一种基于小波分析的海底地震信号在线识别方法技术

本发明专利技术公开了一种基于小波分析的海底地震信号在线识别方法。在海底实时观测水声信号，多层小波分解得到各层小波系数，再通过软阈值函数阈值去噪，然后小波重构得到去噪重构后信号，接着进行展开等处理获得各层的相对功率及其相对功率分布，从相对功率分布中遍历N层相对功率，验证水声信号的相对功率分布是否与地震特征匹配，进而判断出海底地震信号。本发明专利技术能快速准确地识别地震信号，计算量适中，运算速度快，解决了板载运算能力不足问题，还能有效减少错报漏报，不会丢失原始数据，同时避免了续航下降问题。避免了续航下降问题。避免了续航下降问题。

【技术实现步骤摘要】
一种基于小波分析的海底地震信号在线识别方法


[0001]本专利技术涉及海洋地质探测领域的一种海底地震信号识别方法，具体的说是一种基于小波分析的海底地震信号在线识别方法。

技术介绍

[0002]与声呐浮标、海底地震仪、泊系水听器等海洋地震观测设备相比，移动式海洋地震仪机动性强，覆盖范围广，投放回收成本低，能够很好地完成海底地震的观测任务。并且移动式海洋地震仪能够实时处理观测地震信号，保存地震数据，通过卫星将观测数据传递回来。因此，移动式海洋地震仪得到了广泛应用，成为了海洋地震观测网络的重要组成部分。
[0003]目前对于地震信号的识别方法主要有STA/LTA算法、神经网络法等。STA/LTA算法简单快速，但结果粗糙，识别率低，神经网络法识别率高，但运算量很大，对硬件要求比较高，难以在移动式海洋地震仪搭载的控制芯片上使用。这些算法不能兼顾控制芯片的运算量和地震信号的识别率，导致目前海底地震观测工作效率低，漏报错报多，不能很好地完成地震观测任务。

