基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法
Acta Seismologica Sinica（2023）
摘要
在地震观测中,地震数据中普遍包含有噪声信号.由于噪声信号的干扰,地震分析的效率会受到不同程度的影响.传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失.针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解(CEEMDAN)算法与Hurst指数相结合的地震数据去噪方法.首先通过CEEMDAN方法将信号分解为一系列本征模函数(IMF),然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪.与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32％,将高信噪比波形的去噪效果提高6倍.同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要