CN112099081A - 一种单、多脉冲地震动识别和提取方法 - Google Patents

一种单、多脉冲地震动识别和提取方法 Download PDF

Info

Publication number
CN112099081A
CN112099081A CN202010868360.9A CN202010868360A CN112099081A CN 112099081 A CN112099081 A CN 112099081A CN 202010868360 A CN202010868360 A CN 202010868360A CN 112099081 A CN112099081 A CN 112099081A
Authority
CN
China
Prior art keywords
pulse
model
seismic
earthquake motion
motion
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
CN202010868360.9A
Other languages
English (en)
Other versions
CN112099081B (zh
Inventor
刘勇
陈冠
唐小松
李典庆
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202010868360.9A priority Critical patent/CN112099081B/zh
Publication of CN112099081A publication Critical patent/CN112099081A/zh
Application granted granted Critical
Publication of CN112099081B publication Critical patent/CN112099081B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/282—Application of seismic models, synthetic seismograms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/63—Seismic attributes, e.g. amplitude, polarity, instant phase

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供一种单、多脉冲地震动识别和提取方法。包括：确定脉冲地震动的速度峰值阈值；选择脉冲模型，并对满足速度阈值的地震动，计算地震动和与不同脉冲周期下脉冲模型之间的卷积；利用卷积最大值，提取可能的脉冲地震动；计算地震动脉冲部分与记录地震动之间的能量比，并与设置的能量阈值进行对比；对满足能量比的地震动，分析地震动脉冲部分与脉冲模型之间的自相关系数，并与设置自相关系数阈值进行对比，对于满足速度阈值，能量阈值和自相关系数阈值的地震动，选择自相关系数最大的脉冲周期对应的脉冲模型作为地震动脉冲进行提取。本发明所述方法适用性强，与常见的单脉冲地震动识别研究相比，本发明可以高效的识别单、多脉冲地震动情况。

