鐘媛 胡星星 滕云田 陳波 何朝博 沈曉宇

摘要：為解決用于高密度布設(shè)的低成本MEMS烈度計(jì)集成軟、硬件資源有限，且難以嵌入較為復(fù)雜算法的這一問(wèn)題，基于Matlab的仿真計(jì)算，通過(guò)討論在不同特征函數(shù)、時(shí)窗長(zhǎng)度和短窗位置下STA/LTA值的變化趨勢(shì)、拾取效果和運(yùn)算時(shí)間，以選取能提高算法靈敏性、改善地震事件拾取效果和提高算法計(jì)算效率的參數(shù)，并將改進(jìn)的STA/LTA算法應(yīng)用于實(shí)際地震數(shù)據(jù)處理。結(jié)果表明：不同的特征函數(shù)對(duì)事件拾取率、拾取時(shí)間偏差和算法運(yùn)算時(shí)間影響不同;長(zhǎng)短時(shí)窗長(zhǎng)度相差越大，STA/LTA值的變化越明顯;時(shí)窗越長(zhǎng)，算法運(yùn)算時(shí)間越長(zhǎng);短窗置后可以增大STA/LTA值的變化幅度、減少算法計(jì)算量，改善算法拾取時(shí)間。改進(jìn)的STA/LTA算法拾取效果更好，計(jì)算效率更高，占用內(nèi)存資源更小，更適用于集成資源有限的MEMS烈度計(jì)。

關(guān)鍵詞：MEMS烈度計(jì);STA/LTA;拾取;運(yùn)算時(shí)間

中圖分類號(hào)：P315.61?? 文獻(xiàn)標(biāo)識(shí)碼：A?? 文章編號(hào)：1000-0666（2021）02-0208-08

0 引言

地震烈度速報(bào)需要布設(shè)大量的地震儀器組建高密度監(jiān)測(cè)網(wǎng)絡(luò)，并要求儀器在斷電后能依靠后備電池獨(dú)立供電繼續(xù)工作。相比于傳統(tǒng)力平衡地震加速度計(jì)，MEMS加速度傳感器具有體積小、質(zhì)量輕、成本低、功耗低等特點(diǎn)（張海濤，閻貴平，2003;胡星星等，2013;王浩，丁煒，2013;李昌瓏，2013），可大規(guī)模布設(shè)，適用于需要密集監(jiān)測(cè)的地震預(yù)警和烈度速報(bào)網(wǎng)絡(luò)。

王建軍等（2009）、蔡莉等（2014），胡星星等（2015）都基于ARM9與Linux系統(tǒng)，采用MEMS加速度傳感器研制了數(shù)字烈度計(jì)，儀器終端結(jié)合嵌入式系統(tǒng)和高性能單片機(jī)，集成網(wǎng)絡(luò)傳輸功能，內(nèi)嵌地震數(shù)據(jù)處理算法，實(shí)現(xiàn)了地震事件自動(dòng)識(shí)別、地震動(dòng)參數(shù)自動(dòng)計(jì)算和通訊傳輸一體化，驗(yàn)證了地震數(shù)據(jù)處理算法嵌入設(shè)備的可行性。Peng等（2017，2019）基于Linux操作系統(tǒng)研制了一種可用于高動(dòng)態(tài)范圍的MEMS三軸加速度計(jì)，內(nèi)置STA/LTA算法自動(dòng)檢測(cè)事件，用于地震預(yù)警。

MEMS烈度計(jì)以MEMS加速度傳感器作為傳感單元采集數(shù)據(jù)，利用嵌入式處理器和Linux操作系統(tǒng)組建控制處理系統(tǒng)，內(nèi)嵌地震數(shù)據(jù)處理算法實(shí)時(shí)處理地震數(shù)據(jù)。為了降低儀器功耗和網(wǎng)絡(luò)運(yùn)行成本，MEMS烈度計(jì)應(yīng)內(nèi)嵌地震事件識(shí)別算法，以保證在識(shí)別到地震事件時(shí)才進(jìn)行地震動(dòng)參數(shù)計(jì)算和數(shù)據(jù)傳輸。

