基于S變換的太原地震監測站洞體應變大風干擾時頻特征分析

孟彩菊，張淑亮，李 麗，楊世英

(1.山西省地震局太原地震監測中心站,山西 太原 030025；2.山西省地震局,山西 太原 030021；3.太原大陸裂谷動力學國家野外科學觀測研究站，山西 太原 030025)

0 引言

日常地球物理場觀測不可避免地受到各種干擾，不同來源的干擾因素對數據的影響各不相同。孫伶俐等對地殼形變觀測的大氣變化響應規律進行研究，認為大氣壓強和溫度的影響集中在較低頻段，臺風在形變觀測較高頻段上有明顯影響[1]。王寧等認為，氣壓對形變分鐘值數據的影響明顯，其優勢頻率在時頻域上低于0.05 Hz，在氣壓變化明顯區域信號能量較大；降水對整點值數據影響明顯，集中在低頻部分[2]。段元澤等認為，降水總量引起洞體應變和水管傾斜儀的變化增大，排除降水干擾后的變形增大，多與構造活動有關[3]。彭鈺翔等認為，近場環境的某些細微變化能夠引起形變觀測數據振幅、頻率、組分、穩定性的變化，導致前后數據不一致，影響觀測數據的穩定性[4]。李智蓉等定量分析降雨對昭通地震臺測項的影響，認為形變變化與降雨相關性較高[5]。以上研究結果表明，環境、氣象等變化對觀測數據的影響較為普遍。因此，在資料分析中需首先對干擾進行識別。

2020年6月24日16:30至18:00，太原地震監測中心站(以下簡稱太原站)洞體應變測項記錄到一組高頻振動信號，周期為2～5 min。與半日、日變等更大周期背景變化相比，該波形的變化特征與洞體應變日常記錄的地震事件接近，疑為地震波形。對比臺網地震目錄，未發現有對應的地震發生。為確定此信號的類型及來源，對該站不同儀器記錄的波形進行對比，并運用S變換法對該事件的時頻特征進行分析。

1 原理分析

地球物理觀測信號為非平穩信號，對于非平穩信號或時變信號，了解不同時刻附近的頻域特征至關重要。因此，可采用時間-頻率(即時頻)描述時變非平穩信號[6]。時頻分析能較好反映非平穩信號在時間和頻率軸上能量強度的分布及信號局部時頻特征，因此，其在信號分析中得到廣泛應用[7-12]。

時頻分析法包括小波變換、傅立葉變換及S變換等。傳統傅立葉變換為一種全局變換法，無法表征頻率隨時間變化的局部特征。Stockwell提出的S變換法可較好地突出信號的局部特征，保留每個頻率的絕對相位特征。他提出的假設信號S變換為：

s(t)∈L2(R)，

式中：s(t)為假設信號；L2(R)表示能量有限函數空間，則s(t)的S變換為：

(1)

式中：τ、f分別為時間和頻率，均為實數。反變換為：

(2)

式(2)是以Morlet小波為基本小波的連續小波變換的延伸。基本小波是由簡諧波與高斯函數的乘積構成，則：

(3)

S變換既解決短時傅立葉變換中時窗大小未能調節的問題，又具備小波變換的多分辨率特性，避免小波變換無法與傅立葉變換保持聯系的問題。因此，這些優點使得S變換廣泛應用于對非平穩信號的分析[13-14]。

2 資料選取

2.1 背景資料

2020年6月24日15:00至18:00，太原站洞體應變儀EW分量原始分鐘值曲線出現高頻波動，表現為毛刺增多。其與正常時段較光滑的周期、形態存在明顯差異，高頻波動持續1 h左右，形態類似洞體應變儀記錄的地震波形(見圖1)。對比當日臺網地震目錄，未發現在異常時段有相應的地震發生。

圖1 洞體應變儀原始分鐘值觀測曲線

2.2 原因排查

為查找當天17:00左右數據變化的原因，筆者首先查閱臺站當日觀測日志，檢查是否存在觀測環境、人為和觀測儀器等因素的影響。結果顯示，當日未進行儀器標定和維修、無人為進洞等，也未出現過停電，臺站周圍也無施工等。因此，初步判定此次變化與上述干擾因素無關。

排除以上因素后，對氣象變化情況進行調查。根據值班人員反映，當天刮大風，在17:00左右，院里一棵大樹被刮斷。再通過院內監控回放，發現在當天下午約5:30開始刮風，一直持續至6:30。期間，大風造成院內樹木來回擺動，使樹枝折斷。因此，從時間的對應性上分析，認為此次洞體應變高頻信號為大風干擾所致。

