期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于STA/LTA改进的CEEMD-SVD微震信号降噪算法
被引量：
8
1
作者
史艳楠
齐朋磊
+2 位作者
王裕
王毅颖
张冲冲
《振动与冲击》
EI
CSCD
北大核心
2023年第5期113-121,共9页
针对煤矿井下工作环境复杂,采集到的微震信号包含大量噪声信号,严重影响对微震信号的拾取、定位和反演。采用互补集合经验模态分解(complementary set empirical mode decomposition, CEEMD)联合奇异值分解(singular value decompositio...
针对煤矿井下工作环境复杂,采集到的微震信号包含大量噪声信号,严重影响对微震信号的拾取、定位和反演。采用互补集合经验模态分解(complementary set empirical mode decomposition, CEEMD)联合奇异值分解(singular value decomposition, SVD)与长短时窗法(STA/LTA)相结合的降噪算法。利用CEEMD分解微震信号,得到固有模态分量(inherent modal component, IMF),依据相关系数确定噪声主导的IMF和信号主导的IMF,通过STA/LTA去除CEEMD产生的伪分量。对噪声主导的分量进行SVD分解降噪后与信号主导的分量及剩余分量重构得到降噪后信号。加入模拟噪声信号与实际采集的微震信号进行仿真实验,结果表明本文算法在保证小剩余噪声干扰的情况下,可以节省计算时间。通过与经验模态分解(empirical mode decomposition, EMD)、聚合经验模态分解(ensemble empirical mode decomposition, EEMD)及新型自适应聚合经验模态分解(novel adaptive ensemble empirical mode decomposition, NAEEMD)降噪方法进行对比,依据信噪比、能量百分比及标准差三个评价指标进行定量计算,实验表明该方法具有更好的降噪效果。
展开更多
关键词
微震信号
长短
时
窗
法
(
sta/
lta
)
互补集合经验模态分解(CEEMD)
奇异值分解(SVD)
降噪
在线阅读
下载PDF
职称材料
博物馆地震响应监测中震相初至实时拾取方法研究
2
作者
朱红光
梁世波
+1 位作者
白晓彬
许臣
《太原理工大学学报》
2025年第2期191-198,共8页
【目的】地震初至的实时自动拾取是地震响应监测中的一个关键问题,也是实现地震预警、发出地震警报并启动应急反应系统的基础和前提。针对博物馆环境复杂、信号非平稳、低信噪比、非周期等特点,提出了一种地震初至自动识别的实时拾取算...
【目的】地震初至的实时自动拾取是地震响应监测中的一个关键问题,也是实现地震预警、发出地震警报并启动应急反应系统的基础和前提。针对博物馆环境复杂、信号非平稳、低信噪比、非周期等特点,提出了一种地震初至自动识别的实时拾取算法。【方法】将博物馆可能存在的振动信号,与不同烈度、不同场地等条件下的地震信号进行对比分析,利用二者之间的差异对地震初至进行实时拾取。首先,将信号进行小波包分解重构,用非递归滤波器阈值降噪法对含噪音地震数据进行降噪处理,提高信号信噪比,然后使用改进后的长短时窗均值比法(STA/LTA)求取地震初至时刻。并通过四川泸定6.8级地震中在甘孜藏族博物馆采集到的振动信号进行拾取验证。【结果】结果分析表明,相较于传统的地震初至拾取无论是在初至到时的拾取还是对于噪音的压制都有较大水平的提高,实现了在地震波达到后的前0.2 s内准确识别地震的到来,证明了本文方法的可靠性。
展开更多
关键词
地震初至
长短
时
窗
均值比
法
时
频分析
小波包分析
在线阅读
下载PDF
职称材料
题名
基于STA/LTA改进的CEEMD-SVD微震信号降噪算法
被引量：
8
1
作者
史艳楠
齐朋磊
王裕
王毅颖
张冲冲
机构
河北工程大学机械与装备工程学院
河北省煤炭生态保护开采产业技术研究院
邯郸市智能车辆重点实验室
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第5期113-121,共9页
基金
河北省重点研发计划项目(19275507D)
河北省自然科学基金资助项目(E2020402064)
+1 种基金
河北省创新能力提升计划项目(215676140H)