常見的地震事件識(shí)別算法方法有能量分析法（Allen，1978;Massan et al，2006）、自回歸方法（Akaike，1973;Takanami，Kitagawa，1993;Sleeman，Eck，1999;趙大鵬等，2012）、小波變換法（劉希強(qiáng)等，1998;王喜珍，2004;滕云田等，2006;Xu et al，2019）、偏振分析法（Bai，2000;林建民等，2012）等。其中，長(zhǎng)短時(shí)窗比方法（STA/LTA）、自回歸信息準(zhǔn)則法（AR-AIC）被廣泛應(yīng)用于微地震信號(hào)自動(dòng)拾取（吳治濤，李仕雄，2010;劉勁松等，2013;段建華等，2015;Chen et al，2020）。為了綜合利用信號(hào)與噪聲的多個(gè)差異特征，馬強(qiáng)等（2013）、蔣策等（2018）結(jié)合STA/LTA算法和AIC（池赤準(zhǔn)則）算法相繼提出了多步驟自動(dòng)拾取方法，改善了算法拾取精度，可以實(shí)時(shí)處理地震臺(tái)網(wǎng)傳輸?shù)牡卣鹩涗洝?/p>

STA/LTA算法作為一種簡(jiǎn)單的能量分析法，計(jì)算量少、參數(shù)簡(jiǎn)單、計(jì)算效率高、適應(yīng)性強(qiáng)，無(wú)需占用太多資源（劉勁松等，2013;劉晗，張建中，2014），適用于集成資源有限的MEMS烈度計(jì)。為了研究STA/LTA算法在MEMS烈度計(jì)中的適用性，本文基于MEMS烈度計(jì)采集的地震加速度數(shù)據(jù)對(duì)STA/LTA算法進(jìn)行應(yīng)用分析，主要從特征函數(shù)、時(shí)窗長(zhǎng)度和短窗位置3個(gè)方面，對(duì)比了不同參數(shù)下STA/LTA值的變化趨勢(shì)以及STA/LTA算法的拾取效果和運(yùn)算時(shí)間。

1 STA/LTA算法的基本原理

STA/LTA屬于能量分析法，是由Stevenson（1976）提出并應(yīng)用于地震波初至到時(shí)的判別，其基本原理為：用STA（Short Time Average）和LTA（Long Time Average）的比值來(lái)反應(yīng)地震序列幅值的變化。LTA反映了采集到的信號(hào)的背景噪聲的變化趨勢(shì)，STA反映了地震信號(hào)振幅（能量）的變化趨勢(shì)（牟培杰等，2012）。當(dāng)?shù)卣鸩ǔ踔習(xí)r，STA早于LTA增大，以至于其比值有一個(gè)明顯的增加。當(dāng)某時(shí)刻的比值大于預(yù)先設(shè)定的閾值時(shí)，認(rèn)為該時(shí)刻為地震事件的初至?xí)r間。傳統(tǒng)STA/LTA算法的計(jì)算方法如下（Jubran，David，2012;李昌瓏，2013;Kwon et al，2018）：

STA（i）=1Nsta∑Nsta-1j=0CF（i-j），i=Nsta，Nsta+1，…，n（1）

LTA（i）=1Nlta∑Nlta-1j=0CF（i-j），i=Nlta，Nlta+1，…，n（2）

R（i）=STA（i）LTA（i）i=1，2，3，…，n（3）

式中：CF（i）為地震信號(hào)的特征函數(shù);STA（i）、 LTA（i）分別為短時(shí)窗和長(zhǎng)時(shí)窗的平均值;R（i）為長(zhǎng)短時(shí)窗比值;Nsta、Nlta分別為長(zhǎng)短時(shí)窗的長(zhǎng)度;n為信號(hào)序列總長(zhǎng)度;i為采樣點(diǎn)。