Description

一种单、多脉冲地震动识别和提取方法
技术领域
本发明属于地震学领域，具体是一种单、多脉冲地震动识别和提取方法。
背景技术
受向前方向效益(forward directivity effects)和滑移效应(fling-stepeffects)等因素的影响，记录地震动速度信号常出现持续时间长，幅值大的信号，称之为脉冲速度地震动(Pulse velocity ground motion)。该类信号不仅对理解震源信息有重要意义，且根据已有研究成果，脉冲地震动相对于普通地震动对构(建)筑物具有更大的破坏性。因此，如何从记录的地震动信号中识别和提取出脉冲地震动，对于地震学和工程地震均至关重要。
现有脉冲地震动识别方法主要集中于单脉冲信号识别，而研究表明多脉冲地震较单脉冲具有更大的破坏性，因此，多脉冲情况是脉冲地震动研究不可忽略的情况。此外，脉冲地震动的提取，对于分析脉冲地震动特征和地震灾害分析均有重要意义。
发明内容
本发明旨在解决上述现有技术中存在的问题，提供一种单、多脉冲地震动识别和提取方法。
为实现上述发明目的，本发明所采用的技术方案是：一种单、多脉冲地震动识别和提取方法，包括以下步骤：
(1)确定脉冲地震动的速度峰值阈值；
(2)选择脉冲模型，并对脉冲模型进行重采样，对满足速度峰值阈值的地震动，计算地震动和与不同脉冲周期下脉冲模型之间的卷积；
(3)利用卷积最大值，提取可能的地震动脉冲信号，其中，当卷积最大值位置为负或重采样后的脉冲模型信号长度比输入的地震动信号长度更长时，对重采样后的脉冲模型的信号长度进行更新；此外，根据地震动信号的峰值对更新后的脉冲模型进行标定，使得更新后的脉冲模型的峰值速度和输入地震动信号的峰值速度一致，此时得到的为标定后的脉冲模型；
(4)计算地震动脉冲信号与地震动信号之间的能量比，并与设置的能量阈值进行对比；
(5)对满足速度峰值阈值和能量阈值的地震动，首先，将峰值速度相同的地震动信号分为一组，然后单独分析每一组地震动脉冲信号与标定后的脉冲模型之间的自相关系数，并与设置的自相关系数阈值对比，最后，选择自相关系数最大且满足自相关系数阈值的脉冲周期对应的标定后的脉冲模型为地震动脉冲信号。
进一步的，为减少小震的影响，步骤(1)中地震动速度峰值阈值设置为30cm/s。
进一步的，步骤(2)中脉冲模型的选择，对所有的脉冲模型均适用。
进一步的，步骤(2)中脉冲模型的重采样，脉冲模型根据设置的脉冲模型的周期进行重采样，详见公式(1)，重采样后的脉冲模型的时间间隔为1/fs，
Figure BDA0002650446760000021
其中tp是重采样的脉冲模型的持时；t0是原脉冲模型的持时；Tp设置的脉冲模型的周期；T0是原脉冲模型的周期；fs是输入地震动的采样率。
进一步的，步骤(2)中脉冲模型和地震动之间的卷积计算方法，详见公式(2)，
Figure BDA0002650446760000022
其中，输入地震动Vs＝[v(1),v(2),v(3)…v(n)]，n∈Z，Z是整数；脉冲模型ω(Tp)＝[u(1),u(2),u(3)…u(mp)]，mp∈Z；卷积计算结果W的长度j满足max(1,k+1－n)≤j≤min(k,mp),(j∈Z)；n是输入地震动的长度；mp为重采样后的脉冲模型的长度；卷积结果W的长度为(mp+n－1)，时间间隔为1/fs。
进一步的，步骤(3)中地震动脉冲信号和更新的脉冲模型的获取，分别根据公式(3)和(4)计算，
Vc＝Vs(a),max(1,cmax-mp+1)≤a≤min(cmax,n),(a∈Z) (3)
ω”＝ω'(b),max(1,cmax-n+1)≤b≤min(cmax,mp),(b∈Z) (4)
其中，Vc为基于卷积结果最大值得到的地震动的脉冲信号；Vs为输入的地震动；a为输入地震动的时间序列；ω’为是重采样的脉冲模型；ω”为是更新后的脉冲模型；b为是重采样后脉冲模型的时间序列；cmax为卷积结果最大值位置；n为输入地震动信号的长度；mp为重采样脉冲模型的长度。
进一步的，步骤(3)中更新的脉冲模型的标定，详见公式(5)，
Figure BDA0002650446760000023
其中，Vc是输入地震动的脉冲信号；ω是原始脉冲模型；ω’是重采样后的脉冲模型；ω”是更新后的脉冲模型；ω”’是标定后的脉冲模型；max(abs(Vc))是Vc的最大绝对值；max(abs(ω))是原始脉冲模型的最大值。
进一步的，步骤(4)中地震动脉冲信号与地震动信号之间的能量比值的计算如公式(6)，
Figure BDA0002650446760000031
其中，Vc是输入地震动的脉冲部分；tp提取的脉冲地震动的持时；Vs是输入地震动；t输入地震动的持时。
进一步的，步骤(4)中地震动脉冲信号与地震动信号之间的能量阈值的设定，取值为0.25～0.3。
进一步的，步骤(5)中地震动脉冲信号与标定后的脉冲模型之间的自相关系数阈值，取值为0.6。
本发明方法具有以下显著效果：
1.本发明所述地震学方法基于信号卷积理论，利用速度阈值，能量比值和自相关系数阈值，可以有效识别单、多脉冲地震动；
2.本发明所述地震学方法可以提取出地震动中单、多脉冲部分；
3.本发明所述地震学方法不受脉冲模型限制，任意脉冲模型均可；
4.本发明所述地震学方法可以有效获得脉冲地震动的核心参数，如脉冲周期，脉冲速度峰值和脉冲位置等；
附图说明
图1为本发明所脉冲地震动识别和提取方法的流程图；
