CN107037486B - 地球天然脉冲电磁场数据处理的时频谱分析方法及系统 - Google Patents
地球天然脉冲电磁场数据处理的时频谱分析方法及系统 Download PDFInfo
- Publication number
- CN107037486B CN107037486B CN201710206470.7A CN201710206470A CN107037486B CN 107037486 B CN107037486 B CN 107037486B CN 201710206470 A CN201710206470 A CN 201710206470A CN 107037486 B CN107037486 B CN 107037486B
- Authority
- CN
- China
- Prior art keywords
- frequency
- electromagnetic field
- time
- earth
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000005672 electromagnetic field Effects 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000010183 spectrum analysis Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 230000001360 synchronised effect Effects 0.000 claims abstract description 12
- 238000001228 spectrum Methods 0.000 claims abstract description 6
- 230000006835 compression Effects 0.000 claims description 39
- 238000007906 compression Methods 0.000 claims description 39
- 238000009826 distribution Methods 0.000 claims description 18
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims 5
- 230000008707 rearrangement Effects 0.000 claims 4
- 238000012512 characterization method Methods 0.000 claims 3
- 238000010586 diagram Methods 0.000 claims 1
- 239000002243 precursor Substances 0.000 abstract description 3
- 230000009467 reduction Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 7
- 239000004615 ingredient Substances 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Electromagnetism (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供的地球天然脉冲电磁场数据处理的时频谱分析方法及系统，在于针对地质灾害前的地球天然脉冲电磁场(ENPEMF)信号进行时频分析，利用改进后的基于非线性匹配算法(NMP)重构ENPEMF信号，达到降噪的特点，再结合同步压缩小波变换(SST)，得到地ENPEMF数据的时频特性，根据时频谱分析地球天然脉冲电磁场数据的变化特点对于预测地震的影响。本发明采用NMP‑SST时频分析方法研究数据，从方法上解决了地球天然脉冲电磁场信号数据的分析问题，为从算法分析角度出发研究地震前兆信息提供了必备的理论基础；该算法也可应用于其他非平稳信号领域的多项研究，有较好的市场应用前景。
Description
技术领域
本发明涉及非平稳数据的时频分析处理领域，具体涉及一种地球天然脉冲电磁场数据处理的时频谱分析方法及系统。
背景技术
