提取重力固体潮信号中地球物理信息和地震前兆信息的关键信号处理算法研究

Gravity tide signal implies not only the stable geophysical information that reflect position movement of Sun, Moon and Earth in the Space,but also the abnormal information that reflect the change of structure and tension of Earth crust. So, research of gravity tide signal can apply to not only the geophysical and geodynamic research, but also the research of seismology and earthquake forecast. In the research, according to the generating mechanism of gravity tide, empirical mode decomposition (EMD) is used to decompose the gravity tide signal into intrinsic mode functions firstly, then in one term, the spectral correlation analysis based on cyclostationary theory is used to demodulating the intrinsic mode functions; in the other term, independent component analysis is used to extracting the subwaves generated by Sun and Moon respectively.By the above methods, gravity tide signal is decomposed into a serial of independent components corresponding to their geophysical generating factors. if the above methods are used to analyze the practically-measured value and theoreticall-calculated value of gravity tide, and the independent components decomposed from practically-measured value is compared with those decomposed from theoreticall-calculated value, the abnoraml information that reflect earthquake can be extracted.

重力固体潮信号不仅反映了地球、太阳、月亮的相对位置变化引起的稳定的地球物理信息，也反映地球内部的物理构造和应力应变状态变化的异常信息。所以，重力固体潮信号的研究不仅是地球内部物理与动力学研究的重要内容，也是震源物理与地震预测研究的重要内容。在本项目研究中，结合重力固体潮信号的产生的机理，拟用经验模态分解（EMD）实现对重力固体潮信号的加性分解，用循环平稳理论的谱相关法解调EMD模态分量中的乘性调制，并通过基于智能优化算法的独立元分析（ICA）方法提取分别对应于太阳和月亮效应的独立分量。从而，从产生机理的角度实现对重力固体潮信号的分解，提取重力固体潮信号中稳定的地球物理信息，并通过对比分析从重力固体潮信号实测值与理论值中提取的这些地球物理信息，以获取重力固体潮信号中隐含的地震前兆信息。

重力固体潮信号既含有地球、太阳、月亮等天体相对位置变化引起的稳定的潮汐谐波分量，也含有地球内部物理构造和应力应变状态变化引起的异常信息分量。所以，利用有效的信号处理方法，提取并分析重力固体潮信号中的潮汐谐波分量及异常信息分量，对地球内部物理与动力学研究、震源物理与地震预测研究均具有重要意义。. 在本项目的研究中，提出一个重力固体潮信号的正交分解模型，基于该模型，提出一个实现重力固体潮信号加性分解与乘性解调的信号处理方案，该方案有效地将幅度较强的日波分量与幅度较弱的月（年）波分量分离，并在弱分量中凸显出重力固体潮信号中奇异的可能反映地震前兆信息的分量成分。在以上针对重力固体潮信号的具体研究内容中，形成三个一般性成果：1），一个纯随机搜索的多态进化群体算法——单形多态进化算法；2），一种基于正交分解模型的信号加性分解与乘性解调处理方案；3），一种重力固体潮信号的正交分解模型，基于这一模型的潮汐谐波加性分解与乘性解调，以及据此实现的弱潮汐谐波分量与奇异分量信息提取。以上三个成果的价值意义体现为：1），单形多态进化算法的纯随机搜索特点提高了算法在应用中的一致性与可靠性，多态进化的特点平衡了勘探与开采搜索的能力，其可作为一种新的群体优化算法，在人工智能学习算法、信号处理的优化问题中应用；2），基于正交分解模型的信号加性分解与乘性解调处理方案，从信号的产生机理出发，设计有效的正交分解模型，利用信号处理算法实现信号分量的加性分解与乘性解调，从而有效地凸显出信号蕴含的特征分量，这在重力固体潮的潮汐谐波分析中已证明其有效性，可推广到其它信号处理领域。