[发明专利]一种微地震信号时频域初至检测方法

说明书

本发明提供一种微地震信号时频域初至检测方法，利用ICEEMDAN进行数据处理时，将微地震信号作为初始数据，在分解的每一阶段添加一个特定白噪声，并计算一个唯一残差以得到每个IMF，ICEEMDAN能自适应地将一个复杂信号分解为一系列IMF分量，且IMF分量满足从高频到低频系列分布；将IMF分量作为输入，对噪声主导的模态直接去除，对其他的模态进行DFA去噪，通过间隔硬阈值去除残余噪声；将不同尺度去噪后的结果进行融合重构获得去噪后的地震记录，即为有效信号；通过高精度时频分析检测得到的有效信号的初至信息。本发明与经验模式分解结果相比，模态混叠现象有了较为明显的降低，能够提供原始信号的精确重构，具有更好的收敛性。

技术领域

本发明涉及勘探地球物理领域，特别是涉及到地震资料处理中的一种基于总体平均经验模态分解ICEEMDAN与去趋势波动分析法(DFA)联合的微地震信号检测方法。

背景技术

微地震事件信号通常能量较弱，加之传播过程中存在能量损失，这就导致地面接收的地震数据有效信号存在能量弱、信噪比低的缺点，因此提高微地震资料的信噪比是微地震数据处理和解释的首要任务。随着提高定位精度和震源机制全矩张量反演需求的增加，对去噪技术的要求也逐步提高。传统压制随机噪音的方法有很多，可分为空间域及变换域的方法，前者主要包括均值滤波、中值滤波及各向异性扩散滤波等，后者主要包括傅里叶变换域滤波方法、基于小波变换、曲波变换等的阈值去噪方法等。地面微地震资料具有强噪声、弱有效信号的特点，常规的去噪方法往往难以获得较好的去噪效果，因此研究专门针对地面微地震资料的去噪方法是十分重要的。针对经验模态分解(EMD)方法不稳定和产生模态混叠现象(Huang，1998)，总体经验模态分解(EEMD)利用高斯白噪声频谱均匀分布的统计特性，向原始信号中加入不同的白噪声，使得信号在不同尺度上具有连续性，但是该方法计算效率不高(Wu，2009)；完备总体经验模态分解方法(CEEMD)通过加入正、负成对的辅助噪声形式，能够有效消除重构信号中的残余辅助噪声，而且计算效率也能够得到提高(Yeh，2009)，但是重构时精度会有所欠缺；Torres(2011，2014)采用改进的完备总体经验模态分解方法(ICEEMDAN)能够精确重构原始信号，有效减少虚假模态和模态中的噪音，同时计算成本也有所降低。

但是，上述方法尚未能够有效去除噪声，达到精确检测微地震信号的目的。

发明内容

本发明的目的是提供一种基于ICEEMDAN与DFA联合的微地震信号时频域初至检测方法，用以有效去除噪声，以弥补现有技术的不足。

由于ICEEMDAN分解的IMF分量中含有噪音，通过消除波动趋势分析方法(DFA)分离出有效信号和噪音，从而达到消除噪音的目的。因此本发明的目的可通过如下技术措施来实现：

一种基于ICEEMDAN与DFA联合的微地震信号时频域初至检测方法，包括以下步骤：

(1)在利用ICEEMDAN进行数据处理时，将微地震信号作为初始数据，在分解的每一阶段添加一个特定白噪声，并计算一个唯一残差以得到每个IMF，ICEEMDAN能自适应地将一个复杂信号分解为一系列本征模态函数(IMF)分量，且IMF分量满足从高频到低频系列分布；

(2)将(1)处理获得的一系列本征模态函数(IMF)分量作为输入，对噪声主导的模态直接去除，对其他的模态进行DFA去噪；

(3)将去噪后的数据重构获得联合去噪后的结果：将步骤(2)中不同尺度去噪后的结果进行融合重构获得去噪后的地震记录，即为有效信号；

(4)通过高精度时频分析检测步骤(3)得到的有效信号的初至信息。

进一步的，所述步骤(1)中，ICEEDAN的步骤如下描述：