地震给人类的生活带来了巨大的灾难，据统计，全球的自然灾害之中，地震造成的死亡人数占全部自然灾害死亡人数的54％，堪称自然灾害之最。如何预测地震一直以来都是一个热门敏感的话题。然而，因地震预测有着地球内部的“不可入性”、大地震的“非频发性”、“地震物理过程的复杂性”三大困难，地震预测成为了公认的世界性难题。鉴于目前地震前兆预测研究领域没有一个精确的手段能够预测地震的发生，因此很有必要去寻找一种能有效分析并处理地震前兆的地球天然脉冲电磁场数据的系统和方法，有助于推进地震预测，对于人类生命安全和社会财产安全的具有很大的意义。
发明内容
为了解决现有技术的不足，本发明提供了用于地球天然脉冲电磁场数据处理的时频谱分析方法及系统，可获取较为明显的震前时频能量谱的分布异常，从而进行有效的基于地球天然脉冲电磁场分析的孕震信息时频特点研究。
本发明为了解决其技术问题所采用的技术方案是：一种用于地球天然脉冲电磁场数据处理的时频谱分析方法，至少包括以下步骤：
(1)采集地球天然脉冲电磁场数据；
(2)对采集的原始地球天然脉冲电磁场数据进行平滑压缩预处理；
(3)针对步骤2中平滑压缩后的地球天然脉冲电磁场数据，采用基于非线性匹配追踪算法进行处理，得到原数据的分解及重构集；
(4)针对步骤3中处理得到的重构信号，采用同步压缩小波SST算法进行扫频处理；
(5)对步骤4中处理后的数据，进行时频分析汇总，得出原数据的时间-频率联合分布图,根据时间-频率联合分布图分析地球天然脉冲电磁场数据的变化特点对于预测地震的影响。
以上所述步骤(2)所述平滑压缩预处理采用平方平均算法。
以上所述步骤(3)所述针对步骤2中平滑压缩后的地球天然脉冲电磁场数据，采用基于非线性匹配追踪NMP算法进行处理，得到原数据的分解及重构集，具体包括将压缩后的地球天然脉冲电磁场数据输入NMP程序，判断地球天然脉冲电磁场数据的信号表现形式，设置初值和残差，构造一个完备的基于傅里叶基张成的线性空间，通过字典分量正交性判断准则，寻找地球天然脉冲电磁场数据的最稀疏分解和重构集。
以上所述步骤(4)所述针对步骤3中处理得到的重构信号，采用同步压缩小波SST算法进行扫频处理，具体过程为：NMP输出的重构数据进行连续小波变换，其母小波可以根据信号的特点灵活选择，计算连续小波变换后的每个小波系数对应的瞬时频率，并将其作为频率重排规则，将该重排规则下，将时间-尺度平面的各成分进行重排，进而转化为相应的时间-频率平面，完成时间-频率-幅度的时频图谱刻画，进而将地球天然脉冲电磁场的时域数据转换成对应的时-频-能量谱分析。
本发明提供的一种用于地球天然脉冲电磁场数据处理的时频谱分析系统，至少包括：
数据采集模块，用于采集地球天然脉冲电磁场数据；
压缩模块，用于对采集的原始地球天然脉冲电磁场数据进行平滑压缩预处理；
第一运算模块，用于对平滑压缩后的地球天然脉冲电磁场数据进行处理，得到原数据的分解及重构集；
第二运算模块，用于对重构信号进行扫频处理；
第三运算模块，用于对第二运算模块处理后的数据进行时频分析汇总，得出原数据的时间-频率联合分布图。
以上所述压缩模块，用于对采集的原始地球天然脉冲电磁场数据进行平滑压缩预处理，所述平滑压缩预处理采用平方平均算法。
以上所述第一运算模块针对压缩模块中平滑压缩后的地球天然脉冲电磁场数据，采用基于非线性匹配追踪NMP算法进行处理，得到原数据的分解及重构集，具体包括将压缩后的地球天然脉冲电磁场数据输入NMP程序，判断地球天然脉冲电磁场数据的信号表现形式，设置初值和残差，构造一个完备的基于傅里叶基张成的线性空间，通过字典分量正交性判断准则，寻找地球天然脉冲电磁场数据的最稀疏分解和重构集。
以上所述第二运算模块针对第一运算模块中处理得到的重构信号，采用同步压缩小波SST算法进行扫频处理，具体过程为：NMP输出的重构数据进行连续小波变换，其母小波可以根据信号的特点灵活选择，计算连续小波变换后的每个小波系数对应的瞬时频率，并将其作为频率重排规则，将该重排规则下，将时间-尺度平面的各成分进行重排，进而转化为相应的时间-频率平面，完成时间-频率-幅度的时频图谱刻画，进而将地球天然脉冲电磁场的时域数据转换成对应的时-频-能量谱分析。
本发明的实施例提供的技术方案带来的有益效果是：本发明利用改进后的基于非线性匹配算法(NMP)重构地球天然脉冲电磁场(ENPEMF)数据信号，达到降噪的特点，再结合同步压缩小波变换(SST)，得到ENPEMF数据的时频特性，消除背景噪声的干扰，提高ENPEMF信号的时频聚集特性，得到良好的地球天然脉冲电磁场时间-频率能量分布图，可以获取较为明显的震前时频能量谱的分布异常，得出基于地球天然脉冲电磁场分析孕震信息的有效性，对地震前兆研究以及非平稳信号的研究有积极的意义。该方法不仅在时频聚集特性方面有不错的效果，在抑制背景噪声和其他高斯白噪声源方面也有较明显的作用。
