论文部分内容阅读
当今世界海洋油气资源丰富,如何勘探海洋资源成为一个国家石油储备的必然战略选择。海洋可控源电磁探测(CSEM)是钻前储层评价的有效手段,不仅补充了海洋地震勘探的不足,提高钻井勘探的成功率,它也是识别海底构造的储油/储气特征的重要手段。在勘测信号中,如何有效的除噪成为当下关键为题之一。经验模态分解(Empirical Mode Decomposition, EMD)是处理非线性、非平稳信号的时频分析方法。本文重点介绍了EMD的基本理论,及其基本概念,包括解析信号、瞬时频率和本征模态函数,还有EMD算法的基本原理,论述了瞬时频率、特征时间尺度及固有模态分量的基本概念,研究了经验模态分解算法,并讨论了其特点,分析了Hilbert谱和边际谱的含义,介绍了完整的经验模态时频理论体系。还介绍了EMD算法存在的优缺点,针对不同的EMD存在的问题,又给出了相应的解决办法。其次,简单介绍了几种传统滤波方法,指出其中的不足之处。由于EMD算法具有很高的频率分辨率、强自适应、很高的时频聚集性等独特性质,提出了几种基于EMD的滤波,如基于EMD的滤波方法、基于EMD尺度滤波去噪法和基于EMD的阈值滤波去噪,进而提出改进的EMD的滤波方法,分析了其优势。最后将前面所提到的基于EMD的滤波方法应用到CSEM仿真信号去噪中,采用MATLAB,进行模拟仿真,并分析每种方法的区别和优势。结果表明EMD有其他方法无法达到的优势,是目前发现的最适合分析非线性非平稳信号的分析方法,使海洋CSEM信号的分析处理方面有了新的突破。EMD算法中存在的最主要的缺陷是模态混叠。而模态混叠对海洋可控源电磁信号造成低频混杂,分辨不出信号特征的问题,造成信号分析困难,针对这个现象,本文提出了一种改进EMD的分解方法—EEMD。EEMD作为改进的EMD算法在消除模态混叠这个现象的效果,解决了时频谱上低频时段混杂的问题,能更好的分辨频率分量。通过对比,经EMD分解去噪后压制了大部分噪声,达到较好的效果,但由于模态混叠,出现低频混杂,而经EEMD去噪后,不仅去除绝大部分噪声,还去除了低频时段的混杂部分,清晰地提取了信号特征。综上,本文研究了EMD算法和EMD算法在CSEM仿真信号去噪中的应用,比较5种方法的优缺点,并通过模拟仿真实验,很好的证实了EMD在CSEM仿真信号去噪中的有效性。