基于EMD与ICA的地震信号去噪技术研究

去除随机噪声是地震资料处理的重要环节,而目前的多数去噪技术都不同程度存在去噪效果差、损害有效信号等问题。为此,利用经验模态分解(Empirical Mode Decomposition,简写为EMD)能将信号自适应分解为不同尺度振动模态的优点及独立分量分析(Independent Component Analysis,简写为ICA)能提取独立源信号的优势,构造了一种EMD与ICA相结合的新的去噪算法,很好地实现了地震有效信号和随机噪声的分离,在提高去噪效果的同时提高了有效信号的保幅效果。将该算法应用于仿真实验和实际资料去噪,结果都明显优于总体经验模态分解(Ensemble Empirical Mode Decomposition,简写为EEMD)去噪结果,地震资料的信噪比和分辨率都大大提高。     

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。     

基于经验模态分解的广义S变换在低频阴影中的应用

经验模态分解是处理非平稳信号的一种经典时频分析方法。随着在勘探中的广泛应用,也暴露出经验模态分解的许多缺点,如缺乏具体的数学理论支撑、模态混叠等。这些缺点直接影响到实际地震信号处理中含油气层弱信号的提取。基于此,提出了一种通过基于经验模态分解的广义S变换的时频分析方法。首先,对地震数据进行经验模态分解,分解得到的固有模态分量,这是基于地震信号局部特征的时间尺度;其次,根据已有的测井资料选取合适的固有模态分量进行广义S变换;最后,对其进行分频处理和低频阴影分析。对比原地震信号只做广义S变换分频处理,基于经验模态分解的广义S变换能够得到更精确的有效单频剖面。     

小波包-包络分析及基于EMD谱分析法的研究

根据滚动轴承振动信号的非线性、非平稳性特点,提出了用小波包—包络分析及基于经验模态分解(Empirical Mode Decomposition,EMD)进行谱分析的方法。通过对具有外圈缺陷的滚动轴承振动信号分析,表明这两种方法能准确地检测出发生的局部缺陷。     

基于CEEMDAN和ICA的油气勘探大地电磁噪声消除方法

大地电磁(MT)信号中的噪声会严重影响大地电磁勘探的观测数据,导致后续反演、解释工作出现严重偏差,影响油气勘探效果。为此,提出了一种基于带自适应噪声的完全集合经验模态分解(CEEMDAN)和独立分量分析(ICA)的噪声消除方法。该方法将经验模态分解(EMD)中的CEEMDAN方法与盲源分离(BSS)中的ICA方法进行有效结合。首先,利用改进的端点检测技术识别电磁信号中的有噪声信号分段;其次,利用CEEMDAN方法对其进行分解,提取具有代表性的固有模态分量(IMF)分量并进行ICA处理,达到消除噪声的目的;然后,利用获得的独立分量对有用MT信号进行逆向重构;最后,将未受噪声污染的MT信号与去噪后的有用MT信号进行拼接,获得最终的消噪后的完整MT信号。对合成信号和实测MT数据的实验结果表明,该方法能有效消除MT信号中的噪声。     

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。     

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。     

希尔伯特—黄变换时频分析在沉积旋回划分中的应用

希尔伯特—黄变换是基于地震数据对信号进行经验模态分解的新的时频分析方法,其克服了原有时频分析方法因受到分辨率和信号平稳性的限制导致沉积旋回划分精度降低的影响,通过对非平稳信号进行处理得到地震信号不同固有模态分量的瞬时时频特征,以此为基础,精细刻画地震资料中的时间、频率和能量之间的关系,进而依据不同模态分量的瞬时时频特征划分出不同级次的地层沉积旋回。模型数据与实际地震资料的处理结果表明,地震数据通过希尔伯特—黄变换时频分析能够准确地进行地层沉积旋回划分,实现的过程简单实用且精确度较高,从而为地层的沉积旋回划分和精细对比提供了有效方法和参考依据。     

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。     

基于经验模态分解的属性优化方法

本文提出了一种基于经验模态分解的属性优化新方法,其具体步骤为:首先对某一种地震属性的各个列向量分别进行经验模态分解,得到各个列向量的固有模态分量组;其次分别对每一组固有模态分量的各个分量的权重进行归一化,并将前若干分量分别乘以相应的归一化权重系数后再线性相加得到新的列向量,进而构成优化后的属性矩阵;然后对其他几种参与优化的属性也实行前面两个步骤,分别得到相应的新的地震属性矩阵;最后将得到的新地震属性矩阵进行线性叠加,得到优化后的地震属性矩阵。将经验模态分解方法和主成分分析方法分别应用于相同的实际资料,试验证明前者在保证运行效率的情况下能用更少的主成分(固有模态分量)刻画出更多的原始属性信息,并且提高了原始属性剖面的分辨率。     

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。     

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...     