附图说明
图1是本发明的地球天然脉冲电磁场数据处理的时频谱分析方法的流程图。
图2是本发明的地球天然脉冲电磁场数据处理的时频谱分析系统的模块图。
图3为仿真验证(1)基于EMD的HHT方法时频分析图。
图4为仿真验证(1)基于EEMD的HHT方法时频分析图。
图5为仿真验证(1)基于STFT方法的时频分析图。
图6为仿真验证(1)基于WVD方法的时频分析图。
图7为仿真验证(1)基于ST方法的时频分析图。
图8为仿真验证(1)基于SST方法的时频分析图。
图9为仿真验证(1)基于NMP-SST方法的时频分析图。
图10为仿真验证(2)基于EMD的HHT方法时频分析图。
图11为仿真验证(2)基于EEMD的HHT方法时频分析图。
图12为仿真验证(2)基于STFT方法的时频分析图。
图13为仿真验证(2)基于WVD方法的时频分析图。
图14为仿真验证(2)基于ST方法的时频分析图。
图15为仿真验证(2)基于SST方法的时频分析图。
图16为仿真验证(2)基于NMP-SST方法的时频分析图。
图17本发明实施例419CN3AH的时域波形图。
图18本发明实施例应用NMP-SST方法分析419CN3AH信号的时间-频率联合分布图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。
本发明的实施例提供了一种用于地球天然脉冲电磁场数据处理的时频谱分析方法及系统，可以较好的降低含噪信号在扫频时产生的虚假分量，对地球天然脉冲电磁场(ENPEMF)数据分析中得到良好的应用。请参阅图1,该地球天然脉冲电磁场数据处理的时频谱分析方法包括以下步骤：
步骤S110：采集地球天然脉冲电磁场数据；
步骤S120：对采集的原始地球天然脉冲电磁场数据进行平滑压缩预处理，所述平滑压缩预处理采用平方平均算法；
步骤S130：针对步骤S120中平滑压缩后的地球天然脉冲电磁场数据，采用基于非线性匹配追踪(NMP)算法进行处理，得到原数据的分解及重构集，具体包括将压缩后的地球天然脉冲电磁场数据输入NMP程序，判断地球天然脉冲电磁场数据的信号表现形式，设置初值和残差，构造一个完备的基于傅里叶基张成的线性空间，通过字典分量正交性判断准则，寻找地球天然脉冲电磁场数据的最稀疏分解和重构集；
步骤S140：针对步骤S130中处理得到的重构信号，采用同步压缩小波(SST)算法进行扫频处理，具体过程为：NMP输出的重构数据进行连续小波变换，其母小波可以根据信号的特点灵活选择，计算连续小波变换后的每个小波系数对应的瞬时频率，并将其作为频率重排规则，将该重排规则下，将时间-尺度平面的各成分进行重排，进而转化为相应的时间-频率平面，完成时间-频率-幅度的时频图谱刻画，进而将地球天然脉冲电磁场的时域数据转换成对应的时-频-能量谱分析；
步骤S150：对步骤S140中处理后的数据，进行时频分析汇总，得出原数据的时间-频率联合分布图；
步骤S160：结束。
请参阅图2，本发明提供的一种用于地球天然脉冲电磁场数据处理的时频谱分析系统，至少包括：数据采集模块100、压缩模块200、第一运算模块300、第二运算模块400、第三运算模块500。
数据采集模块100用于采集ENPEMF数据。
压缩模块200用于对采集的原始ENPEMF数据进行平滑压缩预处理。
第一运算模块300用于对平滑压缩后的地球天然脉冲电磁场数据进行处理，采用基于NMP算法进行处理，得到原数据的分解及重构集，具体包括将压缩后的地球天然脉冲电磁场数据输入NMP程序，判断地球天然脉冲电磁场数据的信号表现形式，设置初值和残差，构造一个完备的基于傅里叶基张成的线性空间，通过字典分量正交性判断准则，寻找地球天然脉冲电磁场数据的最稀疏分解和重构集。
第二运算模块400用于对重构信号采用SST算法进行扫频处理，具体过程为：NMP输出的重构数据进行连续小波变换，其母小波可以根据信号的特点灵活选择，计算连续小波变换后的每个小波系数对应的瞬时频率，并将其作为频率重排规则；将该重排规则下，将时间-尺度平面的各成分进行重排，进而转化为相应的时间-频率平面，完成时间-频率-幅度的时频图谱刻画，进而将地球天然脉冲电磁场的时域数据转换成对应的时-频-能量谱分析。
第三运算模块500用于对第二运算模块处理后的数据进行时频分析汇总，得出原数据的时间-频率联合分布图。
对本发明的效果进行仿真验证。
