CN107818309A - 一种基于信噪比分析的地震动p波在线自动提取方法 - Google Patents

一种基于信噪比分析的地震动p波在线自动提取方法 Download PDF

Info

Publication number
CN107818309A
CN107818309A CN201711065062.0A CN201711065062A CN107818309A CN 107818309 A CN107818309 A CN 107818309A CN 201711065062 A CN201711065062 A CN 201711065062A CN 107818309 A CN107818309 A CN 107818309A
Authority
CN
China
Prior art keywords
threshold value
ltp
stp
noise ratio
ripples
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.)
Granted
Application number
CN201711065062.0A
Other languages
English (en)
Other versions
CN107818309B (zh
Inventor
付继华
李智涛
王旭
谭巧
王建军
吴荣辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Institute of Natural Hazards
Original Assignee
Institute of Crustal Dynamics of China Earthquake Administration
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Crustal Dynamics of China Earthquake Administration filed Critical Institute of Crustal Dynamics of China Earthquake Administration
Priority to CN201711065062.0A priority Critical patent/CN107818309B/zh
Publication of CN107818309A publication Critical patent/CN107818309A/zh
Application granted granted Critical
Publication of CN107818309B publication Critical patent/CN107818309B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

一种基于信噪比分析的地震动P波在线自动提取方法，包括步骤：(1)根据给定的地震动P波的到达时刻的信噪比的阈值gSNR，获得长短时相对功率比STP/LTP的阈值Tp，并将此Tp作为地震动P波是否到达的判据；(2)根据在线获取的连续地震动信号，计算地震动信号每个时刻的STPi/LTPi；(3)若STPi/LTPi小于Tp，表明未有地震发生，则返回步骤(2)；(4)若STPi/LTPi大于或等于Tp，表明有地震发生，则将该时刻i作为地震动P波的到达时刻。本发明针对地震P波到达前后地震动信号的变化特点，引入信噪比概念，确定P波到达的时刻，解决了大数据量、强背景噪声条件下，地震动P波在线提取的难题。