图2为脉冲模型，(a)选择的脉冲模型小波基‘db4’；(b)不同脉冲周期下重采样后的脉冲模型；
图3为卷积分析结果；(a)脉冲周期T为1s时的结果；(b)脉冲周期T为2s时的结果；(c)脉冲周期T为4s时的结果；(d)脉冲周期T为8s时的结果；(e)脉冲周期T为16s时的结果；(f)脉冲周期T为2.2s时的结果；
图4为识别的单脉冲地震动情况；
图5为识别的多脉冲地震动情况。
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，下面本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，避免概念混淆，本发明将地震动，脉冲地震动，地震动脉冲信号分别作如下说明：地震动指用于分析的地震动信号，由使用者自行提供；脉冲地震动指满足本发明要求的地震动信号，具体而言，地震动需满足设置的速度阈值，能量阈值和自相关系数等要求；地震动脉冲信号指脉冲地震动中的脉冲部分。
如图1所示，一种单、多脉冲地震动识别和提取方法，包括以下步骤：
(1)确定脉冲地震动的速度峰值阈值；
(2)选择脉冲模型，并对脉冲模型进行重采样，对满足速度阈值的地震动，计算地震动和与不同脉冲周期下脉冲模型之间的卷积；
步骤(2)中脉冲模型的重采样，脉冲模型根据设置的脉冲模型的周期进行重采样，详见公式(1)，重采样后的脉冲模型的时间间隔为1/fs.
Figure BDA0002650446760000041
其中tp是重采样的脉冲模型的持时；t0是原脉冲模型的持时；Tp设置的脉冲模型的周期；T0是原脉冲模型的周期；fs是输入地震动的采样率。
步骤(2)中脉冲模型和地震动之间的卷积计算方法，详见公式(2)。
Figure BDA0002650446760000042
其中，输入地震动Vs＝[v(1),v(2),v(3)…v(n)](n∈Z)；脉冲模型ω(Tp)＝[u(1),u(2),u(3)…u(mp)](mp∈Z)；卷积计算结果W的长度j满足max(1,k+1－n)≤j≤min(k,mp),(j∈Z)；n是输入地震动的长度；mp重采样后的脉冲模型的长度；卷积结果W的长度为(mp+n－1)，时间间隔为1/fs。
(3)利用卷积最大值，提取可能的地震动脉冲信号，其中，当卷积最大值位置为负或重采样后的脉冲模型信号长度比输入的地震动信号长度更长时，对重采样后的脉冲模型的信号长度进行更新；此外，根据地震动信号的峰值对更新后的脉冲模型进行标定，使得更新后的脉冲模型的峰值速度和输入地震动信号的峰值速度一致，此时得到的为标定后的脉冲模型；
步骤(3)中地震动脉冲部分和更新的脉冲模型的获取，分别根据公式(3)和(4)。
Vc＝Vs(a),max(1,cmax-mp+1)≤a≤min(cmax,n),(a∈Z) (3)
ω”＝ω'(b),max(1,cmax-n+1)≤b≤min(cmax,mp),(b∈Z) (4)
其中，Vc基于卷积结果最大值得到的地震动的脉冲部分；Vs输入的地震；a输入地震动的时间序列；ω’是重采样的脉冲模型；ω”是更新后的脉冲模型；b是重采样后脉冲模型的时间序列；cmax卷积结果最大值位置；n输入地震动信号的长度；mp重采样脉冲模型的长度。
步骤(3)中更新的脉冲模型的标定，详见公式(5)。
Figure BDA0002650446760000051
其中，Vc是输入地震动的脉冲部分；ω是原始脉冲模型；ω’是重采样后的脉冲模型；ω”是更新后的脉冲模型；ω”’是标定后的脉冲模型；max(abs(Vc))是Vc的最大绝对值；max(abs(ω))是原始脉冲模型的最大值。
(4)计算地震动脉冲部分与地震动信号之间的能量比，并与设置的能量阈值进行对比；步骤(4)中地震动脉冲部分与地震动之间的能量比值的计算，详见公式(6)。
Figure BDA0002650446760000052
其中，Vc是输入地震动的脉冲部分；tp提取的脉冲地震动的持时；Vs是输入地震动；t输入地震动的持时。
步骤(4)中地震动脉冲部分与地震动之间的能量阈值的设定，建议取值为0.25～0.3。
(5)对满足速度阈值和能量阈值的地震动，首先，将峰值速度相同的地震动信号分为一组，然后单独分析每一组地震动脉冲信号与标定后的脉冲模型之间的自相关系数，并与设置的自相关系数阈值对比，最后，选择自相关系数最大且满足自相关系数阈值的脉冲周期对应的标定后的脉冲模型为地震动脉冲信号。
步骤(5)中地震动脉冲部分与地震动之间的自相关系数阈值，建议取值为0.6。
下面以一个具体的实例来解释本发明方法。
1.设置脉冲地震动速度阈值为30cm/s；
2.选择小波基‘db4’为脉冲模型，为减少信号端部对多脉冲情况影响，将小波基两端进行截取，如图2(a)所示，并利用公式(1)，对不同脉冲周期下的脉冲模型进行重采样，如图2(b)所示；
3.利用公式(2)计算重采样的脉冲模型与地震动信号之间的卷积，并根据卷积最大值，基于公式(3)和(4)提取地震动的脉冲部分和脉冲模型，卷积分析结果如图3所示；
4.利用公式(5)标定脉冲模型，确保提取的脉冲与记录地震动之间具有一致的地震动速度峰值；
5.利用公式(6)计算地震动脉冲部分和地震动之间的能量比值，并取能量比阈值为0.25，将满足能量阈值且具有最大峰值速度的脉冲地震动分为同一组；
