《基于经验周期模态单元滤波的地震信号消噪1.doc》由会员分享，可在线阅读，更多相关《基于经验周期模态单元滤波的地震信号消噪1.doc（9页珍藏版）》请在三一办公上搜索。
1、精品论文基于经验周期模态单元滤波的地震信号消噪1钱昌松，刘代志，刘志刚，齐玮 西安市第二炮兵工程学院 602 室，西安（710025） E-mail: qianchangsong摘要：由于地震信号采集环境和采集仪器存在干扰，采集到的地震波形中通常包含了很多噪声信号，严重影响了对地震信号的应用。模态单元滤波（Mode Cell Filter：MCF）无需先 验基函数，是一种自适应的消噪算法。本文将 MCF 引入到地震信号消噪中，提出了一种基 于 MCF 的地震信号消噪算法，并用仿真信号和实测地震信号进行了消噪试验，试验结果表 明，本文算法可有效消除地震信号各种低频和高频噪声，消噪后的地震信号质量
2、满足观测要 求。关键词：EMD 地震信号；模态单元滤波；自适应滤波 中图分类号：TB5351. 引言地震信号被广泛应用于地质勘探，地震预报等应用领域1,2。由于地震信号采集环境的 不同和采集仪器中存在各种干扰，所采集到的地震波形中通常包含了很多噪声信号，严重影 响了对地震信号的进一步应用。要提高地震资料的信噪比，须要除去地震波形中的随机噪声 和相干噪声。相干噪声一般在时间上的出现具有规律性，有明显的运动学特征，可以有针对 性地加以衰减。地震信号中的随机噪声包括低频高频背景噪声和微震。在沼泽、流沙、泥炭 沼泽等疏松介质中激发地震波时，这些介质的固有振动构成低频背景（10-30HZ)。爆炸时(尤
3、其是在坚硬的岩石中激发时)，波传播到浅部不均匀体(例如砾石、多孔石灰岩等)上产生的散 射构成高频的干扰背景(80-200HZ)。低、高频背景的特点是在整张记录上出现，而且显得杂 乱无章，但一般强度较为稳定。与激发震源无关的地面扰动统称为微震。它主要是由风吹、 草动、海浪、水流动、人畜走动、机器开动、交通运输等外力随机产生，此外，也可由地表 土壤质点的旋转运动所造成。微震干扰的特点是频带宽(l-150HZ)，其强度变化较大，产生 机理复杂，较难消除。可见地震信号中噪声类型多而复杂，一般采集得到的地震信号不能直 接使用，需要经过消噪处理，但目前尝没有非常理想的方法。常用的方法有基于 IIR 的滤波
4、 器3，FIR 滤波器3，基于小波域值滤波器4，5等。用这些方法消噪时需要反复修改参数或基 函数，并观察消噪效果是否理想。经验模态分解（EMD）是一种新的自适应信号分解方法6，已经广泛应用于信号消噪 7-13。模态单元滤波是一种基于 EMD 的高斯消噪算法14，它抛弃了传统阈值消噪算法中以 单个信号点为阈值处理对象的思想，将 IMF 中两个相邻过零点之间的振荡单元模态单 元作为基本分析对象，通过模态单元振幅的阈值处理判断模态单元的类型，是一种新的面向 模态单元的模态单元滤波模型。本文将 MCF 引入到地震信号消噪中，用经验周期判断模态 单元类型，进而提出了一种基于 MCF 的地震信号消噪算法。
5、论文安排如下：第二部分介绍 了基于经验周期的 MCF 模型和经验周期域值选取规则的确定；第三部分，利用仿真信号验 证了算法的有效性，并利用实际地震含噪信号进行消噪，给出了试验结果。最后对对基于经 验周期的 MCF 方法进行了总结和展望1本课题得到国家自然科学基金（60705001）的资助。- 9 -2. MCF 模型2.1 模态单元EMD 认为，信号总由若干具有对称包络的 IMFs 和一个余项组成。IMF 是一种固有振 荡分量，其最简单的运动形式是振荡。一次完整的振荡可以由一个波峰，一个波谷和三个过 零点组成，而两个相邻过零点间包含一个波峰或波谷的信号则是组成 IMF 最基本的单元， 代表信号
6、局部固有振荡运动最小的完整单元。本文将组成 IMF 最基本的单元称为模态单元。 对模态单元的任何软/硬阈值处理都会破坏局部固有振荡的完整性。把模态单元的最大幅度称为模态振幅，模态单元两过零点间的时间间隔称为零间距，也 称为经验周期15。我们在前期的工作中提出了利用模态振幅判断模态单元类型的 MCF 模型 14。下文针对地震信号的噪声消除问题，用经验周期的大小判断模态单元的类型，确定是 否保留该模态单元，从而实现面向模态单元的模态单元滤波。2.2 经验周期阈值模型这一节论述如何使用经验周期判断模态单元的类型，建立基于经验周期阈值处理的 MCF 模型。信号中的噪声按照频率的高低，可以分为低频噪声和
7、高频噪声，低频噪声和高 频噪声分别出现在低频模态分量和高频模态分量中。通过经验周期的大小可以判断模态单元i i的类型，从而确定是否保留该模态单元。假设信号模态单元的经验周期范围为thp , thp+ ，i ii i i把 imf 中第 k 个模态单元记作 mk，则可将 imf 表示为 imf = mk , k = 1, 2,L, K ，其中，i = 1, 2,L, I 。 pk 表示 mk 的经验周期， thp 和 thp+ 为两个经验周期阈值，其中， thp 0 时，（1）（2）（3）式实现对 imf 的低通 MCF；当 thp 0 ，thp+ = i ii时，（3）式表示对 imf 的高通
