天然地震与人工爆破的特征提取及识别算法研究

摘要

人工爆破波能在地球内和地表中传播,类似于天然地震波,可被事件发生地点附近的数字地震台网记录。目前用于分类识别天然地震与人工爆破的较成熟的波形特征提取方法主要是傅里叶谱分析和小波变换[1,2,3],而用较新的信号处理方法——希尔伯特-黄变换(Hilbert Huang Transform,HHT)提取地震信号波形特征,国内存在一些文献[4,5],但用于提取可用于分类识别天然地震与人工爆破的波形特征的算法文献还很缺乏。本文以HHT提取地震波形特征算法为主,小波包变换算法为辅开展研究。主要研究内容分为如下三个方面：1.信号的时频谱分析：分别对小当量天然地震和小当量人工爆破波形信号进行HHT和小波包变换。分析比较这两种信号经HHT后的时间-频率-能量的分布情况和经小波包变换后在不同尺度上的时频变化情况,以探讨可由Hilbert谱和小波包变换时频图描述的可识别天然地震与人工爆破的物理特征。2.参数化特征提取及构造特征空间：信号经HHT可生成有限数量的固有模态函数(Intrinsic Mode Function, IMF)成分,各IMF成分包含的信息相互独立的。IMF体现了信号的瞬时特征,本文提出了从单个IMF成分的Hilbert谱中提取峰值频率和平均能量两个参数化特征,并以不同IMF成分的这两特征组合来构造不同的特征空间的方法。这种方法据本文作者了解未在文献中出现过。信号进行多层的小波包变换后,最后一层的小波系数包含着信号的高低频成分信息,在此基础上分别计算对数能量熵、香农熵和能量比三个参数化特征,进而形成相应的不同特征空间[6]。3.构造模式识别系统：随机选取不同的特征样本为训练集,用选定的核函数用不同类型的支持向量机设计模式识别分类器,然后再选取与训练集不同的样本为测试集检验该分类器的分类性能。实验结果表明,对于信号HHT后提取的特征,前五个IMF成分构成的特征空间,以多项式核函数映射特征空间后再用v参数支持向量分类机(v- Support Vector Classifier,v-SVC)分类,识别效果好些；对于信号小波包变换后提取的特征中,选用对数能量熵这个参数构成的特征空间,以径向基核函数映射后再用v参数支持向量分类机(v- Support Vector Classifier,v-SVC)分类,识别效果好些。

目录

摘要

Abstract

1. 绪论

1.1 引言

1.2 研究背景与意义

1.3 天然地震与人工爆破波形的物理差异

1.4 当前研究现状

1.5 研究内容和工作

1.6 论文框架

2. 基于HHT 特征提取法

2.1 HHT 算法的基本理论

2.1.1 EMD 算法原理

2.1.2 Hilbert 谱的构成

2.2 HHT 对信号的时频分析应用

2.3 特征提取

2.4 小结

3. 基于小波包变换特征提取法

3.1 小波包变换

3.1.1 小波包函数定义

3.1.2 小波包函数的性质

3.1.3 小波包变换的空间分解

3.1.4 小波包变换

3.2 几种常用的小波

3.3 小波包变换对信号的时频分析应用

3.4 特征提取

3.5 小结

4. 支持向量机

4.1 两类分类问题

4.2 支持向量机的类型

4.2.1 线性可分支持向量机

4.2.2 线性支持向量机

4.2.3 可分支持向量机

4.2.4 非线性可分支持向量机

4.3 核函数

4.4 小结

5. 算法实验及分析

5.1 数据集的选取

5.2 归一化数据及特征向量

5.3 核函数的选取

5.4 实验结果及分析

5.4.1 基于HHT 提取特征的分类效果检验

5.4.2 基于小波包变换提取特征分类效果检验

5.5 小结

6. 总结与展望

参考文献

攻读硕士学位期间发表的论文

致谢