6.计算同一组内地震动脉冲部分和脉冲模型之间的自相关系数，并取自相关系数阈值为0.6，最终，将大于自相关系数阈值且自相关系数最大值对应的脉冲模型作为脉冲地震动。单脉冲和多脉冲地震动情况分别如图3和图4所示。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种单、多脉冲地震动识别和提取方法，其特征在于，包括以下步骤：
(1)确定脉冲地震动的速度峰值阈值；
(2)选择脉冲模型，并对脉冲模型进行重采样，对满足速度峰值阈值的地震动，计算地震动和与不同脉冲周期下脉冲模型之间的卷积；
(3)利用卷积最大值，提取可能的地震动脉冲信号，其中，当卷积最大值位置为负或重采样后的脉冲模型信号长度比输入的地震动信号长度更长时，对重采样后的脉冲模型的信号长度进行更新；此外，根据地震动信号的峰值对更新后的脉冲模型进行标定，使得更新后的脉冲模型的峰值速度和输入地震动信号的峰值速度一致，此时得到的为标定后的脉冲模型；
(4)计算地震动脉冲信号与地震动信号之间的能量比，并与设置的能量阈值进行对比；
(5)对满足速度峰值阈值和能量阈值的地震动，首先，将峰值速度相同的地震动信号分为一组，然后单独分析每一组地震动脉冲信号与标定后的脉冲模型之间的自相关系数，并与设置的自相关系数阈值对比，最后，选择自相关系数最大且满足自相关系数阈值的脉冲周期对应的标定后的脉冲模型为地震动脉冲信号。
2.根据权利要求1所述的一种单、多脉冲地震动识别和提取方法，其特征在于：为减少小震的影响，步骤(1)中地震动速度峰值阈值设置为30cm/s。
3.根据权利要求1所述的一种单、多脉冲地震动识别和提取方法，其特征在于：步骤(2)中脉冲模型的选择，对所有的脉冲模型均适用。
4.根据权利要求1所述的一种单、多脉冲地震动识别和提取方法，其特征在于：步骤(2)中脉冲模型的重采样，脉冲模型根据设置的脉冲模型的周期进行重采样，详见公式(1)，重采样后的脉冲模型的时间间隔为1/fs，
Figure FDA0002650446750000011
其中tp是重采样的脉冲模型的持时；t0是原脉冲模型的持时；Tp设置的脉冲模型的周期；T0是原脉冲模型的周期；fs是输入地震动的采样率。
5.根据权利要求4所述的一种单、多脉冲地震动识别和提取方法，其特征在于：步骤(2)中脉冲模型和地震动之间的卷积计算方法，详见公式(2)，
Figure FDA0002650446750000012
其中，输入地震动Vs＝[v(1),v(2),v(3)…v(n)]，n∈Z，Z是整数；脉冲模型ω(Tp)＝[u(1),u(2),u(3)…u(mp)]，mp∈Z；卷积计算结果W的长度j满足max(1,k+1－n)≤j≤min(k,mp),(j∈Z)；n是输入地震动的长度；mp为重采样后的脉冲模型的长度；卷积结果W的长度为(mp+n－1)，时间间隔为1/fs。
6.根据权利要求5所述的一种单、多脉冲地震动识别和提取方法，其特征在于：步骤(3)中地震动脉冲信号和更新的脉冲模型的获取，分别根据公式(3)和(4)计算，
Vc＝Vs(a),max(1,cmax-mp+1)≤a≤min(cmax,n),(a∈Z) (3)
ω”＝ω'(b),max(1,cmax-n+1)≤b≤min(cmax,mp),(b∈Z) (4)
其中，Vc为基于卷积结果最大值得到的地震动的脉冲信号；Vs为输入的地震动；a为输入地震动的时间序列；ω’为是重采样的脉冲模型；ω”为是更新后的脉冲模型；b为是重采样后脉冲模型的时间序列；cmax为卷积结果最大值位置；n为输入地震动信号的长度；mp为重采样脉冲模型的长度。
7.根据权利要求6所述的一种单、多脉冲地震动识别和提取方法，其特征在于：步骤(3)中更新的脉冲模型的标定，详见公式(5)，
Figure FDA0002650446750000021
其中，Vc是输入地震动的脉冲信号；ω是原始脉冲模型；ω’是重采样后的脉冲模型；ω”是更新后的脉冲模型；ω”’是标定后的脉冲模型；max(abs(Vc))是Vc的最大绝对值；max(abs(ω))是原始脉冲模型的最大值。
8.根据权利要求7所述的一种单、多脉冲地震动识别和提取方法，其特征在于：步骤(4)中地震动脉冲信号与地震动信号之间的能量比值的计算如公式(6)，
Figure FDA0002650446750000022
其中，Vc是输入地震动的脉冲部分；tp提取的脉冲地震动的持时；Vs是输入地震动；t输入地震动的持时。
9.根据权利要求1所述的一种单、多脉冲地震动识别和提取方法，其特征在于：步骤(4)中地震动脉冲信号与地震动信号之间的能量阈值的设定，取值为0.25～0.3。
10.根据权利要求1所述的一种单、多脉冲地震动识别和提取方法，其特征在于：步骤(5)中地震动脉冲信号与标定后的脉冲模型之间的自相关系数阈值，取值为0.6。
CN202010868360.9A 2020-08-26 2020-08-26 一种单、多脉冲地震动识别和提取方法 Active CN112099081B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010868360.9A CN112099081B (zh) 2020-08-26 2020-08-26 一种单、多脉冲地震动识别和提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010868360.9A CN112099081B (zh) 2020-08-26 2020-08-26 一种单、多脉冲地震动识别和提取方法

