改进的完备经验模态分解与WVD变换相结合在油气检测中的应用

Wigner-Ville分布(WVD)是一种二次型时频分析方法,具有高分辨率和能量集中性等特点,但其本身是一种瞬时自相关函数的傅里叶变换,由于没有移动的时间窗,所以对于多分量信号存在严重的交叉项问题。而改进的完备经验模态分解(ICEEMD)是基于经验模态分解(EMD)的一种最新算法,它可以将非平稳、非线性的地震信号分解为一系列单分量的特征子信号,不仅分解速度快,同时还克服了EMD算法自身存在的模态混叠等问题。首先,逐道对地震数据进行ICEEMD分解,将地震信号分解各个IMF分量;其次,对每道所有的IMF分量进行WVD变换;最后,在南海某工区提取不同的单频剖面,利用"高频能量衰减,低频能量增强"的特点进行含油气性检测。南海某工区地震数据分析处理结果验证了该方法含油气性检测的准确性。     

聚合经验模态分解和小波变换相结合的地震信号衰减分析

常规经验模态分解（EMD）方法存在模态混叠等问题会造成多解性,从而影响含气层弱信号的识别。为此,引入可改进模态混叠的聚合EMD（EEMD）方法,结合小波变换从地震数据中可提取具有明确物理和地质意义的新地震属性进行含气性检测。具体步骤为：1对地震道进行EEMD。选取具有强相关性的IMF进行重构生成地震道的特征高频子信号;2衰减梯度计算。针对EEMD处理后的IMF高频信号特征,采用改进的动态频率域窗函数,逐点计算地震道特征子信号小波时频图中各点处的对数能量,并逐道、逐点计算地震数据体的衰减梯度;3利用最小二乘法和选择频率域动态窗函数提高衰减梯度的预测精度。对川西海相碳酸盐岩的储层预测结果表明,利用文中方法可以刻画各相带储层的不同强振幅异常特征,尤其对台内滩相储层的强振幅异常更灵敏,可以有效地识别宽带地震响应中特定频率的强振幅异常,同时能较好地抑制地层等影响因素,给出的含烃类统计性解释结果与已知井的含气测试结果相吻合。     

改进的希尔伯特-黄变换在储层预测中的应用

希尔伯特-黄(Hilbert-Huang transform,HHT)变换是一种非线性非平稳信号处理技术,在复杂地震信号处理方面比传统的时频分析方法更为有效,但该方法存在模态混叠和端点效应等问题,导致信号处理的精度下降。为此,提出了基于自回归(AR)模型预测的完备总体经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)方法对希尔伯特-黄变换加以改进:在经验模态分解(Empirical Mode Decomposition,EMD)过程中加入成对的辅助白噪声,降低了由信号中随机噪声引起模态混叠问题;并利用AR模型在信号端点预测出极值点并对其进行包络线拟合,较好地抑制了端点效应。应用改进后的方法提取实际地震记录的瞬时振幅和瞬时频率并进行储层预测,预测结果与测井资料所反映的储层信息吻合度很高,证明该方法能够更为准确有效地反映储层特征。     

基于CEEMD的地震数据小波阈值去噪方法研究

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,针对互补集合经验模态分解(CEEMD)舍弃高频分量的去噪方法和小波阈值去噪方法存在的不足,提出了基于CEEMD的地震数据小波阈值去噪方法。CEEMD是EMD(经验模态分解)的改进型算法,它既保留了EMD处理非平稳信号的优势,又能有效地克服EMD的模态混叠问题;但是,单纯的CEEMD分解去噪会在去除高频噪声的同时压制高频的有效信息。将CEEMD分解与小波阈值去噪相结合,对CEEMD去噪要舍弃的含噪声较多的高频固有模态函数(IMF)分量进行小波阈值去噪,以保留这些分量中的有效信息。模型数据和实际地震资料的测试结果表明,无论对于低噪声还是强噪声地震数据,基于CEEMD的小波阈值去噪方法的去噪效果都优于单纯的CEEMD去噪方法和小波阈值去噪方法。     