8、 MCF；当 thp 0 ， thp+ 0 时实现对 imfi 的带通 MCF。在上面的模型中，可根据 imfi 的经验周期分布设置不同的 thpi 实现不同频率特性的滤波器。对各 分量滤波后，可按（4）式重构信号 x%(t ) ：x%(t ) = thpimfi + r(t ) i（4）+在以上模型中，需要确定合适的thpi , thpi 。thpi , thpi 可以根据模态序号的变化而变+化，也可以根据信号的频谱确定一个固定的thpi , thpi 。3. 仿真试验这里采用一个干扰很小的地震信号作为原始信号 s1 (t ) ，用 MATLAB 中 randn 函数生成 随机噪声 s2 (
9、t ) 以模拟高频背景噪声，用低频信号 s3 (t ) 模拟低频背景噪声。地震信号采样频 率为 50Hz，长度为 1024。低频信号为三个余弦信号叠加，周期分别为 8Hz，4Hz 和 2Hz。3个信号叠加得到模拟的含噪地震信号 s(t ) ，即， s(t ) = s1 (t ) + s2 (t ) + s3 (t ) ，如图 1 所示。采用is i经验周期阈值分别为 thp= 13T ，thp+= 35Ts ， 用 EP-MCF 对仿真地震信号进行消噪得到结果为 ds(t ) ，高频噪声和低频噪声被有效地抑制，地震震相可以清晰地辨认，达到预想效果。 试验结果表明，EP-MCF 可以有效抑制高频
10、噪声和低频噪声。5s1(t)0-55s (t)20-55s (t)30-510s(t)0-105ds(t)0-52 4 6 8 10 12 14 16 18 20时间/s4. 高频噪声消除4.1 实例 1图 1 合成地震信号与消噪结果本例将 EP-MCF 用于消除高频噪声。图 2 给出了福建 03311951.EVT 里 DOS 台记录的地震波形信号。截取信号为 NS 向，截取时间为 0300s。从原始信号可以看出，地震信号中 高频噪声太多，把地震信号给淹没了，所以需要设计低通滤波器。我们设计的 MCF 滤波器is i的经验周期阈值为： thp噪声被显著抑制。= 15T ， thp+= 40T
11、s ，试验结果如图 3 所示。试验结果表明，高频20振幅0-2010 50 100 150 200 250 300时间/s振幅0.500 5 10 15 20 25频率/Hz图 2 原始地震信号和频谱5振幅0-50 50 100 150 200 250 300时间/s0.2振幅0.100 5 10 15 20 25频率/Hz图 3 消噪后得到的信号和频谱4.2 实例 2本例将 EP-MCF 用于消除喀什地震台日常监测中记录到的一个地震记录波形中的高频 噪声。地震发生时刻为 2003 年 07 月 24 日 10 时 10 分，震中距离喀什地震台 121Km，采样 频率为 50Hz。图 4 给出
12、了原始波形及其频谱图。从波形图和频谱图可以看出，原始地震信i号中夹杂着多组高频干扰，完全掩盖了地震信息。采用经验周期阈值分别为 thp= 14Ts ，ithp+= 40Ts ， 用 EP-MCF 对地震信号进行消噪，高频噪声被有效地抑制，地震震相可以清晰地辨认，达到预想效果，结果如图 5 所示。5000振幅0-50000 10 20 30 40 50 60 70 80 90 100时间/s振幅50000 5 10 15 20 25频率/Hz图 4 原始地震信号和频谱500振幅0-500400 10 20 30 40 50 60 70 80 90 100时间/s振幅2000 5 10 15 20
13、 25频率/Hz图 5 消噪后得到的信号和频谱5. 低频噪声消除5.1 实例 1本例将 EP-MCF 用于消除低频噪声。图 6 给出了长春台 2003 年 08 月 08 日 00 点 07 分 记录到的发生在吉林省内的 2.9 级地震的波形图和频谱图。信号采样频率为 50Hz。由于地 震震级很小，原始波形上叠加了较强的低频干扰，无法辨认出地震信号的原始波形和地震信s is i号的到时。将采样周期记作 T ，经验周期阈值分别为 thp= 6T ， thp+= 30Ts ， 用 EP-MCF模型对地震信号进行消噪，结果如图 7 所示。试验结果表明，低频噪声被有效地抑制，地震 震相可以清晰地辨认，
14、达到预想效果。500振幅0-500-10004000 20 40 60 80 100 120时间/s振幅20000 5 10 15 20 25频率/Hz图 6 原始地震信号和频谱500振幅0-500100 20 40 60 80 100 120时间/s振幅500 5 10 15 20 25频率/Hz图 7 消噪后得到的信号和频谱5.2 实例 2本例将 EP-MCF 用于消除低频噪声。云南地震记录文件 yn9705080600.ev2 的 bss 台记 录如图 8 所示，采用频率为 50Hz，从图中可见，信号被较弱的低频噪声所污染，并伴有高is i频噪声。我们采用经验周期阈值为thp= 10T
