【技术实现步骤摘要】
本专利技术涉及地震信号检测，具体涉及一种基于高分辨率时频分析的地震信号能量统计初至检测算法。
技术介绍
1、地震信号检测在地质勘探中起着重要的作用，地震波检测原理是利用地震信号与背景噪声在幅值、频率、偏振和统计特性等特征上的差异将地震波从背景噪声中识别出来。常用的地震信号检测方法可分为在时域、频域以及时频域中进行这三类，随着深度学习的蓬勃发展，越来越多的学者将地震检测与深度学习结合起来，并取得了较好的效果。
2、其中，在时域中进行的方法主要有短时长时能量比法(sta/lta)、自回归赤池信息准则法、分形维数法与相关法等；在频域中处理的方法主要有傅里叶变换法和瞬时频率法；频域中的时频分析方法主要有短时傅里叶变换法、小波变换法、s变换等方法；深度学习方法则主要利用卷积神经网络以及u形神经网络等来进行地震波初至检测以及震相识别。
3、然而上述方法都有自己的优势和局限性：sta/lta方法用信号短时窗能量平均值和长时窗能量平均值之比随时间的动态变化来反映信号幅度(或能量)特征的变化，并以此来识别地震波初至时刻，计算简单，但对于信噪比比较低的信号则容易发生漏检，同时对于强干扰噪声的鲁棒性能较差。aic(akaike information criterion)准则首先确定ar模型的阶数，然后根据ar表示形式的变化来确定震相，与sta/lta类似，aic方法的结果也依赖于信噪比及检测区间。stft是在傅里叶变换的基础上发展而来的，可以在关注信号频率的同时兼顾到时间，但stft的实现需要引入窗函数，且窗函数一旦选定整个
技术实现思路
1、为了解决上述问题，本专利技术提供了一种基于高分辨率时频分析的地震信号能量统计初至检测算法。
2、本专利技术的核心技术思路为：本专利技术采用时频域信号能量统计法来检测地震信号，首先利用高分辨率的时频分析方法确定地震事件信号的优势频带，之后在优势频带内进行精细的窄带分频，优势频段外进行宽带分频，然后在各频带计算特定时窗内信号平均能量均值与噪声能量均值之比，统计比值大于给定阈值的时间，并将结果进行二值化处理，最后将各个频段内的二值化结果相加得到最终结果作为检测依据。由于噪声干扰信号分布于优势频段之外或者少量分布于优势频带内，而事件信号在优势频带内广泛分布，该结果将会增强地震信号的能量均值比而抑制噪声的能量均值比，因此地震信号初至点的二值化累加结果将远大于其他时刻，故可将此作为判定地震信号的依据，如果在某一阈值下出现某些时刻二值化结果相同的情况，只需继续增大阈值再利用本方法进行检测，直到最终只有一个时间点检测到频段的数量最多即可。
3、本专利技术所采用的技术方案如下：
4、基于高分辨率时频分析的地震信号能量统计初至检测算法，其特征在于，包括以下步骤：
5、步骤1：获取原始地震信号；
6、步骤2：对原始地震信号进行连续小波变换，确定地震信号的优势频段；
7、步骤3：对优势频段内的信号进行窄带分频，对非优势频段的信号进行宽带分频，分别得到相应的窄频带和宽频带；
8、步骤4：在窄频带和宽频带上进行能量均值比计算，直至遍历计算完整条地震数据，得到地震信号的时间-频带图；
9、步骤5：根据时间-频带图得到sta/lta曲线，基于给定的阈值对曲线进行二值化处理，将各频带内计算出的二值化处理结果进行求和；
10、步骤6：判断求和结果的最大值，若无最大值，则在原阈值的基础上增加10％，得到新阈值并转到步骤5，否则进入步骤7；
11、步骤7：将得到的最大值作为初至点，通过初至点进行地震检测。
12、进一步地，步骤2的具体步骤包括：
13、步骤21：对于得到的地震信号f(t)∈l2(r)，通过式(1)进行连续小波变换，得到该地震信号的小波系数；
14、
