[发明专利]地球天然脉冲电磁场数据处理的时频谱分析方法及系统有效
申请号: | 201710206470.7 | 申请日: | 2017-03-31 |
公开(公告)号: | CN107037486B | 公开(公告)日: | 2019-01-08 |
发明(设计)人: | 郝国成;白雨晓;赵娟;杨越;王巍;刘辉 | 申请(专利权)人: | 中国地质大学(武汉) |
主分类号: | G01V3/08 | 分类号: | G01V3/08;G01V3/38 |
代理公司: | 武汉知产时代知识产权代理有限公司 42238 | 代理人: | 曹雄 |
地址: | 430074 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 地球 天然 脉冲 电磁场 数据处理 频谱 分析 方法 系统 | ||
本发明提供的地球天然脉冲电磁场数据处理的时频谱分析方法及系统,在于针对地质灾害前的地球天然脉冲电磁场(ENPEMF)信号进行时频分析,利用改进后的基于非线性匹配算法(NMP)重构ENPEMF信号,达到降噪的特点,再结合同步压缩小波变换(SST),得到地ENPEMF数据的时频特性,根据时频谱分析地球天然脉冲电磁场数据的变化特点对于预测地震的影响。本发明采用NMP‑SST时频分析方法研究数据,从方法上解决了地球天然脉冲电磁场信号数据的分析问题,为从算法分析角度出发研究地震前兆信息提供了必备的理论基础;该算法也可应用于其他非平稳信号领域的多项研究,有较好的市场应用前景。
技术领域
本发明涉及非平稳数据的时频分析处理领域,具体涉及一种地球天然脉冲电磁场数据处理的时频谱分析方法及系统。
背景技术
地震给人类的生活带来了巨大的灾难,据统计,全球的自然灾害之中,地震造成的死亡人数占全部自然灾害死亡人数的54%,堪称自然灾害之最。如何预测地震一直以来都是一个热门敏感的话题。然而,因地震预测有着地球内部的“不可入性”、大地震的“非频发性”、“地震物理过程的复杂性”三大困难,地震预测成为了公认的世界性难题。鉴于目前地震前兆预测研究领域没有一个精确的手段能够预测地震的发生,因此很有必要去寻找一种能有效分析并处理地震前兆的地球天然脉冲电磁场数据的系统和方法,有助于推进地震预测,对于人类生命安全和社会财产安全的具有很大的意义。
发明内容
为了解决现有技术的不足,本发明提供了用于地球天然脉冲电磁场数据处理的时频谱分析方法及系统,可获取较为明显的震前时频能量谱的分布异常,从而进行有效的基于地球天然脉冲电磁场分析的孕震信息时频特点研究。
本发明为了解决其技术问题所采用的技术方案是:一种用于地球天然脉冲电磁场数据处理的时频谱分析方法,至少包括以下步骤:
(1)采集地球天然脉冲电磁场数据;
(2)对采集的原始地球天然脉冲电磁场数据进行平滑压缩预处理;
(3)针对步骤2中平滑压缩后的地球天然脉冲电磁场数据,采用基于非线性匹配追踪算法进行处理,得到原数据的分解及重构集;
(4)针对步骤3中处理得到的重构信号,采用同步压缩小波SST算法进行扫频处理;
(5)对步骤4中处理后的数据,进行时频分析汇总,得出原数据的时间-频率联合分布图,根据时间-频率联合分布图分析地球天然脉冲电磁场数据的变化特点对于预测地震的影响。
以上所述步骤(2)所述平滑压缩预处理采用平方平均算法。
以上所述步骤(3)所述针对步骤2中平滑压缩后的地球天然脉冲电磁场数据,采用基于非线性匹配追踪NMP算法进行处理,得到原数据的分解及重构集,具体包括将压缩后的地球天然脉冲电磁场数据输入NMP程序,判断地球天然脉冲电磁场数据的信号表现形式,设置初值和残差,构造一个完备的基于傅里叶基张成的线性空间,通过字典分量正交性判断准则,寻找地球天然脉冲电磁场数据的最稀疏分解和重构集。
以上所述步骤(4)所述针对步骤3中处理得到的重构信号,采用同步压缩小波SST算法进行扫频处理,具体过程为:NMP输出的重构数据进行连续小波变换,其母小波可以根据信号的特点灵活选择,计算连续小波变换后的每个小波系数对应的瞬时频率,并将其作为频率重排规则,将该重排规则下,将时间-尺度平面的各成分进行重排,进而转化为相应的时间-频率平面,完成时间-频率-幅度的时频图谱刻画,进而将地球天然脉冲电磁场的时域数据转换成对应的时-频-能量谱分析。
本发明提供的一种用于地球天然脉冲电磁场数据处理的时频谱分析系统,至少包括:
数据采集模块,用于采集地球天然脉冲电磁场数据;
压缩模块,用于对采集的原始地球天然脉冲电磁场数据进行平滑压缩预处理;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国地质大学(武汉),未经中国地质大学(武汉)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710206470.7/2.html,转载请声明来源钻瓜专利网。