本站原创摘 要：次声波可以通过专门的仪器接收、转换并最终以二进制文件的形式存储,通过对其进行读取就可以获得次声波声压与时间的关系.根据显示出来的波形特征来判断是否包含跟地震相关的信号信息.但同时,次声波传感器所接收到的数据中会包含一定量甚至是大量的噪声干扰,影响了与地震相关的次声波信号的研究.本文将总结介绍噪声消除的一些常用方法及处理效果.
关 键 词 ：次声波；滤波；频率分析；特征提取；matlab
中图分类号：P315.31
地震酝酿和发生的时候会向大气中辐射四种类型的次声波：当地次声波、震中次声波、衍射次声波、前兆次声波.但是次声波的识别分辨等研究方面仍有很大的困难.而无论哪种波形的研究都会因为噪声的干扰而对地震次声信号的研究造成困难.所以建立比较完善的滤波系统是次声研究的一个重要环节.为了能够解决繁杂的数据处理问题,我们使用matlab对数据进行处理.本文将从地震次声波的频率分析、滤波处理以及特征抽取来进行详细介绍.
1.天气环境干扰滤波总结
在去除次声波形中干扰的时候,要解决的首要问题就是天气背景的干扰.通常天气背景可以分为：晴天、有风、阴天、下雨、下雨伴随刮风等甚至其它更加复杂的天气背景.现根据不同天气背景的特点来特定处理.
1.1 晴天的环境背景.此时最有效的滤波方法就是采用低通滤波（检测设没有低频干扰）、带通带阻滤波、自适应滤波以及FFT滤波.其中自适应滤波是经典的频率域滤波手段,该方法在不需要预先知道输入信号和噪声的统计特征的情况下,能够在工作的过程中逐步估计出所需的统计特性,并以此为依据自动调整本身的参数,以达到最佳的滤波效果.一旦信号的统计特征发生变化,它又能跟踪这种变化,自动调整滤波器参数,使滤波器性能重新达到最佳.FFT滤波是通过FFT变换得知信号的频率成分之后,通过对干扰的压制来突出有用信号.
现以一数据为例进行说明,原数据波形见图1.从FFT分析中我们可以获知,信号的主要低频信号分布在小于0.3HZ的波段,标记处为噪音干扰.将信号保留区间设置为0.5HZ―1HZ进行滤波,结果如图2.此时的处理效果图中就可以清晰地看出来,我们已经将0-100s和160-240s这两段时间内的此生干扰去除了.
图1
图2
1.2 大雨、阴天、有风、下雨伴随刮风等环境背景.傅里叶变换适合于分析平稳的信号,实际上对于下雨、阴天、刮风等天气背景,我们得到的都是非平稳信号,即频域特征伴随着时间而变化,分析这样的信号就需要研究某段时间的频域信息或某一频率段所对应的信息.地震信号的起始和终止等都包含了重要的信息,此时更合理的滤波方法是小波滤波.小波分析作用在于可以通过不同的分辨率达到不同的频率去除效果.但是在每个可能的缩放因子和平移参数下计算小波系数,其计算量相当大,会产生惊人的数据量,而且很多数据是无用的.所以我们要通过某些方法设定更合理的参数并对数据进行取舍.通过计算得到所有尺度的低频系数和高频系数,对于我们认为是干扰的成分进行适当的屏蔽,将需要的信号进行重构.为了保留信号的细节信息,我们在滤波中采用阀值消噪,提供有软取阀值与硬取阀值,而实际上硬取阀值方法得到的波形会比软取阀值得到的波形看上去更加粗糙.
2.特殊信号滤波总结
2.1 除了要应对复杂的天气背景之外,我们还要对一些特殊情况进行分析,如：滑坡、泥石流、打雷、非震性地质运动,海浪等等众多干扰.也就是说我们需要对含有这些低频噪声的信号进行过滤操作.为了说明这种处理过程,我们以一个包含海浪次声干扰的波形处理为例进行问题说明,海浪干扰所产生的次声信号为低频,并且呈现出波浪形,使用高通滤波器对低频信号进行滤除,设置阻带、通带的边界频率,使用巴特沃斯滤波器进行滤波.原波形信号为图3,从图像中可以看得出,波形中包含着循环出现的波浪式的次声波信息,我们要进行的操作就是对这些低频干扰进行消除.去噪之后的波形显示为图4.可以看到波浪式的次声干扰已经被完全消除.
图3
图4
2.2 当然相对于低频次声的干扰,更多的干扰来自于高频信号的干扰,如：仪器所在房间的开灯关门、仪器周围的人类活动（吵闹、机车干扰等）.当然这种信号的去噪操作就比较简单,通常只需要低通滤波即可,这也是实际中最有意义的滤波操作,所以在进行i型您好分析的时候,基本上都要进行此步操作.
3.讨论与改进
次声数据的分析过程中滤波处理仅仅是其中的一个环节,其目的是使波形能够凸显出与地震研究相关的信息.对于复杂的波形处理分析过程,一个好的设想就是收集大量的特征信号来建立信号库,将信号的时域、频域特征作为分类标准将所有的标准信号进行分类,然后在进行信号分析的时候,使用滤波技术进行粗略的去噪处理,然后抽取相关的特征,根据特征值来计算信号所属的类别,这样的技术设想就要求事前获得充足的标准信号来建立信号库.因为日常生活中众多的次声产生源会对我们所接收到的次声信号数据产生极其复杂的干扰,从这样的次声信号中找到与地震次声有关系的信号变得非常困难,同时也可能对一些特殊情况如滑坡、泥石流、海洋运动、爆炸等在信号研究当中产生误判.所以对众多的特征信号的特征研究以及探究出更加全面的滤波系统变得非常重要.由于信号干扰成分的复杂性,信号去噪处理很难达到完美.