15、和 thp+= 40Ts 的 MCF 进行消噪，结果如图 9所示。试验结果显示，低频噪声被显著抑制，并消除了高频噪声。滤波后，地震波更清晰地 显示出来。1000振幅0-1000400 20 40 60 80 100 120 140 160 180 200时间/s振幅2000 5 10 15 20 25频率/Hz图 8 原始地震信号和频谱1000振幅0-1000400 20 40 60 80 100 120 140 160 180 200时间/s振幅2000 5 10 15 20 25频率/Hz图 9 消噪后得到的信号和频谱5.3 实例 3本例将 EP-MCF 用于消除低频噪声。云南地震记录文件
16、 yn9706300036.ev2 的 zds 台记 录，如图 10 所示，采样频率为 50Hz。从图中可见，信号被低频噪声污染，并伴有高频噪声。is i我们采用经验周期阈值为thp= 10T 和 thp+= 40Ts 的 EP-MCF 进行消噪，结果如图 11 所示。试验结果显示，低频噪声被显著抑制，并消除了高频噪声。滤波后，地震波更清晰地显示出 来。500振幅0-500300 50 100 150 200 250时间/s振幅201000 5 10 15 20 25频率/Hz图 10 原始地震信号和频谱200振幅0-200振幅50 50 100 150 200 250时间/s00 5 10
17、15 20 25频率/Hz6. 结论图 11 消噪后得到的信号和频谱论文针对地震信号消噪问题，将模态单元作为基本分析对象，用模态单元经验周期判断模态单元，决定是否保留该模态单元，从而实现面向模态单元的滤波。该算法与基于小波分 解或傅立叶分解的消噪算法相比最大的优势是分解时无需基函数，完全是自适应分解。论文 用包含大量低频噪声和高频噪声的地震信号进行消噪，提取地震波信号，实验结果表明，本 文算法可以有效抑制低频噪声和高频噪声，提取地震波信号震相清晰，满足观测要求。参考文献1. 孟召平 , 郭彦 省 , 王 NFDA. 基于地震属 性的煤层厚 度预测模型 及其应用 , 地 球物理学报 J,2006
18、 ,49(2):512-5172. 刘代志,张斌,李夕海,赵克.核爆地震模式识别中的特征相空间研究,地球物理学报J,2006 49(3):871-8763. 万用革,数字信号处理的MATLAB实现,科学出版社M,北京,20074. D.L. Donoho, De-noising by soft-thresholdingJ. IEEE Trans. on Inf. Theory, vol.41, no.3, pp.613-627. 1995 5. D. L. Donoho, I. M. Johnstone, Ideal spatial adaptation by wavelet shrinkag
19、eJ. Biometrika, vol. 81, pp.425-455. 19946. N. E. Huang, Z. Shen, S. R. Long, M. C.Wu, H. H. Shih, Q. Zheng, N.C. Yen, C. C. Tung, and H. H. Liu, The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis, Proc.Roy. Soc. London AJ, vol. 454, pp. 9
20、03995, 19987. P. Flandrin, G. Rilling, P. Goncalves, Empirical mode decomposition as a filter bank, IEEE SignalProcessing LettersJ. vol. 11,no.1 Part 1, pp.112114, Feb. 20048. V. Agarwal, L. H. Tsoukalas, Denoising electrical signal via Empirical Mode DecompositionA./Proc.2007 iREP Symposium on Bulk
21、 Power System Dynamics and Control-VIIC.Revitalizing Operational Reliability, Charleston, SC, USA, Aug. 2007 pp.1-69. A. O. Boudraa, J.C. Cexus, EMD-Based Signal FilteringJ. IEEE Transactions on Instrumentation andMeasurement, vol. 56,no. 6, pp.2196-2202 , Dec. 200710. A. O. Boudraa, J.C. Cexus Deno