Publications (2)

Publication Number Publication Date
CN112099081A true CN112099081A (zh) 2020-12-18
CN112099081B CN112099081B (zh) 2021-06-04

Family

ID=73754295

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010868360.9A Active CN112099081B (zh) 2020-08-26 2020-08-26 一种单、多脉冲地震动识别和提取方法

Country Status (1)

Country Link
CN (1) CN112099081B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009155899A (ja) * 2007-12-26 2009-07-16 Mitsubishi Heavy Ind Ltd 制振装置
CN106324661A (zh) * 2016-10-27 2017-01-11 中国电建集团贵阳勘测设计研究院有限公司 一种利用天然源面波进行岩体风化分带的方法
CN108469602A (zh) * 2018-03-29 2018-08-31 东南大学 一种基于谱特征提取的脉冲信号类型自动判别方法
CN109765425A (zh) * 2019-01-09 2019-05-17 昆明理工大学 一种基于峰值间时间差和能量加权的脉冲信号频率分析方法
CN110161477A (zh) * 2019-06-12 2019-08-23 西安电子科技大学 基于多变量重采样相关函数的机动目标检测方法
CN110988834A (zh) * 2019-11-22 2020-04-10 航天恒星科技有限公司 一种基于自适应阈值双门限的脉冲到达时间测量方法
JP6715138B2 (ja) * 2016-09-12 2020-07-01 株式会社高見沢サイバネティックス 地震計

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009155899A (ja) * 2007-12-26 2009-07-16 Mitsubishi Heavy Ind Ltd 制振装置
JP6715138B2 (ja) * 2016-09-12 2020-07-01 株式会社高見沢サイバネティックス 地震計
CN106324661A (zh) * 2016-10-27 2017-01-11 中国电建集团贵阳勘测设计研究院有限公司 一种利用天然源面波进行岩体风化分带的方法
CN108469602A (zh) * 2018-03-29 2018-08-31 东南大学 一种基于谱特征提取的脉冲信号类型自动判别方法
CN109765425A (zh) * 2019-01-09 2019-05-17 昆明理工大学 一种基于峰值间时间差和能量加权的脉冲信号频率分析方法
CN110161477A (zh) * 2019-06-12 2019-08-23 西安电子科技大学 基于多变量重采样相关函数的机动目标检测方法
CN110988834A (zh) * 2019-11-22 2020-04-10 航天恒星科技有限公司 一种基于自适应阈值双门限的脉冲到达时间测量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
夏春旭等: "基于小波变换和极点对称模态分解对近断层多脉冲地震动的联合分析研究", 《防灾减灾工程学报》 *
柳春光等: "台湾集集地震近断层多脉冲地震动分类及特性研究", 《中国科技论文》 *

Also Published As

Publication number Publication date
CN112099081B (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
RU2685391C1 (ru) Способ, устройство и система для подавления шума
CN108805269B (zh) 一种基于lstm循环神经网络拾取震相到时的方法
CN110852201B (zh) 一种基于多脉冲包络谱匹配的脉冲信号检测方法
CN111723329B (zh) 一种基于全卷积神经网络的震相特征识别波形反演方法
CN101154384B (zh) 声音信号纠正方法、声音信号纠正设备以及计算机程序
Hafez et al. Clear P-wave arrival of weak events and automatic onset determination using wavelet filter banks
CN1319042C (zh) 语音分析设备和语音分析方法
CN104407328B (zh) 基于空间脉冲响应匹配的封闭空间声源定位方法及系统
CN103258533B (zh) 远距离语音识别中的模型域补偿新方法
JP2002510930A (ja) 多重非相関化法を用いた未知の混在ソースの分離
CN101901209B (zh) 基于改进emd和arma模型的结构响应分析方法
CN109188362B (zh) 一种麦克风阵列声源定位信号处理方法
CN103278801A (zh) 一种变电站噪声成像侦测装置及侦测计算方法
CN109427328A (zh) 一种基于滤波网络声学模型的多通道语音识别方法
CN106128451A (zh) 用于语音识别的方法及装置
CN102426837B (zh) 农业现场数据采集的移动设备语音识别的鲁棒性方法
Ramirez et al. A comparative between mel frequency cepstral coefficients (MFCC) and inverse mel frequency cepstral coefficients (IMFCC) features for an automatic bird species recognition system
CN105845149A (zh) 声音信号中主音高的获取方法及系统
CN106373559A (zh) 一种基于对数谱信噪比加权的鲁棒特征提取方法
CN103258537A (zh) 利用特征结合对语音情感进行识别的方法及其装置
CN102760435A (zh) 一种语音信号频域盲解卷积方法
CN113238280A (zh) 一种基于格林函数的地震监测方法
CN102768366A (zh) 基于高阶统计量的线性与非线性融合的地震子波提取方法
CN112086100A (zh) 基于量化误差熵的多层随机神经网络的城市噪音识别方法
CN112099081B (zh) 一种单、多脉冲地震动识别和提取方法

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