芦山强震记录中的奇异波形研究

本文选取芦山地震中的强震记录,在对其进行地震事件的校核、转换数据格式、零线校正,形成标准格式的未校正加速度数据并绘制波形图后,研究发现加速度记录中存在具有规律的噪声、尖刺、断尾、明显的基线平移现象,并初步分析了其产生的原因,给出了合理的处理方法,研究了校正前后对于傅里叶幅值谱和反应谱的影响。研究表明:(1)滤波的方法可以降低甚至消除强震记录中有规律的噪声;(2)通过滤波和三分量加速度PGA所在时刻的一致性可以确定记录中的"尖刺";(3)连续重复数据点的搜索方法可用于分离加速度记录数据包的拼接;(4)通过加速度记录各时间点数据的累加可以确定时程中出现明显基线平移的时刻;(5)奇异波形的出现直接影响到时程、频谱及反应谱的特性。

基于微震监测技术在深井矿山地震波形的识别

对冬瓜山铜矿微震监测系统检测到的地震波形和奇异波形进行了研究和识别,分析了地震波和奇异波形的特征,对提高地震检测数据的处理速度和质量起到了关键作用,为后续的地震学分析提供了保证。

强震动记录数据质量初探

强震动记录对于中国的震害防御、地震应急等防震减灾事业意义重大,观测数据质量日益受到重视。文中给出强震动记录质量相关概念的初步定义,包括强震动记录和记录过程的质量,总结了强震动记录中存在的不完整波形、奇异波形(非对称、加速度基线明显偏移和尖刺等)、信噪比过低现象等,并提出提高强震动记录质量的8项措施,以保证记录的完整性、一致性、准确性和时效性。

基于时域特征的房颤识别方法

针对便携式心电采集设备采集的手部心电信号质量较差、阵发性房颤识别困难问题,提出一种房颤自动识别方法,利用信息熵和连续小波变换(CWT,continuous wavelet transform)筛选奇异波形,准确识别心电信号中的R波,并利用R波信息提取心电信号的时域特征,利用BP神经网络构建阵发性房颤识别模型.在PCinCC2017和AFDB数据集上的实验表明,本文方法的房颤识别的灵敏度和特异性分别高于96%和98%,对失常10秒左右的短时阵发房颤的识别灵敏度和特异性均高于94%,可以应用于家庭便携式房颤监测.

基于遗传算法的重力固体潮信号独立元分析与地震前兆信息提取

在对重力固体潮信号的分析中,应用了一种将固体潮信号所含有的各谐波信息分解到3个正交分量上的三维正交分解模型;为了更好地提取各个分量谐波信号,克服传统独立分量分析(ICA)收敛速度慢、局部搜索等缺陷,使用了传统ICA与实数遗传算法(GA)相结合的方法,经验证此方法可行有效;实验中对实测信号与理论信号相结合的信号进行了谐波提取,并对提取出的谐波信号进行分析,捕捉地震前兆信息;分析发现地震前某不定时刻点,在长周期波中波形出现一定程度的奇异,充分反映了震前能量积蓄的变化.因其与地震发生时间之间的不确定性,所以还不能将其作为地震的预测方法.