基于CEEMD的地震数据处理研究与应用

地震信号是复杂的非平稳、非线性信号，传统的信号分析技术多基于傅里叶变换思想，适用于处理平稳信号，在分析地震信号时往往得不到令人满意的效果。经验模态分解（EMD）是一种应用于非平稳、非线性信号的强大的信号分析技术，可以将信号自适应的分解为称作固有模态函数（IMF）的子信号，每个IMF都含有不同的频率分量。IMF经Hilbert变换后能够得到具备物理意义的瞬时属性，在地震数据处理和解释中具有很大的应用前景。本文对EMD及其改进算法进行了研究，并尝试将其应用与地震数据处理。 本文首先介绍了EMD方法的基本概念和迭代筛分过程，应用了一个简单合成信号说明了EMD分解的做法和效果。EMD面临着端点效应和模态混叠问题的困扰，严重影响了分解的准确性，破坏了IMF所蕴含的物理意义。文章随后介绍了总体经验模态分解（EEMD），EEMD是一种噪声辅助分析方法，添加的高斯白噪声通过利用EMD的二元滤波器组特性能够在一定程度上克服模态混叠问题。接着文章对EMD方法的最新变体完备总体经验模态分解（CEEMD）进行了研究，CEEMD保持了EMD的完备性，可以提供更好的模态频谱分离。本文使用了一个合成信号对CEEMD方法进行了验证，CEEMD受到的模态混叠影响最小，并能精确地重构原始信号。 接下来本文回顾了时频分析方法原理，包括短时傅里叶变换（STFT），连续小波变换（CWT）和S变换，随后文章引入了复信号分析技术Hilbert变换以及将EMD和Hilbert变换思想结合在一起的Hilbert-Huang变换（HHT）。HHT在非平稳、非线性信号的时频分析中有着优秀的表现，能够提供明显优于传统时频分析方法的时频分辨率和更加精确的频谱图像。 最后，本文将CEEMD方法应用到地震数据处理中。通过合成数据和实际地震数据的验证，基于CEEMD的瞬时频谱有着更高的时频分辨率，可以细致的刻画不同的频率成分。然后CEEMD在涌浪噪声压制中也有着良好的表现，将其应用于实际数据的分析结果表明，基于CEEMD的时域去噪方法可以有效的滤除涌浪噪声，并能较好的保持有效信号。在f-x域使用CEEMD滤除随机噪声得到了令人满意的结果，较f-x反褶积更好的压制了噪声并且没有明显的信号损失。