Description

一种基于信噪比分析的地震动P波在线自动提取方法
技术领域
本发明涉及一种地震动P波的在线自动提取方法，特别是一种基于信噪比分析的地震动P波在线自动提取方法，用于地震预警与烈度速报。
背景技术
快速、准确、可靠地判定地震事件对于地震预警与烈度速报而言非常重要。然而由于数据量大，并且这些数据中还存在噪声干扰，这都使得地震动P波乃至地震事件的提取存在很大困难。另外为了降低地震预警与烈度速报系统的成本，扩大地震预警与烈度速报系统覆盖的范围，一些经济型的地震动传感器，如微机械(MEMS)传感器，被应用到地震预警与烈度速报系统中。通常经济型的地震动传感器与专业的地震动传感器相比，其噪声水平相对较高。因此在大数据量和强噪声干扰条件下，如何快速、准确地实现地震动P波的自动提取是地震预警与烈度速报亟待解决的问题。Allen提出的通过构建特征函数来计算长短时比值(STA/LTA)的方法是目前地震动P波提取应用最广泛的一种算法(见：AllenR.V.Automatic earthquake recognition and timing from singletrace.Bull.Seismol.Soc.Am.,1978,68(5):1521-1532.)。其优点是计算简便，实时性强，能够适合大数据量的应用需求。但是在强噪声干扰条件下，STA/LTA的鲁棒性由阈值、长/短时窗等关键参数决定。而这些关键参数的选择没有理论公式可以直接遵循，需要反复通过识别的漏报率与虚报率进行多目标优化。Akaike提出了一种统计学的方法(AIC)，假设背景噪声与地震动信号分别是两个不同的平稳随机过程，通过平稳随机过程的状态变化判定地震事件，提取地震动P波(见：Akaike H.Markovian representation of stochasticprocesses and its application to the analysis of autoregressive movingaverage processes.Ann Inst Stat Math,1974,26:363-87.)。其优点是地震动P波的提取精度较高，能够抑制强背景噪声的干扰。但是AIC是一种基于极值计算的地震动P波方法，不适合连续数据、大数据量的应用需求。马强等提出了一套综合运用STA/LTA与AIC的多步骤地震动P波自动拾取技术(见：马强,金星,李山有等.用于地震预警的P波震相到时自动拾取.地球物理学报,2013,56(7):2313-2321.)。该方法通过STA/LTA初步获得地震动P波的位置，然后再使用AIC方法提高提取的精度。其优点是充分利用了STA/LTA与AIC方法的优点，但是STA/LTA方法自身的不足并没有由于两种方法的结合而解决。综上所述，在大数据量、强噪声干扰条件下，现有的方法或技术自动提取地震动P波都存在着一定的局限性。
发明内容
本发明的技术解决问题：克服现有技术的不足，提供一种基于信噪比分析的地震动P波在线自动提取方法，该方法可以在大数据量、强噪声干扰条件下实现地震动P波自动辨识与提取。
本发明的技术解决方案：一种基于信噪比分析的地震动P波在线自动提取方法，实现步骤如下：
(1)根据给定的地震动P波的到达时刻的信噪比的阈值gSNR，求解长短时相对功率比STP/LTP的阈值Tp，并将此Tp作为地震动P波是否到达的判据；
(2)根据在线获取的连续地震动信号，分别计算该连续地震动信号在短时间窗内和长时间窗内的平均相对功率STPi与LTPi，并且计算所述的长短时相对功率比STPi/LTPi；
(3)若STPi/LTPi小于Tp，表明未有地震发生，则返回步骤(2)；若STPi/LTPi大于或等于Tp，表明有地震发生，则将该时刻i作为地震动P波的到达时刻。
所述的步骤(1)根据信噪比的定义，建立长短时功率比STP/LTP的阈值Tp与地震动P波的到达时刻的信噪比的阈值gSNR的关系为预设的关系表，或是关系式。当阈值Tp与阈值gSNR的关系为预设的关系表时，阈值Tp根据阈值gSNR查表获得；当阈值Tp与阈值gSNR的关系为关系式时，阈值Tp根据阈值gSNR求解关系式获得。
所述步骤(1)中当阈值Tp与阈值gSNR的关系为关系式时，阈值Tp根据阈值gSNR求解关系式获得；在求解关系式时，除了根据给定的信噪比的阈值gSNR之外，还根据长、短时间窗长度L与S求解长短时相对功率比STP/LTP的阈值Tp。
所述的步骤(2)根据在线获取的连续地震动信号，分别在长、短时间窗口内计算其相对能量均值，分别得到相对功率LTPi与STPi，并计算长短时相对功率比STPi/LTPi。
本发明与现有技术相比的优点在于：
(1)本发明所提出的基于信噪比分析的地震动P波在线自动提取方法，其算法简单、实时性强，适合大数据量条件下的地震动P波在线自动提取。基于信噪比分析的地震动P波在线自动提取方法是以噪声分析为基础的，并不需要对原始的地震动信号进行基线校正或带通滤波器等预处理，能够有效地保证地震预警与烈度速报系统的实时性。
(2)本发明所提出的基于信噪比分析的地震动P波在线自动提取方法，其特征函数物理意义明确，阈值、长/短时窗等关键参数建立在严密的数学推导之上，不需要反复通过识别的漏报率与虚报率进行多目标优化。
附图说明
图1为本发明方法的实现流程图；
图2为信噪比与长短时相对功率比的关系框图；
图3为汶川地震某余震的地震动垂直分量波形图；
图4为汶川地震某余震的长短时相对功率比波形图。
具体实施方式
本发明提供的基于信噪比分析的地震动P波在线自动提取方法，实现步骤如下：
(1)根据给定的地震动P波的到达时刻的信噪比的阈值gSNR，求解长短时相对功率比STP/LTP的阈值Tp，并将此Tp作为地震动P波是否到达的判据；
(2)根据在线获取的连续地震动信号，分别计算该连续地震动信号在短时间窗内和长时间窗内的平均相对功率STPi与LTPi，并且计算所述的长短时相对功率比STPi/LTPi；
(3)若STPi/LTPi小于Tp，表明未有地震发生，则返回步骤(2)；若STPi/LTPi大于或等于Tp，表明有地震发生，则将该时刻i作为地震动P波的到达时刻。
所述的步骤(1)之前还包括：根据信噪比的定义，建立长短时功率比STP/LTP的阈值Tp与地震动P波的到达时刻的信噪比的阈值gSNR的关系为预设的关系表，或是关系式。当阈值Tp与阈值gSNR的关系为预设的关系表时，阈值Tp根据阈值gSNR查表获得；当阈值Tp与阈值gSNR的关系为关系式时，阈值Tp根据阈值gSNR求解关系式获得。
所述步骤(1)中当阈值Tp与阈值gSNR的关系为关系式时，阈值Tp根据阈值gSNR求解关系式获得；在求解关系式时，除了根据给定的信噪比的阈值gSNR之外，还根据长、短时间窗长度L与S求解长短时相对功率比STP/LTP的阈值Tp。
所述的步骤(2)根据在线获取的连续地震动信号，分别在长、短时间窗口内计算其相对能量均值，分别得到相对功率LTPi与STPi，并计算长短时相对功率比STPi/LTPi。
下面结合图1-图4以及具体的实施方式来进一步描述本发明的实施方案。
一、如图1所示，本发明所述的基于信噪比分析的地震动P波在线自动提取方法的具体实现步骤为：
1、根据给定的地震动P波的到达时刻的信噪比的阈值gSNR，求解长短时相对功率比STP/LTP的阈值Tp，并将此Tp作为地震动P波是否到达的判据：
信噪比定义为：
dSNR＝Pe/Pn (2)
式中，dSNR为信噪比；Pe为有效信号的功率；Pn为背景噪声的功率。
长短时相对功率比STP/LTP定义为：
STP/LTP＝PS/PL (3)
式中，PS为短时窗平均功率；PL为长时窗平均功率；L和S分别为长、短时窗宽度。
图2所示为地震动信号的信噪比与长短时相对功率比STP/LTP之间的关系。其中：
STP＝PS＝Pe+Pn (4)
LTP＝PL＝(Pe·S+Pn·L)/L (5)
因此长短时相对功率比STP/LTP与信噪比的关系可描述为：
由此可知，当地震动P波到达时信噪比的阈值gSNR给定时，则长短时相对功率比STP/LTP的阈值Tp为：
2、根据在线获取的连续地震动信号，分别计算该连续地震动信号在短时间窗内和长时间窗内的平均相对功率STPi与LTPi，并且计算所述的长短时相对功率比STPi/LTPi：
如图2所示，利用在线获取的连续地震动信号，对于给定的i时刻分别计算该连续地震动信号在短时间窗内和长时间窗内的平均相对功率STPi与LTPi，并且计算所述的长短时相对功率比STPi/LTPi。长短时相对功率比STPi/LTPi定义为：
式中，xj为短时窗内的地震动信号；为短时窗内地震动信号的均值；xk为长时窗内的地震动信号；为长时窗内地震动信号的均值；L和S分别为长、短时窗宽度。
3、若STPi/LTPi小于Tp，表明未有地震发生，则返回步骤(2)；若STPi/LTPi大于或等于Tp，表明有地震发生，则将该时刻i作为地震动P波的到达时刻。
二、下面以汶川地震某余震数据作为典型案例，再详细阐述本发明的实施方式如下：
1、汶川地震某余震强震台站观测的地震动垂直分量波形，如图3所示。已知此地震事件的P波到达时刻为5.002秒。
2、设给定的信噪比的阈值gSNR为5，长/短时窗宽度L和S分别为3秒和0.2秒。由公式(6)，长短时相对功率比STP/LTP的阈值Tp为4.5。
3、如图4所示，根据在线获取的连续地震动信号，计算地震动信号每个时刻的STPi/LTPi。
4、若STPi/LTPi小于Tp，则表明未有地震发生；若STPi/LTPi大于或等于Tp，则表明有地震发生。如图4所示，此地震动P波的到达时刻为5.07秒。