假定有一个2频分量的信号x(t)，x(t)＝sin(2*pi*2*t)+sin(2*pi*4*t)，有x(t)表达式可知，该信号包含2个频率，2Hz和4Hz。
下面来看给信号增加高斯白噪声后的时频分析方法比较。
仿真验证(1)：
给x(t)信号增加信噪比SNR＝-2dB的高斯白噪声，分别比较希尔伯特黄变换(HHT(EMD)、HHT(EEMD))，短时傅里叶变换(STFT)，Wigner-Ville分布(WVD)，S变换(ST)，同步压缩小波变换(SST)，和非线性匹配追踪-同步压缩小波变换(NMP-SST)。
图3为仿真验证(1)基于EMD的HHT方法时频分析图；图4为仿真验证(1)基于EEMD的HHT方法时频分析图；图5为仿真验证(1)基于STFT方法的时频分析图；图6为仿真验证(1)基于WVD方法的时频分析图；图7为仿真验证(1)基于ST方法的时频分析图；图8为仿真验证(1)基于SST方法的时频分析图；图9为仿真验证(1)基于NMP-SST方法的时频分析图。
从图3至图9中可以看出，HHT的两种方法(图3和图4所示)频率聚集度不好，低频有显示，高频混乱；STFT时频图(图5所示)模糊，分辨率低；WVD时频图(图6所示)在2个频率之间存在1条交叉项干扰，干扰频率大致为3Hz附近聚集；ST时频图(图7所示)效果最差，无法有效的显示2个频率分量；SST时频图(图8所示)效果较好，但是噪声充斥整个频率平面，两条频率线不能集中；图9的NMP-SST方法效果最佳，能够克服高斯白噪声时的干扰，准确的显示x(t)信号的两条频率分量。
通过仿真比较，在给x(t)增加-2dB高斯白噪声时，目前一些主流的时频分析方法都难以给出清晰的时间-频率联合分布图，可以发现在含噪信号的分析中，NMP-SST信号的时频特性最好，能够清晰、正确的显示加噪信号x(t)的时间-频率联合分布图。
仿真验证(2)：
给x(t)信号增加信噪比SNR＝-5dB的高斯白噪声，增加干扰信号的强度，再分别比较希尔伯特黄变换(HHT(EMD)、HHT(EEMD))，短时傅里叶变换(STFT)，Wigner-Ville分布(WVD)，S变换(ST)，同步压缩小波变换(SST)，和非线性匹配追踪-同步压缩小波变换(NMP-SST)。
图10为仿真验证(2)基于EMD的HHT方法时频分析图；图11为仿真验证(2)基于EEMD的HHT方法时频分析图；图12为仿真验证(2)基于STFT方法的时频分析图；图13为仿真验证(2)基于WVD方法的时频分析图；图14为仿真验证(2)基于ST方法的时频分析图；图15为仿真验证(2)基于SST方法的时频分析图；图16为仿真验证(2)基于NMP-SST方法的时频分析图。
从图10至图16可以看出，基于EMD和EEMD的HHT时频分析方法(图10和图11所示)的表现都不尽如意；STFT时频图(图12所示)十分模糊，难以分辨；WVD时频图(图13所示)存在交叉项干扰，且引入了大量的噪声，影响了对原始信号的频率分析；ST时频图(图14所示)频率虚化，看不清x(t)信号的2个频率分量；SST时频图(图15所示)的噪声继续增大，布满了整个时频段，也一定程度淹没了原信号；只有采用本发明的图16，原始信号先经过NMP稀疏重构后，再结合SST时频分析方法，最后得到的时频联合分布的效果最优。
通过仿真比较，再次证明，在含噪信号的分析中，NMP-SST信号的时频特性最好。
将本方法应用于ENPEMF信号的时频联合分析中，构建频率分解分量的高冗余度字典集，研究基于NMP和基于FFT的迭代算法来分解信号，降低对信号频率成分的噪声敏感度，建立信号特征函数在最大可能字典中的最稀疏表示，提高数据重构矩阵的高频丢失问题。研究适应度可靠的能量重排分配规则，构建鲁棒性能良好的时间-频率重新分配(TFR)算法，采用FM等方法调制信号，通过调制频率把通过CWT变换之后的信号映射到更精确的频率轴上，最后可以较好的得到该信号的时间-频率的联合分布情况，有助于进一步了解地震发生前ENPEMF信号的时频分布变化，为地震的前兆信号特性研究提供依据和帮助。图17为2013年4月19日第3通道AH数据类型(419CN3AH)的信号波形图，图18为应用NMP-SST方法分析419CN3AH信号的时频分布图。
本发明采用NMP-SST时频分析方法研究数据，从方法上解决了ENPEMF信号数据的分析问题，为从算法分析角度出发研究地震前兆信息提供了必备的理论基础；该算法也可应用于其他非平稳信号领域的多项研究，有较好的市场应用前景。