基于经验模态分解互信息熵与同步压缩变换的微地震信号去噪方法研究

针对微地震信号具有随机性、非平稳性与时频耦合的特点以及经验模态分解(Empirical Mode Decomposition,EMD)的模态混叠问题,提出了基于经验模态分解互信息熵与同步压缩变换(Synchrosqueezing Transform,SST)的微地震信号去噪方法。首先对微地震信号进行经验模态分解,获得从高频到低频排列的固有模态函数(Intrinsic Mode Function,IMF)分量;然后求取相邻固有模态函数分量之间的互信息熵,从而辨识出高频与低频部分的分界;最后利用同步压缩变换提取高频部分的有效信号,将其与低频部分重构,实现微地震信号的有效去噪。利用不同噪声强度的理论模型和实际资料,对本文方法与直接舍弃高频成分的去噪方法进行了对比,结果表明,本文方法能够很好地去除微地震信号中的混叠噪声,并将有效信号从噪声中提取出来,提高了资料的信噪比。     

基于希尔伯特-黄变换的地震信号时频谱分析

希尔伯特-黄变换（Hilbert—Huang Transform,HHT）是分析非线性、非稳定信号的一种新方法,能清晰地刻画地震信号的时频能量分布。首先将信号分解为有限数量的固有模态函数IMF,再对这些IMF求解瞬时频率,进而获得信号的时频谱。应用理论模型和实际地震道数据进行了试算,并与S变换谱进行了对比,证明该方法比S变换具有更好的时频域刻画能力。对实际二维地震剖面做HHT变换求得希尔伯特谱,提取分频剖面分析认为,HHT瞬时谱具有一定的油气检测能力。     

基于VMD的旋转机械故障诊断方法研究

旋转机械结构复杂,振动信号信噪比低且多为非平稳、非线性的多分量信号,出现故障时难以有效地进行诊断。常规的小波分析方法需根据信号特点选取特定的小波基和分解层次,自适应分解方法如EMD、EEMD等存在频率混叠及虚假分量现象,在提取微弱信号时易造成误判。提出了一种基于变分模态分解(VMD)和奇异值分解(SVD)的故障诊断方法。首先对信号进行VMD分解,并对分解得到的固有模态函数分量进行SVD降噪;然后从降噪后的分量中选取故障特征分量进行时频域及包络谱分析,最终确定故障类型。仿真及试验结果表明,该方法可以有效地降低噪声,提取微弱故障信息,实现故障诊断。     

应用HHT方法分析实验中的反射波信号

对于研究非平稳信号而言,传统的傅里叶变换已不能满足需求。非平稳信号分析方法已成为信号分析领域中的一个热点问题。以模拟地震波传播过程中遇到反射界面反射实验中得到的非平稳信号为研究对象,采用HHT方法对信号进行分析。对信号进行经验模式分解(EMD)和希尔伯特变换(HT)两个步骤。根据EMD分解得到的IMF分量具有从高到低不同频率和不等带宽的特点,对信号进行重构,提高信噪比,大大提高实验中测量P波速度的精度。对信号进行三瞬参数分析,揭示了实际应用中三瞬参数对地质构造识别的优势。HHT方法适用于分析生活中普遍存在的大量非平稳信号,可将复杂的信号直接分离成从高频到低频的若干阶固有模态函数。这一方法体系从根本上摆脱了傅里叶变换理论的束缚,在实际应用中也表现出了一些独特的优势。     

