本文關(guān)鍵詞：震源類型識別的EMD研究，由筆耕文化傳播整理發(fā)布。

【摘要】：經(jīng)驗?zāi)B(tài)分解(EMD)方法對處理非平穩(wěn)、非線性信號具有明顯的優(yōu)勢。與傳統(tǒng)的信號處理方法對信號進行全局性分析不同,該方法在描述信號的局部特征方面具有更加明顯的優(yōu)勢,能更真實的反映不同時間和不同頻率尺度上信號成分組成的能量分布規(guī)律。本文首先采用一種基于EMD的小波閾值去噪的方法對地震信號去噪,噪聲信號一般包含在信號高頻成分中,地震信號經(jīng)EMD分解后對信號頻率較高的前三個內(nèi)模函數(shù)(IMF)分量進行小波閾值去噪[1],然后將所有IMF分量進行疊加構(gòu)成去噪后信號。通過與普通小波閾值去噪方法比,基于EMD的小波去噪方法具有更大的信噪比,去噪效果更好。本文重點研究了地震信號的內(nèi)模函數(shù)能量比和奇異值熵的特征提取。地震和爆炸的震源力學(xué)機制不同：地震是剪切源,爆炸是膨脹源[2],這兩種震動波形的各個內(nèi)模函數(shù)分量所包含的能量信息應(yīng)該存在明顯差異,通過計算各個IMF分量能量占波形信號總能量的比值,這個比值特征應(yīng)該能夠明確區(qū)分這兩類不同的事件震源類型。奇異值是矩陣的固有屬性,矩陣元素變化較小時,奇異值變化較小；不同IMF分量包含波形信號不同頻率成分,各IMF奇異值反映了信號在不同頻段的分布情況,熵值反映了這種分布的均勻程度,奇異值分布越均勻,熵值越大,反之越小。本文對天然地震和人工爆炸地震動波形提取這兩種特征,對首都圈35個地震和27個爆炸事件進行特征提取并采用支持向量機(SVM)進行了識別實驗,結(jié)果發(fā)現(xiàn)：內(nèi)模函數(shù)能量比和奇異值熵特征能顯著區(qū)分天然地震和人工爆炸波形事件,且內(nèi)模函數(shù)能量比特征識別效果更好。最后基于內(nèi)模函數(shù)能量比特征構(gòu)造新的二次特征并采用“明燈一號”爆炸事件以及另外的62個天然地震事件進行特征提取和識別實驗,識別效果都很好。本文認為：內(nèi)模函數(shù)能量比特征和奇異值熵特征可以作為識別天然地震和人工爆炸事件的重要備選特征。
【關(guān)鍵詞】：經(jīng)驗?zāi)B(tài)分解(EMD) 內(nèi)模函數(shù)(IMF) 小波閾值去噪 IMF能量比 奇異值熵
【學(xué)位授予單位】：廣西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：P315.33
【目錄】：

• 摘要3-4
• Abstract4-7
• 第1章 緒論7-11
• 1.1 模式識別的基本概念7
• 1.2 地震波形震源類別模式識別研究背景7-8
• 1.3 天然地震和人工爆炸的識別方法8-9
• 1.4 震源類型識別國內(nèi)外研究現(xiàn)狀9-10
• 1.5 論文組織結(jié)構(gòu)10-11
• 第2章 震源波形信號原始數(shù)據(jù)選取與預(yù)處理11-22
• 2.1 實驗原始波形數(shù)據(jù)來源11-13
• 2.2 天然地震和人工爆炸波形信號去噪13
• 2.3 小波變換去噪13-21
• 2.3.1 連續(xù)小波變換13-14
• 2.3.2 小波閾值去噪14-15
• 2.3.3 經(jīng)驗?zāi)B(tài)分解方法15-16
• 2.3.4 基于EMD的小波閡值去噪16-21
• 2.4 本章小結(jié)21-22
• 第3章 固模函數(shù)分量選取以及譜分析22-30
• 3.1 用相關(guān)系數(shù)選取IMF分量23-24
• 3.2 震源信號的IMF頻譜分析24-29
• 3.2.1 希爾伯特變換24-25
• 3.2.2 希爾伯特(Hilbert)譜分析25-29
• 3.3 本章小結(jié)29-30
• 第4章 震源類型識別特征提取方法研究30-34
• 4.1 地震波形數(shù)據(jù)選取以及預(yù)處理30
• 4.2 震源類型識別特征研究30-33
• 4.2.1 能量比特征研究31-32
• 4.2.2 奇異值熵特征研究32-33
• 4.3 本章小結(jié)33-34
• 第5章 支持向量機識別34-47
• 5.1 支持向量機原理34-37
• 5.2 特征選擇37-39
• 5.3 SVM參數(shù)選取39-40
• 5.4 特征識別實驗40-44
• 5.5 單事件多臺站震源類型識別研究44-46
• 5.5.1 特征提取44-45
• 5.5.2 采用新數(shù)據(jù)后二次特征識別結(jié)果分析45-46
• 5.6 本章小結(jié)46-47
• 第6章 總結(jié)和展望47-49
• 6.1 論文工作總結(jié)47-48
• 6.2 課題展望48-49
• 參考文獻49-52
• 致謝52-53