在不冲突的情况下，本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.地球天然脉冲电磁场数据处理的时频谱分析方法，其特征在于，包括以下步骤：
(1)采集地球天然脉冲电磁场数据；
(2)对采集的原始地球天然脉冲电磁场数据进行平滑压缩预处理；
(3)将步骤(2)中压缩后的地球天然脉冲电磁场数据输入NMP程序，判断地球天然脉冲电磁场数据的信号表现形式，设置初值和残差，构造一个基于傅里叶基张成的线性空间，通过字典分量正交性判断准则得到地球天然脉冲电磁场数据的重构信号；
(4)将步骤(3)最后得到的地球天然脉冲电磁场数据的重构信号采用同步压缩小波SST算法进行连续小波变换，计算连续小波变换后的每个小波系数对应的瞬时频率，将其作为频率重排规则，完成时间-频率-幅度的时频图谱刻画，进而得到对应的时-频-能量谱分析；
(5)对步骤4中处理后的数据，进行时频分析汇总，得出原数据的时间-频率联合分布图,根据时间-频率联合分布图分析地球天然脉冲电磁场数据的变化特点对于预测地震的影响。
2.根据权利要求1所述的方法，其特征在于，步骤(2)所述平滑压缩预处理采用平方平均算法。
3.根据权利要求1所述的方法，其特征在于，步骤(3)所述针对步骤2中平滑压缩后的地球天然脉冲电磁场数据，采用基于非线性匹配追踪NMP算法进行处理，得到原数据的分解及重构集，具体包括将压缩后的地球天然脉冲电磁场数据输入NMP程序，判断地球天然脉冲电磁场数据的信号表现形式、设置初值和残差，构造一个完备的基于傅里叶基张成的线性空间，通过字典分量正交性判断准则，寻找地球天然脉冲电磁场数据的最稀疏分解和重构集。
4.根据权利要求1所述的方法，其特征在于，步骤(4)所述针对步骤3中处理得到的重构信号，采用同步压缩小波SST算法进行扫频处理，具体过程为：NMP输出的重构数据进行连续小波变换，其母小波可以根据信号的特点灵活选择，计算连续小波变换后的每个小波系数对应的瞬时频率，并将其作为频率重排规则；将该重排规则下，将时间-尺度平面的各成分进行重排，进而转化为相应的时间-频率平面，完成时间-频率-幅度的时频图谱刻画，进而将地球天然脉冲电磁场的时域数据转换成对应的时-频-能量谱分析。
5.一种地球天然脉冲电磁场数据处理的时频谱分析系统，其特征在于，至少包括：
数据采集模块，用于采集地球天然脉冲电磁场数据；
压缩模块，用于对采集的原始地球天然脉冲电磁场数据进行平滑压缩预处理；
第一运算模块，用于将压缩模块压缩后的地球天然脉冲电磁场数据输入NMP程序，判断地球天然脉冲电磁场数据的信号表现形式，设置初值和残差，构造一个基于傅里叶基张成的线性空间，通过字典分量正交性判断准则得到地球天然脉冲电磁场数据的重构信号；
第二运算模块，用于将第一运算模块最后得到的地球天然脉冲电磁场数据的重构信号采用同步压缩小波SST算法进行连续小波变换，计算连续小波变换后的每个小波系数对应的瞬时频率，将其作为频率重排规则，完成时间-频率-幅度的时频图谱刻画，进而得到对应的时-频-能量谱分析；
第三运算模块，用于对第二运算模块处理后的数据进行时频分析汇总，得出原数据的时间-频率联合分布图。
6.根据权利要求5所述的系统，其特征在于，所述压缩模块用于对采集的原始地球天然脉冲电磁场数据进行平滑压缩预处理，所述平滑压缩预处理采用平方平均算法。
7.根据权利要求5所述的系统，其特征在于，所述第一运算模块针对压缩模块中平滑压缩后的地球天然脉冲电磁场数据，采用基于非线性匹配追踪NMP算法进行处理，得到原数据的分解及重构集，具体包括将压缩后的地球天然脉冲电磁场数据输入NMP程序，判断地球天然脉冲电磁场数据的信号表现形式，设置初值和残差，构造一个完备的基于傅里叶基张成的线性空间，通过字典分量正交性判断准则，寻找地球天然脉冲电磁场数据的最稀疏分解和重构集。
8.根据权利要求5所述的系统，其特征在于，所述第二运算模块针对第一运算模块中处理得到的重构信号，采用同步压缩小波SST算法进行扫频处理，具体过程为：NMP输出的重构数据进行连续小波变换，其母小波可以根据信号的特点灵活选择，计算连续小波变换后的每个小波系数对应的瞬时频率，并将其作为频率重排规则，将该重排规则下，将时间-尺度平面的各成分进行重排，进而转化为相应的时间-频率平面，完成时间-频率-幅度的时频图谱刻画，进而将地球天然脉冲电磁场的时域数据转换成对应的时-频-能量谱分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710206470.7A CN107037486B (zh) | 2017-03-31 | 2017-03-31 | 地球天然脉冲电磁场数据处理的时频谱分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710206470.7A CN107037486B (zh) | 2017-03-31 | 2017-03-31 | 地球天然脉冲电磁场数据处理的时频谱分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107037486A CN107037486A (zh) | 2017-08-11 |