15、其中，a,b∈r,a>0，a为尺度参数；b为平移参数；wf(a,b)是信号f(t)的小波系数；是小波簇ψa,b(t)的共轭函数；
16、步骤22：根据地震信号的小波系数，通过式(2)重构地震信号f(t)：
17、
18、步骤23：根据重构的地震信号的时频图，确定地震信号的优势频段。
19、进一步地，步骤3的具体步骤包括：
20、步骤31：对于优势频段频率范围为n1～n2 hz中的信号，根据预设的分频精度确定合适的频段区间数m；
21、步骤32：采用带通滤波的方法以带宽为的一组窄带滤波器，将地震信号在n1～n2内被分解为连续的m个窄带子信号，得到相应的窄频带；
22、步骤33：对0～n1与n2～n hz频率范围内的信号进行宽带分频，得到相应的宽频带。
23、进一步地，步骤4的具体步骤包括：
24、步骤41：遍历地震数据，分别在宽频带和窄频带进行能量均值比计算：
25、
26、其中，sta与lta分别是短时窗能量与长时窗能量均值；nsta、nlta分别是短时窗和长时窗的长度；cf为特征函数，且cf(i)＝y(i)2，其中y(i)为信号幅值；
27、步骤42：将能量均值比结果作为纵坐标，宽频带或窄频带大小作为横坐标，得到地震数据的时频图。
28、进一步地，步骤5的具体步骤包括：
29、步骤51：根据地震数据的时频图，得到地震数据的sta/lta曲线；
30、步骤52：对于给定的阈值thr，对sta/lta曲线进行二值化处理，将大于阈值thr时判断为地震事件信号，其值取1；反之，若小于阈值thr时则判断为噪声，其值取0，即：
31、
32、步骤53：将计算出的二值化结果xthr(t)进行求和。
33、本专利技术的有益效果是：
34、本专利技术针对传统地震信号检测方法的缺陷，提出了一种采用高分辨率时频分析的地震信号能量统计初至检测算法，在考虑信号能量的同时，重点关注地震事件信号的优势频段。通过高分辨率时频分析准确判定事件优势频段后进行波形带通分频，有效抑制了环境的背景噪声；同时结合噪声与事件信号频率分布差异的特点，尤其是当信号淹没于噪声中时，利用本方法仍能够从高背景噪声中检测出地震信号，证明本方法具有较强的初至检测能力并且具有较好的适用性以及鲁棒性，能够在提高事件检测准确性的基础上解决高虚警问题，同时解决sta/lta方法阈值选取严苛的难题，提升了检测结果的准确度与可信度，更加有利于后续事件的识别、震源定位、震源机制和地质勘探等问题的研究与分析。
本文档来自技高网...【技术保护点】
1.基于高分辨率时频分析的地震信号能量统计初至检测算法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于高分辨率时频分析的地震信号能量统计初至检测算法，其特征在于，步骤2的具体步骤包括：
3.如权利要求2所述的基于高分辨率时频分析的地震信号能量统计初至检测算法，其特征在于，步骤3的具体步骤包括：
4.如权利要求2所述的基于高分辨率时频分析的地震信号能量统计初至检测算法，其特征在于，步骤4的具体步骤包括：
5.如权利要求4所述的基于高分辨率时频分析的地震信号能量统计初至检测算法，其特征在于，步骤5的具体步骤包括：
【技术特征摘要】
1.基于高分辨率时频分析的地震信号能量统计初至检测算法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于高分辨率时频分析的地震信号能量统计初至检测算法，其特征在于，步骤2的具体步骤包括：
3.如权利要求2所述的基于高分辨率时频分析的地震信号能量统计初至检测...
【专利技术属性】
技术研发人员：李鸿儒，李夕海，张云，谭笑枫，刘天佑，刘继昊，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。