基于收缩多道奇异谱分析的含噪地震信号重建

基于矩阵秩减理论的联合去噪与重建方法已被广泛应用于勘探地震和天然地震的波形数据重建。经典的多道奇异谱分析(MSSA)方法在对频域切片分量数据投影的块Hankel矩阵降秩过程中采用了常规截断奇异值分解,其固有理论缺陷及不适当的秩选参数均容易在迭代插值过程中引入含有残余噪声的次优解,本文在此基础上提出了一种收缩多道奇异谱分析(SMSSA)方法,通过引入在大维渐近矩阵框架下最小化核范数损失函数的优化奇异值收缩方法对原始数据奇异值进行收缩约束,以低秩逼近有效波信号,并将其嵌入凸集投影(POCS)加权迭代框架中以对含噪缺道地震数据进行联合去噪与规则化重建。合成模型和实际资料处理结果表明,本文所提SMSSA方法优于传统的MSSA方法、正交秩-1矩阵追踪(OR1MP)方法和格拉斯曼流形重建(Grouse)方法,能够在重建数据同时有效压制干扰噪声,重建结果信噪比更高,具有较好的适用性和稳定性。

基于小波分解与同步挤压变换的西昌小庙台形变典型干扰的时频响应特征研究

为高精度识别定点潮汐形变观测中干扰信号的时频响应特征,提出一种基于小波分解和同步挤压变换的形变干扰数据分频时频分析方法。首先,选用合适的小波基和分解层数对原始数据做多尺度分解和重构,提取出目标异常干扰分量信号;其次,基于分频策略采用高频分辨率较好的同步挤压广义S变换处理高频干扰分量,采用低频分辨率较好的同步挤压小波变换处理中低频干扰分量,同步挤压变换可以在传统方法结果基础上进一步“挤压”瞬时频带,获得更高精度的时频谱结果。利用该方法处理分析2016—2020年西昌小庙台形变观测中受调零标定、人为进洞、道路施工交通、抽水、降雨、地震波等因素影响的典型干扰数据,得到各类形变观测手段在不同干扰因素下的时频响应特征,为准确识别干扰及异常特征提供时频谱特征方面的参考。