2 STA/LTA算法的參數(shù)分析

從STA/LTA算法基本原理可以看出，該算法主要通過(guò)識(shí)別地震波初至?xí)r引起的長(zhǎng)短時(shí)窗平均值比值的突增來(lái)拾取地震事件到時(shí)。地震事件初至?xí)r刻，STA/LTA值的變化幅度越大，算法的敏感性越強(qiáng)。算法的運(yùn)算時(shí)間越短，資源占用越少。本文通過(guò)選用STA/LTA算法不同的特征函數(shù)，改變算法的時(shí)窗長(zhǎng)度以及短窗位置來(lái)分析STA/LTA值的變化趨勢(shì)、STA/LTA算法的運(yùn)算時(shí)間和拾取效果。所有的實(shí)驗(yàn)仿真均基于win10系統(tǒng)的MATLAB（2018版）平臺(tái)進(jìn)行，計(jì)算機(jī)CPU為八核心八線程的酷睿i7-9700系列。

2.1 特征函數(shù)分析

特征函數(shù)（Allen，1978）是包含地震事件信息的重要參數(shù)，在地震波到達(dá)時(shí)應(yīng)該能放大頻率和幅值的變化，并能靈敏地反映這種變化（趙岑，2013）。選取合適的特征函數(shù)有利于提高算法靈敏度，改善地震事件到時(shí)的拾取精度。李昌瓏（2013）用地震信號(hào)幅值絕對(duì)值作為特征函數(shù)，即CF1（i）;馬強(qiáng)等（2013）用差分放大后的地震信號(hào)作為特征函數(shù)，即CF2（i）;蔣策等（2018）用地震信號(hào)幅值平方值作為特征函數(shù)，即CF3（i）;常見的特征函數(shù)還有CF4（i）和CF5（i）等（余建華等，2011）。具體公式如下：

CF1（i）=X（i）（4）

CF2（i）=X（i）2+[X（i）-X（i-1）]2（5）

CF3（i）=X（i）2（6）

CF4（i）=X（i）2-[X（i-1）X（i+1）]（7）

CF5=X（i）-X（i-1）（8）

式中：X（i）為地震信號(hào);i為采樣點(diǎn)。

設(shè)置短時(shí)窗長(zhǎng)度Nsta為20個(gè)采樣點(diǎn)（0.1 s），長(zhǎng)時(shí)窗長(zhǎng)度Nlta為100個(gè)采樣點(diǎn)（0.5 s），計(jì)算不同特征函數(shù)下的STA/LTA值。本文基于MATLAB設(shè)置采樣頻率為200 Hz、時(shí)長(zhǎng)為8 s的組合正弦波來(lái)模擬地震信號(hào)，組合正弦波的頻率、幅值各不相同，在4 s處發(fā)生模擬地震事件。為了更好地分析，模擬地震信號(hào)只截取3.5～4.5 s。

如圖1a-1所示，模擬地震信號(hào)幅值在4 s處由1變到5，頻率為5 Hz。由于特征函數(shù)CF2（i）、 CF3（i）、 CF4（i）包含了信號(hào)幅值的平方項(xiàng)，其計(jì)算的STA/LTA值變化幅度大于特征函數(shù)CF1（i）和CF5（i）。設(shè)置模擬地震信號(hào)幅值在4 s處由1變到5，頻率在4 s處由5 Hz變到10 Hz（圖1a-2），再將其頻率在4 s處由10 Hz變到5 Hz（圖1a-3）。從圖1b中可以看出，同時(shí)改變模擬地震信號(hào)的幅值和頻率，無(wú)論頻率改變從大到小還是從小到大，選擇CF2（i）、 CF4（i）作為特征函數(shù)時(shí)，STA/LTA值變化幅度較大。