基于EMD-小波包的随钻测量信号去噪方法

为了降低随钻测量过程中噪声对信号的影响,针对经验模态分解(EMD)去噪方法粗糙和小波包去噪方法缺乏自适应的问题,提出了一种基于EMD-小波包的随钻测量信号去噪方法。利用EMD分解自适应的特点将随钻测量信号分解成几个IMF分量;根据信号自相关函数的特性找出主要含噪的IMF分量,再利用小波包阈值去噪方法将含噪IMF分量中的噪声去除;将去噪后的IMF分量和剩余的分量重构,得到去噪后的随钻测量信号。为验证方法的有效性,进行了随钻测量实验并用该方法对采集的信号进行处理。结果表明该方法能够很好地去除随钻测量信号中噪声的干扰,提高信号的信噪比。     

基于测井数据Hilbert-Huang变换的地层层序划分

介绍了HHT变换(Hilbert-Huang Transform)的基本原理和步骤,探讨了测井信号HHT变换在高分辨率层序地层划分中的应用,提出对测井数据进行HHT变换,并将其处理结果用于层序划分的方法.结果表明,测井数据EMD分解得到的本征模态函数(IMF)揭示了测井数据各深度处的频率特性,可以清晰反映出频率变化的结构特征.不同分解层的IMF信息刻画了不同规模的旋回周期特征,并可与各级层序相对应.利用这些特征可以清晰地找到对应地层序列中不同级别的界面,进而实现对各级层序划分.这种方法为利用测井资料进行高分辨率层序研究提供了一种新的手段.     

基于经验模态分解和小波变换的地震瞬时频率提取方法及应用

传统的应用Hilbert变换提取地震瞬时频率的方法是基于平稳信号提出的,而野外采集的地震信号是典型的非平稳信号,因此其实际应用存在一定的局限性。本文提出了一种基于经验模态分解和小波变换的地震信号瞬时频率提取方法和流程。该方法首先对地震数据进行经验模态分解(Empirical Mode Decomposition,简称EMD),获得一组固有模态函数(Intrinsic Mode Functions,简称IMF),然后应用根据地质研究目标所划定的地层层序和声波测井数据,结合沉积旋回分析,选择地震数据中合适的固有模态函数。最后,对筛选的固有模态函数进行Morlet小波变换,提取地震瞬时频率。分别将Hilbert、Hilbert-Huang和本文方法应用于理论模型,结果表明本文方法是有效的;同时,实际地震资料应用结果表明,通过本文方法能获得更为精确的符合地质认识的地震瞬时频率剖面。     

利用Hilbert-Huang变换提取地震信号瞬时参数

 通过Hilbert变换求取的信号瞬时参数并非对任何信号都有物理意义，此法通常要求被分析信号是窄带或平稳的，而且对噪声很敏感。而实际地震信号既非平稳又含有噪声，若在实际应用中不加考虑地对地震信号进行Hilbert变换以求取瞬时参数，这种情况下求取的瞬时参数将缺乏物理意义甚至失真。Hilbert-Huang变换是一种新的分析非平稳非线性信号的方法，它先将信号进行经验模态分解（EMD），形成有限个固有模态函数（IMF）之和，再对固有模态函数作Hilbert变换求取时频谱，求取的时频谱在时域和频域都具有较高的分辨率。本文将Hilbert-Huang变换应用于地震瞬时参数的提取，实例表明，对地震剖面做EMD可以得到不同时间尺度上的特征，Hilbert谱比传统的时频谱在时间和频率域上的分辨率都要高，强反射层在第1阶IMF瞬时频率剖面上比原瞬时频率剖面上表现得更为明显。     

Hilbert-Huang 变换在提取声波测井信号储集特性中的应用

阵列声波信号属于典型的非线性和非平稳信号,传统的分析方法主要包括短时傅里叶变换、小波变换和Winger鄄Ville 变换等。Hilbert鄄Huang 变换是一种分析非平稳信号的新方法,该方法的关键是对信号进行经验模态分解,将复杂的信号分解为有限数量的几个固有模态函数,从而得到信号的Hilbert 能量谱。 将该方法应用于阵列声波测井信号处理上,对声波测井信号进行经验模态分解并得到Hilbert 能量谱,分析能量谱与储层岩性参数的联系。结果表明,Hilbert 能量谱与某些储层特性存在一定的联系。     