邯郸市科学技术研究与发展计划项目(20312904002)。
文摘
针对煤矿井下工作环境复杂,采集到的微震信号包含大量噪声信号,严重影响对微震信号的拾取、定位和反演。采用互补集合经验模态分解(complementary set empirical mode decomposition, CEEMD)联合奇异值分解(singular value decomposition, SVD)与长短时窗法(STA/LTA)相结合的降噪算法。利用CEEMD分解微震信号,得到固有模态分量(inherent modal component, IMF),依据相关系数确定噪声主导的IMF和信号主导的IMF,通过STA/LTA去除CEEMD产生的伪分量。对噪声主导的分量进行SVD分解降噪后与信号主导的分量及剩余分量重构得到降噪后信号。加入模拟噪声信号与实际采集的微震信号进行仿真实验,结果表明本文算法在保证小剩余噪声干扰的情况下,可以节省计算时间。通过与经验模态分解(empirical mode decomposition, EMD)、聚合经验模态分解(ensemble empirical mode decomposition, EEMD)及新型自适应聚合经验模态分解(novel adaptive ensemble empirical mode decomposition, NAEEMD)降噪方法进行对比,依据信噪比、能量百分比及标准差三个评价指标进行定量计算,实验表明该方法具有更好的降噪效果。
关键词
微震信号
长短
时
窗
法
(
sta/
lta
)
互补集合经验模态分解(CEEMD)
奇异值分解(SVD)
降噪
Keywords
micro-seismic signal
sta/
lta
complementary set empirical mode decomposition(CEEMD)
singular value decomposition(SVD)
denoising
分类号
TD76 [矿业工程—矿井通风与安全]
在线阅读
下载PDF
职称材料
题名
博物馆地震响应监测中震相初至实时拾取方法研究
2
作者
朱红光
梁世波
白晓彬
许臣
机构
中国矿业大学(北京)力学与建筑工程学院
出处
《太原理工大学学报》
2025年第2期191-198,共8页
基金
国家重点研发计划项目(2019YFC1521000)
北京市自然科学基金项目(8164061)
+2 种基金
国家自然科学基金项目(51578539)
中央高校基本科研业务费优秀青年项目(2020YQLJ03)
中国矿业大学(北京)“越崎青年学者”项目(800015Z11A23)。
文摘
【目的】地震初至的实时自动拾取是地震响应监测中的一个关键问题,也是实现地震预警、发出地震警报并启动应急反应系统的基础和前提。针对博物馆环境复杂、信号非平稳、低信噪比、非周期等特点,提出了一种地震初至自动识别的实时拾取算法。【方法】将博物馆可能存在的振动信号,与不同烈度、不同场地等条件下的地震信号进行对比分析,利用二者之间的差异对地震初至进行实时拾取。首先,将信号进行小波包分解重构,用非递归滤波器阈值降噪法对含噪音地震数据进行降噪处理,提高信号信噪比,然后使用改进后的长短时窗均值比法(STA/LTA)求取地震初至时刻。并通过四川泸定6.8级地震中在甘孜藏族博物馆采集到的振动信号进行拾取验证。【结果】结果分析表明,相较于传统的地震初至拾取无论是在初至到时的拾取还是对于噪音的压制都有较大水平的提高,实现了在地震波达到后的前0.2 s内准确识别地震的到来,证明了本文方法的可靠性。
关键词
地震初至
长短
时
窗
均值比
法
时
频分析
小波包分析
Keywords
earthquake first arrival
short-term average over long-term average
time-frequency analysis
wavelet packet analysis
分类号
P631.4 [天文地球]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于STA/LTA改进的CEEMD-SVD微震信号降噪算法
史艳楠
齐朋磊
王裕
王毅颖
张冲冲
《振动与冲击》
EI
CSCD
北大核心
2023
8
在线阅读
下载PDF
职称材料
2
博物馆地震响应监测中震相初至实时拾取方法研究
朱红光
梁世波
白晓彬
许臣
《太原理工大学学报》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