22、ise via empirical decompositionA. /Proceeding of the IEEE international symposioum on control communications and signal processing (ICCSP,06) C. Marrakech, Morocco March, 2006,pp.4-811. O.A. Adriano, S. Nasuto, P. Kyberd, C. M. Sweeney-Reed and F.R. Van Kanijn, EMG signal filtering based on Empirica
23、l Mode DecompositionJ. Biomedical Signal Processing and Control,vol. 1, no. 1,pp. 44-55, Jan.2006 12. B.V. Manuel, B.W. Weng and K. E. Barner, ECG signal denoising and baseline wander correction based on the empirical mode decompositionJ. Computers in Biology and Medicine,vol.38, no.1,pp.1-13, Jan.
24、200813. L.J. Hadjileontiadis,A Novel Technique for Denoising Explosive Lung Sounds Empirical Mode DecompositionandFractalDimensionFoilterJ.IEEEEngineeringinMedicineandBiology Magazine,vol.26,no.1,pp.30-39,Jan.-Feb. 200714. 钱昌松, 刘代志刘, 志刚, 党璇, 齐玮, 基于模态振幅的模态单元滤波及其在高斯消噪中的应用EB/OL , 15. 钱昌松,刘志刚,胡重庆,刘代志,一种
25、新的经验模态分解及其应用初探A,地球物理探测与应用C:西安 地图出版社,2007,P:201-205Empirical-Period-Based Mode Cell Filter for Seismic DataDenoisingQian Chang-song, Liu Dai-zhi, Liu Zhi-gang, Qi Wei602 Sec. Second Artillery Engineering University, Xian (710025)AbstractAs there are interfere sources in the surroundings and instrumen
26、ts for the collections of the seismicwave signals, the seismic waves collected may always be interrupted by many noises, which affects the further applications of the seismic waves. The mode cell filter is a novel adaptive denoising method with no need for pre-defined basic functions. In this paper
27、the MCF is introduced to the seismic wave denoising, and a MCF-based automobile noise eliminating method is proposed. Experiments on artificial and natural signals are designed for denoising. The results demonstrate that, the low-frequencyandheigh-frequencynoisescanbeeliminatedeffectivellybythethe Empirical-Period-Based Mode Cell Filter, and the denoised seismic data are satisfied for further observation.Keywords: EMD; Seismic data; Mode Cell Filter; Adaptive Filter