基于经验模态分解的井眼防碰特征信号识别

在采用钻头振动波方法进行丛式井防碰监测时,为了准确识别井下钻头振动信号,将Hil-bert-Huang变换中的经验模态分解(EMD)应用于钻头信号的特征提取。采用EMD方法可将复杂环境下的钻头振动加速度信号分解成固有模态分量,通过分析各分量的归一化峭度及能量分布,得到包含钻头冲击振动特征的4个IMF分量;对相应的特征IMF分量进行功率谱分析,得到钻头钻进时特征信号的频域范围。当钻头趋近邻井套管时,信号特征分量将发生显著变化,通过海上丛式井防碰的现场试验数据分析验证了该方法的有效性。     

变分模态分解与包络导数算子结合的时频分析方法及溶洞储层预测

深层缝洞型碳酸盐岩储层空间分布散乱且内部结构差异大,利用希尔伯特—黄变换、集合经验模态分解、完备集合经验模态分解等时频分析方法描述储层时存在模态混叠、端点效应等问题.为此,提出了一种联合变分模态分解(VMD)与包络导数能量算子(EDO)的高精度时频分析方法(VMD-EDO).VMD能够将地震信号自适应、非递归地分解为一...     

Hilbert-Huang 变换在阵列声波测井信号时频分析中的应用

阵列声波信号是典型的非线性、非平稳信号,Hilbert-Huang 变换是一种分析非平稳信号的新方法。该方法是对信号进行经验模态分解,将复杂的信号分解为有限数量的几个固有模态函数（IMF）,从而得到信号的Hilbert 时频谱。将该方法应用于阵列声波测井信号处理上,对声波测井信号进行经验模态分解并得到各阶IMF,对IMF 分量作平滑伪Wigner-Ville 时频分布,通过分析得到干层与水层之间的差异。实践证明了该方法的有效性。     

基于经验模态分解的Wigner-Ville时频分布

针对利用Wigner-Ville分布进行时频分析时受交叉项干扰的缺点,提出了基于经验模态分解的Wigner-Ville时频分布方法。首先通过经验模态分解使非平稳信号平稳化,将信号分解成为多个相互独立且具有简单频率成分的内蕴模式函数,然后对这些内蕴模式函数分别计算Wigner-Ville分布,最后重构原始信号的Wigner Ville分布。〖JP〗通过理论模型和实际地震信号分析验证了该方法在降低交叉项干扰、提高时频分析精度方面的有效性。     

EMD在大地电磁信号分析中的问题及解决方法

以经验模态分解(Empirical Mode Decomposition,EMD )为核心的希尔伯特—黄变换(Hilbert-Huang Transform,HHT)被越来越多地应用于大地电磁信号处理中,且EMD分解中的曲线拟合、端点效应和筛选停止准则等几个问题处理的好坏直接决定HHT方法应用成败。结合实际大地电磁信号分析的特点,以仿真和实测大地电磁数据为例,采用对比分析的方法,对上述三个主要问题进行了研究,给出了问题的解决方法,结果为大地电磁信号分析中EMD分解方法的选择提供了有价值的参考。     

时频域变分模态分解地震资料去噪方法

强噪声干扰、信噪比过低是造成深层地震资料成像不佳的主要因素。为此,提出在时频域内将变分模态分解算法应用于分频地震资料的噪声压制处理的新思路。首先,通过希尔伯特-黄变换（HHT）构建地震数据的解析信号,将地震数据转换到时频域,在时频域进行分频变分模态分解;随后,分析有效信号与噪声在时频切片上的能量分布,在此基础上优选出有效信号模态分量重构时频切片;最后反变换回时空域,达到噪声压制的目的。应用模型数据分析了关键参数对去噪效果的影响;实际资料的应用结果表明该算法可有效压制较强的随机背景噪声,同时对陡倾角的线性干扰也有明显的压制作用。