為了進(jìn)一步分析特征函數(shù)對(duì)STA/LTA算法運(yùn)算時(shí)間和拾取效果的影響，本文用不同的特征函數(shù)對(duì)2019年6月四川長(zhǎng)寧地震后采集的10條地震數(shù)據(jù)進(jìn)行事件拾取，觸發(fā)閾值固定設(shè)置為10。特征函數(shù)CF1（i）～CF4（i）計(jì)算結(jié)果詳見表1，其中偏差表示算法自動(dòng)拾取到時(shí)與人工拾取到時(shí)之間的時(shí)間差，平均運(yùn)算時(shí)間表示特征函數(shù)拾取不同地震數(shù)據(jù)時(shí)的STA/LTA算法的計(jì)算時(shí)間。當(dāng)特征函數(shù)是CF5（i）時(shí)，STA/LTA算法平均運(yùn)算時(shí)間為5.152 2 s，所有地震事件都因?yàn)殚撝翟O(shè)置過(guò)大無(wú)法識(shí)別，事件拾取率為0。

根據(jù)表1以及特征函數(shù)CF5（i）的計(jì)算情況可得表2。從表2可知，保持STA/LTA算法的觸發(fā)閾值不變，對(duì)相同地震事件進(jìn)行拾取時(shí)，不同特征函數(shù)對(duì)STA/LTA算法的影響不同。從平均運(yùn)算時(shí)間來(lái)看，特征函數(shù)CF3（i）最短， CF1（i）和CF2（i）次之， CF4（i）和 CF5（i）最長(zhǎng)。從事件拾取率來(lái)看，CF2（i）和CF4（i）能100%識(shí)別地震事件，CF1（i）和CF3（i）能識(shí)別部分地震事件， CF5（i）由于閾值設(shè)置過(guò)大無(wú)法識(shí)別地震事件。從拾取時(shí)間偏差來(lái)看，CF1（i）、 CF2（i）、 CF3（i）拾取效果相當(dāng)， 且遠(yuǎn)遠(yuǎn)優(yōu)于CF4（i）、 CF5（i）。綜合分析得出，5種特征函數(shù)中，CF2（i）地震事件拾取率高、運(yùn)算時(shí)間更短、效率更高，更適合STA/LTA算法的嵌入式應(yīng)用。

2.2 時(shí)窗長(zhǎng)度分析

STA/LTA算法的關(guān)鍵在于利用長(zhǎng)、短時(shí)窗內(nèi)的平均值來(lái)反映能量的變化趨勢(shì)，從而捕捉地震事件的特征。短時(shí)窗平均值STA主要反映了地震事件有效信號(hào)能量的瞬時(shí)變化，時(shí)窗短、變化快。長(zhǎng)時(shí)窗平均值LTA主要反應(yīng)了背景噪聲信號(hào)能量的大小，變化相對(duì)平穩(wěn)。分析時(shí)窗長(zhǎng)度對(duì)STA/LTA算法的作用效果，就是分析不同時(shí)窗長(zhǎng)度下STA/LTA值的變化趨勢(shì)。以2019年1月30日在四川洪溪村采用MEMS烈度計(jì)采集的地震數(shù)據(jù)（圖2a）作為樣本，選取CF2（i）為特征函數(shù)，分析相同時(shí)刻、不同時(shí)窗長(zhǎng)度下STA/LTA值的變化趨勢(shì)及運(yùn)算時(shí)間，如圖2和表3所示，數(shù)據(jù)采樣率為200 Hz，時(shí)長(zhǎng)為1 h。

