基于EMD的IMF时域统计特征提取及其应用于震动事件源类型识别研究

摘要

文章对地震波形进行经验模态分解(EMD),对分解后的内模函数(IMF)进行时域特征提取,由所提取的特征对天然地震和人工爆炸2类事件源类型进行分类识别,结果表明,由IMF所提取的时域特征具有良好的区分识别能力。采用经验模态分解将原波形信号分解为7个内模函数和残差函数,对原波形、每个内模函数和残差函数分别提取26个时域统计特征,组成9个特征组(命名为Q_(0),Q_(1),…,Q_(8));再计算7个内模函数的幅度能量比得到7个能量比特征,再和选择前4个内模函数的26个时域统计特征中的8个特征共32个特征组成一个有39个特征的特征组(命名为Q_(9))。对这10组特征样本集进行单组、多组的特征组合事件类型识别实验,采用对称KL距离(Kullback-Leibler divergence)、以事件为识别单元进行分类识别;每次识别实验,随机选取部分(30%,50%,70%,或90%)事件的所有观测台站的3分量的所有波形相应特征组的特征同时作为训练样本和测试样本集,多次反复进行实验,结果表明第2个内模函数提取的时域统计特征在选择90%事件时识别效果最好,正确识别率大于90%;这说明,内模函数具有比原波形更好的事件类型区分能力,可为由波形识别事件源类提供更为有效的特征。