典型文献
基于EMD的IMF时域统计特征提取及其应用于震动事件源类型识别研究
文献摘要：
文章对地震波形进行经验模态分解(EMD),对分解后的内模函数(IMF)进行时域特征提取,由所提取的特征对天然地震和人工爆炸2类事件源类型进行分类识别,结果表明,由IMF所提取的时域特征具有良好的区分识别能力.采用经验模态分解将原波形信号分解为7个内模函数和残差函数,对原波形、每个内模函数和残差函数分别提取26个时域统计特征,组成9个特征组(命名为Q0,Q1,…,Q8);再计算7个内模函数的幅度能量比得到7个能量比特征,再和选择前4个内模函数的26个时域统计特征中的8个特征共32个特征组成一个有39个特征的特征组(命名为Q9).对这10组特征样本集进行单组、多组的特征组合事件类型识别实验,采用对称KL距离(Kullback-Leibler divergence)、以事件为识别单元进行分类识别;每次识别实验,随机选取部分(30％,50％,70％,或90％)事件的所有观测台站的3分量的所有波形相应特征组的特征同时作为训练样本和测试样本集,多次反复进行实验,结果表明第2个内模函数提取的时域统计特征在选择90％事件时识别效果最好,正确识别率大于90％;这说明,内模函数具有比原波形更好的事件类型区分能力,可为由波形识别事件源类提供更为有效的特征.
文献关键词：
天然地震;人工爆炸;事件源类型识别;经验模态分解;Kullback-Leibler距离
中图分类号：
作者姓名：
薛思敏;黄汉明;施佳鹏;袁雪梅;黎炳君
作者机构：
广西师范大学计算机科学与信息工程学院,广西 桂林 54100
文献出处：
引用格式：
[1]薛思敏;黄汉明;施佳鹏;袁雪梅;黎炳君-.基于EMD的IMF时域统计特征提取及其应用于震动事件源类型识别研究)[J].地震工程学报,2022(01):100-107
A类：
事件源类型识别,人工爆炸
B类：
EMD,IMF,时域统计,统计特征,震动,地震波形,经验模态分解,内模,模函数,时域特征提取,天然地震,分类识别,识别能力,波形信号,信号分解,Q0,Q1,Q8,能量比,比得,比特,Q9,特征样本,样本集,特征组合,事件类型,KL,Kullback,Leibler,divergence,识别单元,观测台,台站,形相,训练样本,识别率,数具,类型区分,区分能力,波形识别
AB值：
0.348211
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