2.3 資料選取

太原站洞體應變儀記錄的地震信號與風擾信號極相似，為識別兩者特征，選取同時有地震記錄的2020年6月24日太原站洞體應變分鐘值數據進行時頻分析。

3 信號時頻分析

3.1 洞體應變數據時頻分析

文中，時頻結果的頻率為歸一化頻率fn，即實際頻率f與采樣頻率fs的比值：

fn=f/fs。

(4)

歸一化頻率fn的范圍為0～0.5。時頻圖中的色標由相應頻率和時間對應的S變換結果轉換得到，與原始觀測數據中不同頻率成分振幅值的變化特征一致，反映觀測數據中各頻率信號能量隨時間變化和相互之間能量的對比[15]。運用S變換法對2020年6月24日洞體應變的分鐘值觀測數據進行S變換計算，以獲取當日數據的時頻特征(見圖2)。

圖2 洞體應變原始觀測曲線及時頻特征分析

在圖2的時頻分析圖像中，存在兩道明顯的條狀異常信號，頻率范圍為0.1～0.5。對比地震目錄發現，2020年6月23日23:29曾發生墨西哥M7.4地震。因此，24日00：00至01:20時段的為地震波形，17:00左右的為上文提到的大風擾動。可以看出，地震波列與風擾波列的頻率展布均在0.1之上，背景性大周期(低頻)頻率展布一般在0.1之內，有明顯區別。地震波列與風擾波列相比，頻率分布無明顯區別，不易辨識。

3.2 地震儀記錄數據時頻分析

上述洞體應變的時頻分析結果顯示，地震與風擾信號特征相似，不易分辨。為進一步探討同震記錄與風擾的差異性，選取同時段太原站甚寬頻帶地震計BBVS-120的波形記錄(見第11頁圖3)。該地震計的采樣率為每秒100次，因數據量過大，時頻分析中降頻為秒數據。

第15頁圖3a、3b分別為太原站地震計NS向地震波形及大風事件仿真763儀(原始波形信號不突出)曲線圖。從波形特征來看，地震波形起伏變化較大，大風事件波形的形態較為單一；在周期上，地震波形明顯密集且周期小，風擾波形的周期較大。另外，記錄結果顯示，地震信號在地震計的三分向上均有分布，大風擾動信號只在水平方向有顯示。下面進行地震計記錄的地震與風擾信號時頻分析。

圖3 地震儀記錄地震波形與高頻事件波形時頻特征分析

圖3c、3d分別為地震計記錄的地震與風擾信號S變換時頻分析結果，可以看出，地震儀記錄兩次事件的時頻結果差異較大。地震波列頻率展布在0.01～0.2，即周期為5～100 s；大風事件頻率展布在0.05以內，優勢頻率為0.01～0.02，即周期為50～100 s。能量分布差異極大。從圖3a、3b的原始數據變化范圍來看，地震引起的波動幅度大，達到400 counts，高頻事件的幅度值為2 counts。相應時間段的時頻結果圖也顯示，地震波動的能量色塊值幾乎達到1以上，風擾能量值最高為0.25。因此，從地震計與洞體應變儀記錄對比結果來看，地震計的記錄能較好地反映出地震與風擾信號的差別。

4 結論與討論

通過對太原站地震計、洞體應變儀原始記錄波形及基于S波變換法的時頻分析，可得到如下結論：

(1) 2020年6月24日16:30～18:00太原站洞體應變儀記錄的高頻信號為大風干擾。

(2) 洞體應變儀記錄的大風干擾信號與當日記錄的地震信號主要頻率接近，均分布于歸一化頻率0.1～0.5范圍內，不易分辨。

(3) 地震儀記錄的地震信號與大風信號存在明顯區別。地震波形密集，周期更小，地震信號形態復雜多變；風擾信號周期相對大，波形形態單一。

(4) 時頻結果顯示，地震計(仿真763儀)記錄的當日地震信號主要頻率展布在0.01～0.2，即周期為5～100 s；大風事件頻率展布在0.01～0.02，即周期為50～100 s。表現為地震信號含有更高的頻率成分。

綜上所述，太原站洞體應變儀記錄的大風信號與地震信號相似，頻率接近，不易辨識；地震計的波形記錄可以較好地分辨出兩者。因此，引入同期地震計波形進行對比分析，可為地球物理測項的干擾識別及數據分析處理提供借鑒經驗。