| CN107037486B true CN107037486B (zh) | 2019-01-08 |
Family
ID=59534198
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710206470.7A Expired - Fee Related CN107037486B (zh) | 2017-03-31 | 2017-03-31 | 地球天然脉冲电磁场数据处理的时频谱分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107037486B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107766289B (zh) * | 2017-10-12 | 2019-11-15 | 中国地质大学（武汉） | 用于enpemf信号的amw-sst时频分析方法 |
| CN107895141B (zh) * | 2017-10-23 | 2020-02-14 | 中国地质大学（武汉） | 一种用于含噪enpemf信号的镜像累加nnmp-sst时频分析方法 |
| CN107831549A (zh) * | 2017-11-20 | 2018-03-23 | 中国地质大学（武汉） | 一种enpemf信号的nmp倒谱sst时频方法 |
| CN109740453B (zh) * | 2018-12-19 | 2022-03-29 | 吉林大学 | 一种基于小波变换的卫星磁场数据地震前兆异常提取方法 |
| CN109858164A (zh) * | 2019-02-08 | 2019-06-07 | 中国矿业大学(北京) | 一种基于电磁场单位脉冲响应函数计算天然电磁场的方法 |
| CN111289795B (zh) * | 2020-02-12 | 2021-10-08 | 成都理工大学 | 高精度高阶时间重排同步挤压变换时频分析方法 |
| CN112665858B (zh) * | 2020-12-31 | 2022-03-15 | 中国地质大学（武汉） | 一种用于对轴承故障信号进行nsst时频分析的方法 |
| CN112834993B (zh) * | 2020-12-31 | 2023-06-30 | 中国地质大学（武汉） | 用于ipix雷达信号目标检测的lmsct时频分析方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7640110B2 (en) * | 2007-04-27 | 2009-12-29 | Schlumberger Technology Corporation | Pixel based inversion method for surface electromagnetic measurement |
| CN104391336B (zh) * | 2014-12-16 | 2017-02-22 | 中国地质大学（武汉） | 用于地球天然脉冲电磁场数据处理的时频谱分析方法 |
| CN104391337B (zh) * | 2014-12-22 | 2016-02-10 | 中国地质大学（武汉） | 用于接收地球天然脉冲电磁场信号的监测仪器 |
| CN204269843U (zh) * | 2014-12-22 | 2015-04-15 | 中国地质大学（武汉） | 一种用于接收地球天然脉冲电磁场信号的监测仪器 |
| CN104950335B (zh) * | 2015-04-28 | 2017-05-31 | 中国地质大学（武汉） | Enpemf信号归一化stft‑wvd时频分析方法 |
| CN104991276B (zh) * | 2015-06-29 | 2017-12-19 | 中国地质大学（武汉） | 一种用于地球天然脉冲电磁场信号的程控增益放大系统 |
