فهرست نشریات علمی دسترسی آزاد ایران

تصویرسازیلرزه‌ایبه‌شدتبهکیفیتداده‌هایلرزه‌ایوابستهاست. تفسیرساختاریوچینه‌ایمقاطعلرزه‌ای کهحاویکمترینمیزاننوفه تصادفیوهمدوسهستند،بهمراتبراحت‌تراست. نوفه‌هایمتعددیدرمقاطعلرزه‌ایدیدهمی‌شودکهدستهمهمیاز آنها،نوفه‌هایتصادفی‌اند.تضعیفایندستهازنوفه‌ها، به‌خصوصزمانیکهنسبتسیگنالبهنوفهکمباشد،بسیاردشواراستتاکنون روش‌های گوناگونی برای تضعیف نوفه‌های تصادفی عرضه شده است که هرکدام مزایا و معایب مربوط به خود را دارد. در این مقاله سعی شده است که از روش جدیدی برای تضعیف نوفه‌های تصادفی در حوزه t-f-xاستفاده شود. برای این کار با استفاده از تبدیل‌ Sتعمیم‌یافته مقطعلرزه‌ای از حوزه t-xبه حوزه t-f-xانتقال داده می‌شود و سپس در این حوزه تجزیه مُد تجربیEmpirical Mode Decomposition , EMDدر راستای مکان برای یک زمان و بسامد خاص اِعمال می‌شوداولین تابع مُد ذاتی به‌دست آمده از روش تجزیه مُد تجربی، سریع‌ترین نوسانات را در داده‌ها نشان می‌دهد. به این معنی که بزرگ‌ترین مؤلفه‌های عدد موج (مربوط به نوفه) در اولین تابع مُد ذاتی موجود است. بنابراین برای افزایش نسبت سیگنال به نوفه می‌توان اولین تابع مُد ذاتی را از سیگنال اصلی کسر کرد. نوفه تصادفی شامل همه بسامد‌ها است و برای این که بتوان نوفه تصادفی را در مقاطع لرزه‌ای تضعیف کرد، می‌توان برای هر بسامدی روش حذف اولین تابع مُد ذاتی را اِعمال کرد. در روشی جدید با استفاده ازالگوریتم مبتنی بر آستانه‌گذاری بازه‌ای روی تابع‌های مُد ذاتی که به نوفه تصادفی آلوده هستند پاک می‌شودوبعد از تضعیف نوفه مقاطع لرزه‌ای با استفاده از معکوس تبدیل Sبه حوزه  t-xبرگردانده می‌شوند. در این مقاله الگوریتم پیش‌گفته روی مقاطع لرزه‌ای مصنوعی و واقعی اِعمال و با روش ترکیب تبدیل فوریه و تجزیه مُد تجربیمقایسه  می­شود.