Claims (5)

1.一种基于信噪比分析的地震动P波在线自动提取方法，其特征在于：实现步骤如下：
(1)根据给定的地震动P波的到达时刻的信噪比的阈值gSNR，获得长短时相对功率比STP/LTP的阈值Tp，并将此Tp作为地震动P波是否到达的判据；
(2)根据在线获取的连续地震动信号，分别计算该连续地震动信号在短时间窗内和长时间窗内的平均相对功率STPi与LTPi，并且计算所述的长短时相对功率比STPi/LTPi；
(3)若STPi/LTPi小于Tp，表明未有地震发生，则返回步骤(2)；若STPi/LTPi大于或等于Tp，表明有地震发生，则将该时刻i作为地震动P波的到达时刻。
2.根据权利要求1所述的基于信噪比分析的地震动P波在线提取方法，其特征在于：所述的步骤(1)之前还包括：根据信噪比的定义，建立长短时功率比STP/LTP的阈值Tp与地震动P波的到达时刻的信噪比的阈值gSNR的关系。
3.根据权利要求1所述的基于信噪比分析的地震动P波在线提取方法，其特征在于：所述长短时功率比STP/LTP的阈值Tp与地震动P波的到达时刻的信噪比的阈值gSNR的关系为预设的关系表，或是关系式。
4.根据权利要求3所述的基于信噪比分析的地震动P波在线提取方法，其特征在于：当阈值Tp与阈值gSNR的关系为关系式时，阈值Tp根据阈值gSNR求解关系式获得；在求解关系式时，除了根据给定的信噪比的阈值gSNR之外，还根据长、短时间窗长度L与S。
5.根据权利要求1所述的基于信噪比分析的地震动P波在线提取方法，其特征在于：所述的步骤(2)根据在线获取的连续地震动信号，分别在长、短时间窗口内计算其相对能量均值，分别得到相对功率LTPi与STPi，并计算长短时相对功率比STPi/LTPi。
CN201711065062.0A 2017-11-02 2017-11-02 一种基于信噪比分析的地震动p波在线自动提取方法 Active CN107818309B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711065062.0A CN107818309B (zh) 2017-11-02 2017-11-02 一种基于信噪比分析的地震动p波在线自动提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711065062.0A CN107818309B (zh) 2017-11-02 2017-11-02 一种基于信噪比分析的地震动p波在线自动提取方法

