震源类型识别的EMD研究

发布时间：2017-04-06 03:00

  本文关键词：震源类型识别的EMD研究，由笔耕文化传播整理发布。

【摘要】：经验模态分解(EMD)方法对处理非平稳、非线性信号具有明显的优势。与传统的信号处理方法对信号进行全局性分析不同,该方法在描述信号的局部特征方面具有更加明显的优势,能更真实的反映不同时间和不同频率尺度上信号成分组成的能量分布规律。本文首先采用一种基于EMD的小波阈值去噪的方法对地震信号去噪,噪声信号一般包含在信号高频成分中,地震信号经EMD分解后对信号频率较高的前三个内模函数(IMF)分量进行小波阈值去噪[1],然后将所有IMF分量进行叠加构成去噪后信号。通过与普通小波阈值去噪方法比,基于EMD的小波去噪方法具有更大的信噪比,去噪效果更好。本文重点研究了地震信号的内模函数能量比和奇异值熵的特征提取。地震和爆炸的震源力学机制不同：地震是剪切源,爆炸是膨胀源[2],这两种震动波形的各个内模函数分量所包含的能量信息应该存在明显差异,通过计算各个IMF分量能量占波形信号总能量的比值,这个比值特征应该能够明确区分这两类不同的事件震源类型。奇异值是矩阵的固有属性,矩阵元素变化较小时,奇异值变化较小；不同IMF分量包含波形信号不同频率成分,各IMF奇异值反映了信号在不同频段的分布情况,熵值反映了这种分布的均匀程度,奇异值分布越均匀,熵值越大,反之越小。本文对天然地震和人工爆炸地震动波形提取这两种特征,对首都圈35个地震和27个爆炸事件进行特征提取并采用支持向量机(SVM)进行了识别实验,结果发现：内模函数能量比和奇异值熵特征能显著区分天然地震和人工爆炸波形事件,且内模函数能量比特征识别效果更好。最后基于内模函数能量比特征构造新的二次特征并采用“明灯一号”爆炸事件以及另外的62个天然地震事件进行特征提取和识别实验,识别效果都很好。本文认为：内模函数能量比特征和奇异值熵特征可以作为识别天然地震和人工爆炸事件的重要备选特征。
【关键词】：经验模态分解(EMD) 内模函数(IMF) 小波阈值去噪 IMF能量比 奇异值熵
【学位授予单位】：广西师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P315.33
【目录】：

• 摘要3-4
• Abstract4-7
• 第1章 绪论7-11
• 1.1 模式识别的基本概念7
• 1.2 地震波形震源类别模式识别研究背景7-8
• 1.3 天然地震和人工爆炸的识别方法8-9
• 1.4 震源类型识别国内外研究现状9-10
• 1.5 论文组织结构10-11
• 第2章 震源波形信号原始数据选取与预处理11-22
• 2.1 实验原始波形数据来源11-13
• 2.2 天然地震和人工爆炸波形信号去噪13
• 2.3 小波变换去噪13-21
• 2.3.1 连续小波变换13-14
• 2.3.2 小波阈值去噪14-15
• 2.3.3 经验模态分解方法15-16
• 2.3.4 基于EMD的小波阂值去噪16-21
• 2.4 本章小结21-22
• 第3章 固模函数分量选取以及谱分析22-30
• 3.1 用相关系数选取IMF分量23-24
• 3.2 震源信号的IMF频谱分析24-29
• 3.2.1 希尔伯特变换24-25
• 3.2.2 希尔伯特(Hilbert)谱分析25-29
• 3.3 本章小结29-30
• 第4章 震源类型识别特征提取方法研究30-34
• 4.1 地震波形数据选取以及预处理30
• 4.2 震源类型识别特征研究30-33
• 4.2.1 能量比特征研究31-32
• 4.2.2 奇异值熵特征研究32-33
• 4.3 本章小结33-34
• 第5章 支持向量机识别34-47
• 5.1 支持向量机原理34-37
• 5.2 特征选择37-39
• 5.3 SVM参数选取39-40
• 5.4 特征识别实验40-44
• 5.5 单事件多台站震源类型识别研究44-46
• 5.5.1 特征提取44-45
• 5.5.2 采用新数据后二次特征识别结果分析45-46
• 5.6 本章小结46-47
• 第6章 总结和展望47-49
• 6.1 论文工作总结47-48
• 6.2 课题展望48-49
• 参考文献49-52
• 致谢52-53

【相似文献】

中国期刊全文数据库 前10条

1 孙继广;广义奇异值的扰动[J];计算数学;1982年02期

2 黄皓平;电磁法数据处理的奇异值分解法[J];地球物理学报;1991年05期

3 刘世和;最合理的观测次数和奇异值的拉依达舍弃准则研究[J];湘潭大学自然科学学报;1987年03期

4 卢琳璋,孙伟伟;一个逆奇异值问题[J];高等学校计算数学学报;1999年04期

5 付玉立;李全海;;病态问题中奇异值修正法初探[J];海洋测绘;2011年02期

6 黎罗罗;包含区间边界上的奇异值[J];中山大学学报(自然科学版);1998年02期

7 卢波;;病态问题的奇异值分解算法与比较[J];测绘信息与工程;2011年04期

8 张志涌;HANKEL矩阵的奇异值分析和系统结构及实现的数值算法[J];控制理论与应用;1984年02期

9 曹宗杰,孙长江,陈塑寰;奇异值摄动法及其在智能结构振动控制中的应用[J];吉林工业大学自然科学学报;2000年01期

10 赵闻飙,施颂椒,胡庭姝;结构奇异值综合的一种新设计方法[J];信息与控制;1997年01期

中国重要会议论文全文数据库 前4条

1 田玉平;;混合摄动下计算结构奇异值的新方法[A];1994年中国控制会议论文集[C];1994年

2 杨乾堂;周辉;李慧明;;奇异值相减消噪算法[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年

3 张光磊;周彤;;2-D FM-I系统的渐近稳定性[A];第25届中国控制会议论文集（中册）[C];2006年

4 王国军;蒋美华;王俊;;载荷谱信号奇异值剔除与降噪处理[A];第七届全国信息获取与处理学术会议论文集[C];2009年

中国硕士学位论文全文数据库 前10条

1 李葵;基于二次SVD和VPMCD的滚动轴承故障智能诊断方法研究[D];昆明理工大学;2015年

2 梁启帆;基于EMD和SVD的滚动轴承故障诊断研究[D];燕山大学;2016年

3 王永康;震源类型识别的EMD研究[D];广西师范大学;2016年

4 张爱平;结构奇异值μ综合方法的应用研究[D];华北电力大学（河北）;2004年

5 冯富强;基于奇异值滤波的医学CT图像噪声和伪影去除研究[D];南京邮电大学;2013年

6 傅冬颖;一类反奇异值问题的数值求解[D];浙江大学;2010年

7 王倩;基于奇异值识别的多模式过程PCA监控[D];北京化工大学;2012年

8 胡万宝;人脸识别中的特征分析[D];北京化工大学;2012年

9 耿宇斌;基于Morlet小波与SVD的旋转机械故障特征提取算法研究[D];华南理工大学;2015年

10 谭曼琼;奇异值分解算法逻辑设计的资源优化问题研究[D];湖南大学;2011年

  本文关键词：震源类型识别的EMD研究，，由笔耕文化传播整理发布。

本文编号：288105