罗德海;林有希;张世忠;;二维经验模态分解在工程表面形貌误差评定中的应用[J];光学精密工程;2017年02期

10 郝欢;王华力;魏勤;;经验模态分解理论及其应用[J];高技术通讯;2016年01期

相关会议论文 前10条

1 李关防;许春雷;惠俊英;;基于经验模态分解的特征提取算法研究[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年

2 吕国军;张合;杨歧焱;李皓;;基于聚类经验模态分解(EEMD)的尚义M4.0地震强震动记录时频特性分析[A];2018年中国地球科学联合学术年会论文集（十六）——专题30：“张衡一号”卫星应用与国家地球物理场卫星探测计划、专题31：强震动观测及其应用、专题32：地震应急的现状与前景[C];2018年

3 杨永锋;;经验模态分解与非线性分析的协同研究[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年

4 康春玉;章新华;;一种基于经验模态分解的信号降噪方法[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

5 袁业立;;SAR海洋探测新进展[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

6 郝文峰;骆英;顾建祖;;基于经验模态分解-支持向量机的玻璃幕墙开胶损伤预测研究[A];中国力学学会学术大会'2009论文摘要集[C];2009年

7 胡建平;吴晓旭;王辉;刘秀平;谢琪;;曲面上向量值函数的经验模态分解[A];第六届全国几何设计与计算学术会议论文集[C];2013年

8 蔡俊雄;乐友喜;;完备总体经验模态分解方法研究[A];2016中国地球科学联合学术年会论文集（三十九）——专题79：中国古生物学和地层学最新进展、专题80：地热理论与应用、专题81：应用地球物理学前沿[C];2016年

9 李鸿光;;基于微分的经验模态分解及其在多重转子故障分析中的应用[A];The 5th 全国动力学与控制青年学者研讨会论文摘要集[C];2011年

10 谭善文;严利;熊朝坤;;一种新型的谱分析方法—Hilbert谱[A];第十七届全国水动力学研讨会暨第六届全国水动力学学术会议文集[C];2003年

相关博士学位论文 前10条

1 黎恒;经验模态分解中的优化理论与方法研究[D];西安电子科技大学;2017年

2 石志晓;时频联合分析方法在参数识别中的应用[D];大连理工大学;2005年

3 孙晖;经验模态分解理论与应用研究[D];浙江大学;2005年

4 熊卫华;经验模态分解方法及其在变压器状态监测中的应用研究[D];浙江大学;2006年

5 葛光涛;二维经验模态分解研究及其在图像处理中的应用[D];哈尔滨工程大学;2009年

6 高静;经验模态分解的改进方法及应用研究[D];北京理工大学;2014年

7 胡劲松;面向旋转机械故障诊断的经验模态分解时频分析方法及实验研究[D];浙江大学;2003年

8 周义;快速二维经验模态分解和相位追踪方法及其在导波无损检测中的应用[D];上海交通大学;2014年

9 房曰荣;隧道瑞雷波探测信号去噪与频散曲线提取研究[D];福州大学;2014年

10 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年

相关硕士学位论文 前10条

1 刘陈希;基于EMD-ICA的地震资料去噪方法研究[D];中国石油大学(华东);2017年

2 马鹏刚;上肢运动的皮层肌肉耦合与疲劳识别研究[D];杭州电子科技大学;2018年

3 王学刚;二维经验模态分解在松辽盆地重磁场研究中的应用[D];吉林大学;2018年

4 刘元勋;基于振动信号分析重型车底盘故障诊断[D];哈尔滨工程大学;2018年

5 胡志远;基于经验模态分解的发动机缸壁间隙检测方法研究[D];内蒙古工业大学;2018年

6 孙坚;基于经验模态分解方法的比特币价格波动分析及预测方法研究[D];湖南大学;2018年

7 刘梦怡;EEMD分解方法在我国股票市场分析预测中的应用[D];山东大学;2018年

8 成小林;基于经验模态分解的时间序列预测研究[D];大连理工大学;2018年

9 左旭艳;基于高斯降维和混合核SVM融合的滚动轴承故障诊断[D];武汉理工大学;2017年

10 唐林;基于集成经验模态分解的高g值冲击加速度数据处理研究[D];中国工程物理研究院;2018年

本文编号：2746925