CN107818309B - 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 PDFInfo
- Publication number
- CN107818309B CN107818309B CN201711065062.0A CN201711065062A CN107818309B CN 107818309 B CN107818309 B CN 107818309B CN 201711065062 A CN201711065062 A CN 201711065062A CN 107818309 B CN107818309 B CN 107818309B
- Authority
- CN
- China
- Prior art keywords
- wave
- ltp
- stp
- earthquake motion
- earthquake
- 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.)
- Active
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
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 (1)
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 (2)
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 (3)
LTP=PL=(Pe·S+Pn·L)/L (4)
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 (1)
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;
其中,长短时相对功率比STP/LTP为:STP/LTP=PS/PL;
STP=PS=Pe+Pn,LTP=PL=(Pe·S+Pn·L)/L,Pe为地震动P波有效信号的功率;Pn为背景噪声的功率,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;
另外,dSNR=Pe/Pn,dSNR为信噪比,当地震动P波到达时信噪比的阈值gSNR给定时,
长短时相对功率比STPi/LTPi为:
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;i表示为地震动P波的时刻。
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 CN107818309A (zh) | 2018-03-20 |
CN107818309B true 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) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488351A (zh) * | 2019-08-15 | 2019-11-22 | 东北大学 | 基于机器学习的地震波震动性质识别方法 |
Citations (2)
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 |
-
2017
- 2017-11-02 CN CN201711065062.0A patent/CN107818309B/zh active Active
Patent Citations (2)
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)
Title |
---|
低信噪比微震P波震相初至自动拾取方法;贾瑞生等;《煤炭学报》;20150815;第40卷(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107818309A (zh) | 2018-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106896407B (zh) | 一种基于近似负熵的微地震信号初至拾取方法 | |
CN104914468B (zh) | 一种矿山微震信号p波初至时刻联合拾取方法 | |
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 | |
CN105472191A (zh) | 一种跟踪回声时延的方法和装置 | |
CN101494049B (zh) | 一种用于音频监控系统中的音频特征参数的提取方法 | |
CN103854662A (zh) | 基于多域联合估计的自适应语音检测方法 | |
WO2017000771A1 (zh) | 一种环噪消除系统及其应用方法 | |
CN106052852B (zh) | 一种脉冲声信号的检测方法及装置 | |
CN108597505A (zh) | 语音识别方法、装置及终端设备 | |
CN107818309B (zh) | 一种基于信噪比分析的地震动p波在线自动提取方法 | |
CN111983676A (zh) | 一种基于深度学习的地震监测方法及装置 | |
CN105785324A (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
CN110211596A (zh) | 一种基于Mel子带谱熵鲸目动物哨声信号检测方法 | |
CN110974189A (zh) | 脉搏波的信号质量检测方法及装置、设备、系统 | |
CN111601011A (zh) | 一种基于视频流图像的自动告警方法及系统 | |
CN103905656A (zh) | 残留回声的检测方法及装置 | |
Ganguly et al. | Real-time smartphone application for improving spatial awareness of hearing assistive devices | |
CN102546052A (zh) | 自适应门限控制和参数统计测量技术及实现方法 | |
CN112929141B (zh) | 一种基于图传信号匹配的无人机检测识别方法和系统 | |
CN105989834A (zh) | 语音辨识装置及语音辨识方法 | |
Hongyan et al. | Blind separation of noisy mixed speech signals based Independent Component Analysis | |
Ma et al. | Time of arrival estimation for underwater acoustic signal using multi-feature fusion | |
CN107017006B (zh) | 基于无限冲击响应滤波器的模拟亚音尾音检测方法及系统 | |
Deng et al. | STUDY OF LEAST SQUARES SUPPORT VECTOR | |
CN111864688B (zh) | 一种特高压直流控制保护系统otdr分层多级事件精准提取定位方法 |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
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 |