Publications (2)

Publication Number Publication Date
CN107818309A true CN107818309A (zh) 2018-03-20
CN107818309B CN107818309B (zh) 2019-11-12

Family

ID=61604093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711065062.0A Active CN107818309B (zh) 2017-11-02 2017-11-02 一种基于信噪比分析的地震动p波在线自动提取方法

Country Status (1)

Country Link
CN (1) CN107818309B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021027026A1 (zh) * 2019-08-15 2021-02-18 东北大学 基于机器学习的地震波震动性质识别方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014215208A (ja) * 2013-04-26 2014-11-17 大成建設株式会社 地震の主要動強さの予測方法および予測システム
CN105629295A (zh) * 2015-12-29 2016-06-01 四川圣诺油气工程技术服务有限公司 一种页岩气体积压裂微地震监测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014215208A (ja) * 2013-04-26 2014-11-17 大成建設株式会社 地震の主要動強さの予測方法および予測システム
CN105629295A (zh) * 2015-12-29 2016-06-01 四川圣诺油气工程技术服务有限公司 一种页岩气体积压裂微地震监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾瑞生等: "低信噪比微震P波震相初至自动拾取方法", 《煤炭学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021027026A1 (zh) * 2019-08-15 2021-02-18 东北大学 基于机器学习的地震波震动性质识别方法

Also Published As

Publication number Publication date
CN107818309B (zh) 2019-11-12

Similar Documents

Publication Publication Date Title
CN104914468B (zh) 一种矿山微震信号p波初至时刻联合拾取方法
EP3703052B1 (en) Echo cancellation method and apparatus based on time delay estimation
Sleeman et al. Robust automatic P-phase picking: an on-line implementation in the analysis of broadband seismogram recordings
CN103854662B (zh) 基于多域联合估计的自适应语音检测方法
CN104866099B (zh) 基于运动传感器提高智能设备手势识别精度的误差补偿方法
CN111060965B (zh) 一种基于卷积神经网络的地震震相拾取及事件检测方法
CN106896407B (zh) 一种基于近似负熵的微地震信号初至拾取方法
CN104266894B (zh) 一种基于相关性分析的矿山微震信号初至波时刻提取方法
CN105116442A (zh) 岩性油气藏弱反射地震信号的重构方法
CN101561314A (zh) 随机共振-混沌微弱信号检测方法
CN106052852A (zh) 一种脉冲声信号的检测方法及装置
CN105223614A (zh) 一种基于dwt_sta/lta的含噪信号p波初至峰度拾取方法
CN110974189A (zh) 脉搏波的信号质量检测方法及装置、设备、系统
CN102546052B (zh) 一种自适应门限控制信号参数统计测量方法
CN105071830A (zh) 一种直扩信号的检测识别方法
CN107818309A (zh) 一种基于信噪比分析的地震动p波在线自动提取方法
CN103886868B (zh) 冲击声检测方法及检测系统
CN105975995B (zh) 基于模糊偏好关系的多振动信号融合方法
CN101782964A (zh) 一种基于加速度传感器的失重特征提取方法
CN109582713B (zh) 一种运动状态的识别方法、装置及终端
CN110786863B (zh) 一种基于移动设备的行人步态检测方法
CN107341519B (zh) 一种基于多分辨率分析的支持向量机识别优化方法
Sabbione et al. An automatic method for microseismic events detection based on earthquake phase pickers
CN110542927A (zh) 变窗口加权地震数据尖峰噪声压制方法
CN109945075B (zh) 一种供水管道泄漏程度检测方法及装置

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
CP01 Change in the name or title of a patent holder

Address after: 100085, Anning Road, Beijing, Haidian District, No. 1

Patentee after: National natural disaster prevention and Control Research Institute, Ministry of emergency management

Address before: 100085, Anning Road, Beijing, Haidian District, No. 1

Patentee before: THE INSTITUTE OF CRUSTAL DYNAMICS, CHINA EARTHQUAKE ADMINISTRATION

CP01 Change in the name or title of a patent holder