技术实现思路

[0004]为了解决上述问题，本专利技术提供了一种基于小波分析的海底地震信号在线识别方法，解决了运算量和识别率之间的冲突，能够应用在移动式海洋地震仪的控制芯片上，快速准确地识别出地震信号。
[0005]本专利技术通过以下技术方案实现：S1、通过移动式海洋地震仪所携带传感器在海底实时观测水声信号S，对实时观测到的水声信号S进行N层小波分解得到水声信号S在各层的小波系数；所述的水声信号S是由传感器按时序间隔采样获得的采样点数据。
[0006]所述的移动式海洋地震仪及其携带的传感器置于海底水下。
[0007]S2、对各层的小波系数通过软阈值函数进行阈值去噪处理；S3、用阈值去噪处理过的各层的小波系数进行小波重构得到去噪重构后的水声信号S；S4、采用二进样条小波对去噪重构后的水声信号S进行展开和计算处理获得水声信号S各层的相对功率S
k
，进而获得水声信号S的相对功率分布；S5、从相对功率分布中第一层的相对功率S1开始，遍历各层的相对功率，验证水声信号S的相对功率分布是否与地震特征匹配：若匹配则判断水声信号S为海底地震信号，否则判断水声信号S不为海底地震信号。
[0008]所述步骤S1中，小波分解的层数N按照以下公式设定：N = 1 + { ln (f1)
ꢀ–ꢀ
ln(f2) } / ln2其中， f1是移动式海洋地震仪所携带传感器观测的采样频率， f2是期待观测的地震信号的最低频率；若计算出的小波分解的层数N不为整数，则向上取整。
[0009]每层所述小波系数均包括表示低频部分的近似系数C
A
和表示高频部分的细节系数C
D
；在所述步骤S1中，每一层的小波系数中的近似系数C
A
和细节系数C
D
均采用单独的软阈值函数进行去噪处理。
[0010]所述步骤S2中，软阈值函数设置为：当C
k0
≥ m 时，C
k = C
k0
–ꢀ
m当
ꢀ‑
m < C
k0 < m 时，C
k = 0当C
k0
≤
ꢀ‑
m 时，C
k = C
k0 + m其中，C
k0
是待观测信号在阈值去噪前的第 k层下的小波系数集，m是小波系数阈值，每层的软阈值函数都单独选取；C
k
是阈值去噪后的第 k层下的小波系数集；所述的各层小波系数阈值m按照以下方式设置：m = n * MaxMax = max{ | C
k0
| }其中，Max是当前第k层下的所有小波系数绝对值的最大值，max{}表示取最大元素函数，max{ | C
k0
| }表示取待观测信号在阈值去噪前的第 k层下的小波系数集中各个元素的绝对值的最大值，n是最大值Max的相对系数。
[0011]所述步骤S4中，采用二进样条小波对去噪重构后的水声信号S进行展开获得各层的子波形，对每层的子波形计算层的相对功率S
K
，综合所有层的相对功率处理获得水声信号S的相对功率分布。
[0012]所述步骤S4中，各层的相对功率S
K
按以下方式进行处理获得：S41、先针对每层小波系数进行处理，计算第k层下所有小波系数平方和的平均值作为第k层的功率s
K
：s
K = ∑( C
ki )
2 / N
K
其中，k为层序号，k = 1, 2, 3
…
N；i为第k层下小波系数的序号，N
k
为第k层下小波系数的总数目，C
ki
为第k层下的第i个小波系数，i = 1, 2, 3
…
N
k
；S42、接着对所有层的功率按照以下公式进行累加求和得到总功率L1：L
1 = ∑ s
K
S43、将各层的功率根据总功率 L1按照以下公式进行归一化得到各层的初步相对功率p
k ：p
k = s
K / L1S44、利用在步骤S1的实时观测前采集的背景信号各层的初步相对功率 n
k
对步骤S43获得的实时观测水声信号S的各层的初步相对功率 p
k
进行二次归一化，得到实时观测水声信号S的各层最终的相对功率S
K
：S
K = p
k / n
k
其中，S
K
表示实时观测水声信号S的第k层的相对功率，p
k
表示实时观测水声信号S的第k层的初步相对功率，n
k
表示背景信号的第k层的初步相对功率。
[0013]所述的背景信号是指幅值范围小于预设幅值阈值的信号。
[0014]所述步骤S5中，具体是建立以下目标函数，按照以下方式进行判断：若相对功率分布中所有相邻两层的相对功率的增长率以及最后两个层的相对功率之和均满足以下公式，则认为相对功率分布与地震特征匹配：
k
k = S
K+1
ꢀ‑ꢀ
S
K > 0P = S
N
‑
1 + S
N > t * ∑S
K
其中，S
K
表示第k层的相对功率，k=1,2,...,N
‑
1，k
k
表示第k层的相对功率到第k+1层的相对功率的增长率，P表示最后两个层的相对功率之和，t为预设的判断阈值。
[0015]所述的传感器为振动传感器。
[0016]实时观测的所述水声信号包含有和地震、海底气枪、船只振动、海洋生物游动等因素有关的信号，通过本专利技术能够从中提取出地震因素的有效信息，实现准确的识别。
[0017]本专利技术将移动式海本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波分析的海底地震信号在线识别方法，其特征在于：S1、通过移动式海洋地震仪所携带传感器在海底实时观测水声信号S，对实时观测到的水声信号S进行N层小波分解得到水声信号S在各层的小波系数；S2、对各层的小波系数通过软阈值函数进行阈值去噪处理；S3、用阈值去噪处理过的各层的小波系数进行小波重构得到去噪重构后的水声信号S；S4、采用二进样条小波对去噪重构后的水声信号S进行展开和计算处理获得水声信号S各层的相对功率S
k
，进而获得水声信号S的相对功率分布；S5、从相对功率分布中第一层的相对功率S1开始，遍历各层的相对功率，验证水声信号S的相对功率分布是否与地震特征匹配：若匹配则判断水声信号S为海底地震信号，否则判断水声信号S不为海底地震信号。2.根据权利要求1所述的一种基于小波分析的海底地震信号在线识别方法，其特征在于：所述步骤S1中，小波分解的层数N按照以下公式设定：N = 1 + { ln (f1)
ꢀ–ꢀ
ln(f2) } / ln2其中， f1是移动式海洋地震仪所携带传感器观测的采样频率， f2是期待观测的地震信号的最低频率；若计算出的小波分解的层数N不为整数，则向上取整。3.根据权利要求1所述的一种基于小波分析的海底地震信号在线识别方法，其特征在于：每层所述小波系数均包括表示低频部分的近似系数C
A
和表示高频部分的细节系数C
D
；在所述步骤S1中，每一层的小波系数中的近似系数C
A
和细节系数C
D
均采用单独的软阈值函数进行去噪处理。4.根据权利要求1所述的一种基于小波分析的海底地震信号在线识别方法，其特征在于：所述步骤S2中，软阈值函数设置为：当C
k0
≥ m 时，C
k = C
k0
–ꢀ
m当
ꢀ‑
m < C
k0 < m 时，C
k = 0当C
k0
≤
ꢀ‑
m 时，C
k = C
k0 + m其中，C
k0
是待观测信号在阈值去噪前的第 k层下的小波系数集，m是小波系数阈值，C
k
是阈值去噪后的第 k层下的小波系数集；所述的各层小波系数阈值m按照以下方式设置：m = n * MaxMax = max{ | C
k0
| }其中，Max是当前第k层下的所有小波系数绝对值的最大值，max{}表示取最大元素函数，max{ | C
k0
| }表示取待观测信号在阈值去噪前的第 k层下的小波系数集中各个元素的绝对值的最大值，n是最大值Max的相对系数。5.根据权利要求1所述的一种基于小波分析的海底地震信号在线识别方法，其特征在于：所述步骤S4中，采用二进样条小波对去噪重构后的水声信号S进行展开获得...

【专利技术属性】
技术研发人员：朱心科，丁巍伟，江文胜，侯斐，
申请(专利权)人：自然资源部第二海洋研究所，
类型：发明
国别省市：