一种水位电信号干扰识别的新方法.docVIP

水位动态周期性干扰的 小波方法分析研究 樊春燕1)金大利2) 陈华静1) 刘春国1)任佳2) 1).地震台网中心，北京，100045; 2).天津蓟县地震台, 天津, 301900; 3). 河北省地震局张家口中心台,张家口, 075000 摘要 通过对“十五”水位动态干扰进行调查和分类总结，得到一类受周期性干扰的水位动态曲线。通过对该类动态的水位序列进行小波分解，得到该类水位时间序列的不同分解层次的干扰特征；利用小波重构剔除干扰信息，得到剔除干扰后的水位动态的重构时间序列；通过对多个台站的水位序列进行小波分析，得到该类干扰的典型动态特征，以及识别方法。 关键词 小波 周期性干扰 水位 识别 0引言 地下水位观测值是多种因素影响下的综合物理反映，其组成较为复杂（汪成明，1988）。就地震前兆的角度而言，一般将除地质构造和地震因素外的其他影响水位变化的因素称为干扰因素（汪成明，1988）。通常干扰因素包括台站自然环境的改变与人类工程活动引起的干扰和台站观测条件的改变引起的干扰等（车用太，2004）。 对“十五”地下流体数据内08年至09年水位日变曲线分析，发现一类周期性变化的典型干扰曲线（占全部“十五”水位测点的5%左右）。以往关于前兆数据处理的研究中，严尊国等（2000）曾经探讨过二进制小波变换在前兆信号频率分解中的应用，宋治平等（2004）曾经应用小波变换识别数据前兆的趋势和短期异常。在前兆水位数据的处理中，万永芳等（2009）对前兆水位数据处理中的小波选取也进行过深入的研究。但是关于识别水位干扰的研究还很少，笔者（樊春燕（2010）曾在2010年的文章中指出使用小波方法检验电信号的干扰取到了不错的效果。本研究中将小波分解引入周期性干扰的识别，得到了典型干扰动态的干扰特征和识别方法，取得了较好的效果。 1 小波理论基础 1.1小波变换 小波变换的定义是把某一被称为基本小波（也较母小波mother wavelet）做位 作者简介：樊春燕，（1985-3—），，后，再在不同尺度下与待分析的信号做内积： ， （1） 等效的频域表示是： （2） 式中和分别是和的傅里叶变换。可以看成基本频率特性为的带通滤波器在不同尺度下对信号做滤波。越大，相当频率越低。适当的选择小波，使在时域上为有限支撑，在频域上也比较集中，就可以使在时、频域都具有表征信号局部特征的能力，因此有利于检查信号的瞬态或奇异点。正是由于上述特性，有人把小波变换誉为分析信号的数学显微镜(飞思科技，2003)。 1.2小波分解和重构 由于实际的观测信号是离散的，所以在信号处理中都使用离散小波变换。大多数情况下是将尺度因子和位移参数按照2的幂次进行离散。目前通行的办法是对尺度按幂级数进行离散化。即令尺度, =1,2,…,N。当尺度扩大倍时，意味着频率降低倍，因此采样间隔可以扩大倍。将时间位移也以倍进行离散化，即沿时间轴以为间隔做均匀采样。 一般而言，信号的低频部分是重要的，给出了信号的特征。高频部分则与噪音及扰动联系在一起。将信号的高频部分去掉，信号的基本特征仍然可以保留。对任一信号，离散小波变换的第一步运算是将信号分为低频部分（称为近似部分）和高频过程（称为细节部分）。近似主要是系统的大的、低频的成分，而细节往往是信号局部、高频成分。原始信号S通过两个互补对称滤波器后，得到两路信号。数据S经过滤波器后，得到了在MATLAB小波工具箱中的离散小波变换系数。上述分解过程可以反复进行，信号的低频部分还可以被继续分解。 将信号分解成一个个互相正交小波函数的线性组合，可以展示信号的重要特性。在分析、比较、处理（如去掉高频信号、加密等）小波变换系数后，根据新得到的系数取重构信号。这个过程称为逆离散小波变换（IDWT）, 或小波重构、合成等。多尺度分解与重构基本与以上分解与重构一致，包括将信号分解成多层小波系数，然后对这些系数进行分析、处理（如让其中的一些系数为0，对部分系数加密等），对得到的新系数进行多尺度重构。其具体流程如图1所示： 图1 小波分解和重构示意 Fig.1 The schematic of wavelet decomposition and reconstruction 对系数进行处理的过程，其作用相当于滤波、消噪、压缩、加密等过程，灵活性相当大。文中，主要对水位数据出现周期性变化的数据进行多尺度分解，进行小波分解和重构，得到剔除干扰后的曲线，并对重构后的水位数据进行再次分解，得到其固体潮信息。小波的选取参考了郑治真等（2001）和万永芳等（20