-
2017
- 2017-03-31 CN CN201710206470.7A patent/CN107037486B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN107037486A (zh) | 2017-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107037486B (zh) | 地球天然脉冲电磁场数据处理的时频谱分析方法及系统 | |
| CN106845010B (zh) | 基于改进SVD降噪和Prony的低频振荡主导模式辨识方法 | |
| Hu et al. | Denoising and baseline drift removal method of MEMS hydrophone signal based on VMD and wavelet threshold processing | |
| CN107817527B (zh) | 基于块稀疏压缩感知的沙漠地震勘探随机噪声压制方法 | |
| CN107991706B (zh) | 基于小波包多重阈值和改进经验模态分解的煤层水力压裂微震信号联合降噪方法 | |
| CN107608935B (zh) | 基于时间重排压缩变换的冲击类信号时频分析与重构方法 | |
| CN109904878B (zh) | 一种多风电场发电时序模拟场景构建方法 | |
| CN105353408B (zh) | 一种基于匹配追踪的Wigner高阶谱地震信号谱分解方法 | |
| Yao et al. | An adaptive seismic signal denoising method based on variational mode decomposition | |
| CN108875706A (zh) | 基于滑动平均与能量归集的海洋结构时频分析方法 | |
| CN104807534A (zh) | 基于在线振动数据的设备固有振动模式自学习识别方法 | |
| CN107436450A (zh) | 一种基于连续小波变换的地震信号带宽拓展方法 | |
| US20240088657A1 (en) | Fractional domain noise reduction method for power signal | |
| CN105137181A (zh) | 基于Nuttall-Kaiser组合窗双谱线插值的谐波分析方法 | |
| CN105044794A (zh) | 一种核磁共振回波数据的压缩方法及装置 | |
| CN113887360A (zh) | 一种基于迭代扩展频散模态分解的频散波提取方法 | |
| CN104730576A (zh) | 基于Curvelet变换的地震信号去噪方法 | |
| CN117111155A (zh) | 一种基于集成框架的微地震数据去噪方法 | |
| Chen et al. | A novel generative adversarial network for the removal of noise and baseline drift in seismic signals | |
| CN102332268A (zh) | 基于自适应冗余字典的语音信号稀疏表示方法 | |
| Zhang et al. | A denoising method of mine microseismic signal based on NAEEMD and frequency-constrained SVD | |
| Deng et al. | Signal periodic decomposition with conjugate subspaces | |
| CN106483555B (zh) | Enpemf数据的格林函数-spwvd时频分析方法 | |
| CN102721870B (zh) | 基于svd数字滤波器的电力系统谐波分析方法 | |
| CN109558857B (zh) | 一种混沌信号降噪方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190108 Termination date: 20200331 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |