基于经验小波变换的地震动信号分离方法#br#

taptap下载安装安卓学报 ›› 2020, Vol. 38 ›› Issue (1): 43-48.

基于经验小波变换的地震动信号分离方法#br#

费春国^a，窦甲臣^a，王阳^a，b，姬雨初^a

（taptap下载安装安卓a.电子信息与自动化学院；b.天津市智能信号与图像处理重点实验室，天津300300）

出版日期:2020-02-29 发布日期:2020-03-10
作者简介:费春国（1974—），男，浙江慈溪人，副教授，博士，研究方向为机场节能减排设备与系统关键技术、机场设备关键技术等.
基金资助:
天津市智能信号与图像处理重点实验室开放基金项目（2017ASP-TJ02）；中央高校基本科研业务费专项（3122017005，3122016D015）

Seismic signal separation method based on EWT#br#

FEI Chunguo^a, DOU Jiachen^a, WANG Yang^a，b, JI Yuchu^a#br#

（a. College of Electric Information and Automation; b. Intelligent Signal and Image Processing Key Lab of Tianjin, CAUC, Tianjin 300300, China）

Online:2020-02-29 Published:2020-03-10

摘要/Abstract

摘要： 地面目标运动时激励的地震动信号可用于目标定位和识别。而当存在多种地面目标时，震动信号将发生混叠，不利于信号分析。经验小波算法根据信号频谱极大值点可将频谱分割为多个区间，并在各区间构造正交小波函数对信号进行变换，获得多个经验模态信号。地震动信号的频谱峰值过于密集，若单纯根据峰值分割区间则容易将同种信号分解为多个模态，造成模态数量过多，影响信号分析效果。为解决该问题，在信号频谱基础上通过多次提取包络线，减少频谱峰值；再根据地震动信号特征，提出频谱阈值分割法，增强不同频率信号的区分度。实验表明，改进EWT 算法对不同目标产生的地震动信号具有较好的分离效果。

关键词: 地震动信号, 经验小波变换, 包络谱, 信号分离

Abstract: Seismic signals generated by ground target movement can be used for target location and recognition. When there exist multiple types of ground targets, the signal aliasing phenomenon may interfere signal analysis. EWT algorithm divides the spectrum into several segments according to its maxima value, and transform the signals by constructing orthogonal wavelet functions in each segment to obtain multiple empirical mode signals. However, if the segments are merely devided according to the maxima value, dense peaks may result in too many modes. To solve this problem, spectrum envelope is extracted repeatedly to reduce the number of peaks, and then spectral threshold segmentation algorithm is proposed to enhance discrimination among different signals. Experiments show that improved EWT algorithm has better separation effect for seismic signals from different targets.

Key words: seismic signal, empirical wavelet transform, envelope spectrum, signal separation

中图分类号:

费春国, 窦甲臣, 王阳, 姬雨初. 基于经验小波变换的地震动信号分离方法#br#[J]. taptap下载安装安卓学报, 2020, 38(1): 43-48.

FEI Chunguo, DOU Jiachen, WANG Yang, JI Yuchu. Seismic signal separation method based on EWT#br#[J]. Journal of Civil Aviation University of China, 2020, 38(1): 43-48.

参考文献 16

[1]	付彬. 地面运动目标地震动信号的模拟技术研究[D]. 南京: 南京理工大学, 2004.
[2]	蓝金辉, 李虹, 周兆英. 目标地震动信号的特征提取及识别研究[J]. 振动与冲击, 2001, 20(4): 42-44.
[3]	范留明, 黄润秋, 吉随旺. 地震动信号的小波分析[J]. 物探化探计算技术, 2000, 22(1): 1-4.
[4]	李志敏, 黄文, 郝盼超. 基于小波变换的水下声信号激光探测应用[J]. 激光技术, 2016, 40(2): 157-160.
[5]	吴微, 彭华, 王彬. 小波去噪算法在含噪盲源分离中的应用[J]. 数据采集与处理,2 015, 30(6): 1286-1295.
[6]	HUANG N E, SALVINO L W. Hilbert-Huang transform and its applications[M]. Singarpore: World Scientific, 2005.
[7]	余炜, 周娅, 马晶晶, 等. 基于EMD 和LVQ 的信号特征提取及分类方法[J]. 数据采集与处理, 2014, 29(5): 683-687.
[8]	胡爱军, 孙敬敬, 向玲. 经验模态分解中的模态混叠问题[J]. 振动,测试与诊断, 2011, 31(4): 429-434.
[9]	肖瑛, 殷福亮. 解相关EMD: 消除模态混叠的新方法[J]. 振动与冲击, 2015, 34(4): 25-29.
[10]	GILLES J. Empirical wavelet transform[J]. IEEE Transactions on Signal Processing, 2013, 61(16): 3999-4010.
[11]	GILLES J, TRAN G, OSHER S. 2D empirical transforms wavelets,ridgelets and curvelets revisited[J]. SIAM Journal on Imaging Sciences,2014, 7(7): 157-186.
[12]	THIRUMALA K, UMARIKAR A C, JAIN T. Estimation of single-phase and three-phase power-quality indices using empirical wavelet transform[J]. IEEE Transactions on Power Delivery, 2015, 30(1): 445-454.
[13]	郑近德, 潘海洋, 戚晓利, 等. 基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用[J]. 电子学报, 2018, 46(2):358-364.
[14]	陈亚亚. 基于地震动的地面移动目标识别研究[D]. 天津: taptap下载安装安卓, 2017.
[15]	李雄飞, 宋璐, 张小利, 等. 基于协同经验小波变换的遥感图像融合[J]. 吉林大学学报(工学版), 2019, 49(4): 1307-1319.
[16]	赵磊. 基于道面地震动信号的飞机定位与轨迹跟踪研究[D]. 天津: taptap下载安装安卓, 2017.