基于Wigner-Ville分布与Chrip-Z变换的高分辨时频分析方法

时频分析方法一直广泛地应用于地震数据的处理与资料解释中。针对油气勘探面临的圈闭规模小、储层薄且埋深大、烃源丰富却分布零散等复杂情形时,如果地震资料有效信号频带较窄、分辨率较低,则需高分辨时频分析方法,以提高对微型油气目标的识别精度。平滑伪Wigner-Ville分布（SPWVD）双线性时频分析方法具有良好的时频聚焦性,线性调频Chrip-Z变换（CZT）的螺旋采样插值特性可突出三维空间局部细节。结合此二者优势,形成一种可提高地震信号时频分辨率的新方法（SPWVD-CZT）。该方法通过采样的方式实现数值的插值计算,以增加有效频段的划分点数,完善时频分布的局部细节,在时频域实现频谱信息的细化处理。模拟信号试算和实际地震资料河道微相识别的应用结果表明,该方法能显著提升地震数据时频分析的频率采样率,可为微型地质体的发现及油气开发提供技术支撑。     

基于小波变换的套管金属磁记忆检测信号处理

套管受到非均匀载荷的作用易产生塑性变形,在应力集中区,易造成套管弯曲、变形或错断,用金属磁记忆技术可有效判断套管应力集中区域.对于含有噪声非平稳性的井下磁记忆信号,把指数小波去噪技术和希尔伯特(Hilbert)变换应用到了磁记忆的信号分析中.基于信号与噪声在小波分析中不同尺度的传播特性,利用小波非线性滤波方法消除了噪声、提高了信噪比.同时利用Hilbert变换得到磁记忆信号的包络线,从而有效提取了特征量.     

用S变换做精细时变滤波

在地震记录中如何精确地去除干扰波而又不损失有效信号，目前是地震勘探行业内广泛研究的问题，各种新型算法被应用于这个领域，这些算法各有优劣。S变换是一种新出现的数学变换方法，已被广泛应用于各种信号的时频分析，但还未用于去除地震记录中的噪音方面。文章对S变换的应用作了推广，给出了用S变换定点清除地震记录中噪音的方法。针对地震资料的特点提出了应用S变换消除干扰的具体计算方法。首先将地震资料用S变换方法变换到时间-频率域；然后利用地震信号与噪音在时间-频率域的差异，精确滤除信号中所含噪音；最后将去噪后的地震数据利用S反变换变换到时间域，以获得所需要的有效信号。大量的理论模型计算表明，S变换确为一种定点去除不同时段、不同频率噪音的有效方法，几个地区的实际地震资料试算也表明了该方法的有效性。     

利用改进希尔伯特—黄变换进行地震资料时频分析

为了克服常规希尔伯特—黄变换(HHT)的缺陷,消除常规经验模态分解(EMD)产生的本征模态函数分量(IMF)中混叠的振荡模式,本文运用改进HHT,即通过引进小波包变换,首先将信号分解成-系列窄带信号,然后对这些窄带信号进行EMD获得-些IMF分量,再根据相关系数法,保留需要的IMF分量,去除虚假的IMF分量,最后进行HHT求取瞬时频率,得到改进HHT谱。改进HHT摆脱了小波变换中的海森堡测不准原理的限制,以及常规HHT模态混叠对分析的干扰。虽然改进HHT谱高频成分存在跳跃现象,但都围绕在真实频率值周围,并且较小波时频图的频带窄很多,能够反映信号的真实频率特性。数值模拟与实际地震记录处理结果证明了改进HHT的可行性。     

地震信号时——频特性与瞬时动态范围

本文利用小波变换的方法，分析了地震信号的时一频特征，由时一频特征曲线可以看出，随着时间的增加，地震信号高频分量相对于低频分量之比越来越小。在此基础上给出了地震信号瞬时动态范围的定义和物理解释，进而指出，在地震采集仪器中，为了获得深层的高频信号，必须采用动态范围高达２４位的新型过采样Σ－△Ａ／Ｄ转换器。     

基于多源异构信息融合的机械故障诊断方法

针对振动信号或红外图像等单类型传感器信息难以准确表征机械设备的健康状态,存在诊断不确定性的问题,提出基于改进卷积神经网络(CNN)的多源异构信息数据级融合诊断方法.首先采用变分模态分解(VMD)和希尔伯特变换(HT)方法将振动信号处理成与红外图像同维的时频图像,并将其与红外图像进行数据级融合,得到多通道融合信号,然后将...     

小波分析及其在时变滤波和信号分离中的应用

利用小波变换具有的多时频分辨率特性，对地震勘探和测井信号这类非平衡信号进行分析，可以充分利用信号的时间－频率特性。文中介绍了小波变换的基本概念及其在地震勘探信号的时变滤波和声波全波列测井信号的信号分离中的应用，实例表明，小波变换在地球物理信号中具有广阔的应用前景。图５参７     

二维小波变换在去除面波干扰中的应用

在原始地震记录中，面波干扰往往会掩盖有效信号，降低资料的信噪比。常规的一维滤波和F—K滤波方法在去除面波时，会损害有效信号，丢失一些有用的地质信息。小波变换是一种时频分析方法，具有分频和局部分析能力，可以从地震资料中将面波分离出来，而不伤害有效波。二维小波变换去除面波的基本原理是：首先依据面波和有效波视速度的范围，在时间一空间域把原始单炮记录分成没有面波和含有面波的记录；然后应用二维小波变换对含有面波的记录进行时频分析，将其变换到时间、频率、空间和波数四维域中，利用有效波与面波在频率域和波数域上的差异进行面波分离，去除面波，提取有效波，并进行信号重构；最后将重构的信号与没有面波的记录叠加，即可得到去除面波干扰的资料。实际资料处理结果表明，二维小波变换去除面波的方法具有良好的应用效果，有效信号得到了加强，信噪比得到了提高。