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫繼廣;廣義奇異值的擾動[J];計算數(shù)學(xué);1982年02期

2 黃皓平;電磁法數(shù)據(jù)處理的奇異值分解法[J];地球物理學(xué)報;1991年05期

3 劉世和;最合理的觀測次數(shù)和奇異值的拉依達舍棄準則研究[J];湘潭大學(xué)自然科學(xué)學(xué)報;1987年03期

4 盧琳璋,孫偉偉;一個逆奇異值問題[J];高等學(xué)校計算數(shù)學(xué)學(xué)報;1999年04期

5 付玉立;李全海;;病態(tài)問題中奇異值修正法初探[J];海洋測繪;2011年02期

6 黎羅羅;包含區(qū)間邊界上的奇異值[J];中山大學(xué)學(xué)報(自然科學(xué)版);1998年02期

7 盧波;;病態(tài)問題的奇異值分解算法與比較[J];測繪信息與工程;2011年04期

8 張志涌;HANKEL矩陣的奇異值分析和系統(tǒng)結(jié)構(gòu)及實現(xiàn)的數(shù)值算法[J];控制理論與應(yīng)用;1984年02期

9 曹宗杰,孫長江,陳塑寰;奇異值攝動法及其在智能結(jié)構(gòu)振動控制中的應(yīng)用[J];吉林工業(yè)大學(xué)自然科學(xué)學(xué)報;2000年01期

10 趙聞飆,施頌椒,胡庭姝;結(jié)構(gòu)奇異值綜合的一種新設(shè)計方法[J];信息與控制;1997年01期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 田玉平;;混合攝動下計算結(jié)構(gòu)奇異值的新方法[A];1994年中國控制會議論文集[C];1994年

2 楊乾堂;周輝;李慧明;;奇異值相減消噪算法[A];全國第三屆信號和智能信息處理與應(yīng)用學(xué)術(shù)交流會�？痆C];2009年

3 張光磊;周彤;;2-D FM-I系統(tǒng)的漸近穩(wěn)定性[A];第25屆中國控制會議論文集（中冊）[C];2006年

4 王國軍;蔣美華;王俊;;載荷譜信號奇異值剔除與降噪處理[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李葵;基于二次SVD和VPMCD的滾動軸承故障智能診斷方法研究[D];昆明理工大學(xué);2015年

2 梁啟帆;基于EMD和SVD的滾動軸承故障診斷研究[D];燕山大學(xué);2016年

3 王永康;震源類型識別的EMD研究[D];廣西師范大學(xué);2016年

4 張愛平;結(jié)構(gòu)奇異值μ綜合方法的應(yīng)用研究[D];華北電力大學(xué)（河北）;2004年

5 馮富強;基于奇異值濾波的醫(yī)學(xué)CT圖像噪聲和偽影去除研究[D];南京郵電大學(xué);2013年

6 傅冬穎;一類反奇異值問題的數(shù)值求解[D];浙江大學(xué);2010年

7 王倩;基于奇異值識別的多模式過程PCA監(jiān)控[D];北京化工大學(xué);2012年

8 胡萬寶;人臉識別中的特征分析[D];北京化工大學(xué);2012年

9 耿宇斌;基于Morlet小波與SVD的旋轉(zhuǎn)機械故障特征提取算法研究[D];華南理工大學(xué);2015年

10 譚曼瓊;奇異值分解算法邏輯設(shè)計的資源優(yōu)化問題研究[D];湖南大學(xué);2011年

  本文關(guān)鍵詞：震源類型識別的EMD研究，，由筆耕文化傳播整理發(fā)布。

本文編號：288105