随着计算机技术以及测试仪器与系统的飞速发展,地震预警技术已然成为了近些年来有效减少地震带来的损失的重要手段。通过对纵波和横波进行初至波到时拾取,能够实现对地震预警,从而减少人员伤亡以及财产损失。本文将变分模态分解(VMD)方法引入到地震自动拾取中并对其进行改进完善,VMD结合NLMS自适应滤波算法,提升基于新特征函数的STA/LTA-AIC对不同信噪比的地震信号震相识别的精度和稳定性。论文的主要内容包括:首先,传统时频分析方法难以刻画局部特征,对非平稳的地震信号难以满足同时实现频率-时间-幅值高分辨的需求。因此将基于模态分解的时频分析方法引入到自动震相识别的研究内容中。仿真结果表明:相对于EMD及其改进算法,VMD解决了模态混叠的问题,具有严格的理论支撑,因此VMD更加适合非平稳地震信号的时频分析。VMD在Hilbert变换的时频分析中,压制调谐效应的效果明显优于EMD及其改进算法。其次,针对VMD存在端点效应,引入波形镜像延拓方法并提出基于SVR-波形镜像延拓方法。结果表明:SVR-波形镜像延拓方法比波形镜像延拓方法抑制端点效应的效果更好。针对VMD存在参数经验性预设的问题,提出基于平均幅值谱熵的GA-PSO寻优算法,搜索对应最小平均幅值谱熵的最佳参数组合。仿真结果表明:最优平均幅值谱熵与平均幅值谱熵的均值很快就收敛一致,算法稳定,模态分量与原始分量几乎一致。最后,利用改进的VMD-Hilbert方法,提出基于新特征函数的STA/LTA与AIC准则综合的分步式震相识别方法。针对低信噪比下误识的问题,提出了采用VMD-NLMS自适应滤波重建后基于新特征函数的STA/LTA-AIC分步识别方法。结果表明:在低信噪比的情况下,采用VMD-NLMS滤波重建后基于新特征函数的STA/LTA-AIC分步识别算法能够有效识别震相。