固定短時(shí)窗長(zhǎng)度為40（0.2 s），分別取長(zhǎng)時(shí)窗長(zhǎng)度為400（2 s）、2 000（10 s）、4 000（20 s），在標(biāo)注時(shí)刻為3 221.735 s時(shí)、Nlta=400時(shí)計(jì)算得到的STA/LTA最大值為9.87，運(yùn)算時(shí)間為1.054 2 s;同時(shí)刻，Nlta=2 000和Nlta=4 000對(duì)應(yīng)的STA/LTA值分別為46.88（增大了4.75倍）和87.78（增大了8.89倍），運(yùn)算時(shí)間分別為4.600 3 s和8.893 0 s。由上可見，短時(shí)窗固定不變時(shí)，長(zhǎng)時(shí)窗長(zhǎng)度的增大，將導(dǎo)致STA/LTA值增大，STA/LTA算法運(yùn)算時(shí)間增加。設(shè)置長(zhǎng)時(shí)窗長(zhǎng)度為2 000（10 s）保持不變，分別取短時(shí)窗長(zhǎng)度為40（0.2 s）、100（0.5 s）、200（1 s），在標(biāo)注時(shí)間為3 221.73 s時(shí)、Nsta=40時(shí)計(jì)算得到的STA/LTA最大值為46.89，運(yùn)算時(shí)間為4.626 9 s;同時(shí)刻，Nsta=100對(duì)應(yīng)的STA/LTA值為18.81，縮小了2.49倍，運(yùn)算時(shí)間為4.757 6 s;Nsta=200對(duì)應(yīng)的STA/LTA值為9.44，縮小了4.97倍，運(yùn)算時(shí)間為5.017 6 s。由上可見，長(zhǎng)時(shí)窗固定不變時(shí)，短時(shí)窗長(zhǎng)度的增大，將導(dǎo)致STA/LTA值減小，STA/LTA算法運(yùn)算時(shí)間增加。

綜上所述，長(zhǎng)、短時(shí)窗的長(zhǎng)度對(duì)STA/LTA值的變化趨勢(shì)有很大的影響。同一時(shí)刻，當(dāng)長(zhǎng)時(shí)窗固定不變時(shí)，短時(shí)窗越長(zhǎng)，STA相對(duì)于LTA的變化越小，STA/LTA值越小;當(dāng)短時(shí)窗固定不變時(shí)，隨著長(zhǎng)時(shí)窗長(zhǎng)度的增大，STA相對(duì)于LTA的變化越大，STA/LTA值逐漸增大。

當(dāng)?shù)卣鸬絹?lái)時(shí)，STA/LTA值變化幅度越大，算法的敏感性越強(qiáng)。時(shí)窗選取過(guò)長(zhǎng)，計(jì)算量增多，運(yùn)算時(shí)間增長(zhǎng)，資源占用增加;時(shí)窗選取過(guò)短，短期噪聲干擾明顯，儀器的抗干擾能力減弱。因此，選取合適的時(shí)窗長(zhǎng)度尤為重要。

利用MEMS烈度計(jì)進(jìn)行地震監(jiān)測(cè)時(shí)，由于采用嵌入式控制器與存儲(chǔ)器，資源有限，所用STA/LTA算法要盡可能降低資源占用。實(shí)驗(yàn)表明，選擇不同的時(shí)窗長(zhǎng)度，STA/LTA值變化范圍為9.44～87.78，運(yùn)算時(shí)間變化范圍為1.054 2～8.893 0 s。因此筆者取短時(shí)窗長(zhǎng)度為100，長(zhǎng)時(shí)窗長(zhǎng)度為2 000，以保證STA/LTA值的變化幅度較大、運(yùn)算時(shí)間較短、資源占用較少。

2.3 短時(shí)窗位置分析

傳統(tǒng)STA/LTA算法是將短時(shí)窗取于長(zhǎng)時(shí)窗內(nèi)，即長(zhǎng)、短時(shí)窗內(nèi)擁有一部分相同的信號(hào)序列，這在一定程度上弱化了短時(shí)窗內(nèi)地震信號(hào)的能量特征。有研究者提出延遲STA/LTA算法，即將STA和LTA窗口分離，使STA和LTA窗口之間有一段時(shí)間間隔（Ruud，Huserbye，1992;段建華等，2015）。因此，本文將短時(shí)窗取于長(zhǎng)時(shí)窗之后，比較短窗置后的STA/LTA算法與傳統(tǒng)STA/LTA算法對(duì)STA/LTA值變化趨勢(shì)的影響。改進(jìn)的計(jì)算公式如下：

STA（i）=1Nsta∑Nsta-1j=0CF（i-j），i=Nsta+Nlta，Nsta+Nlta+1，…，n（9）

LTA（i）=1Nlta∑Nlta-1j=0CF（i-j），i=Nlta，Nlta+1，…，n（10）

R（i）=STA（i）LTA（i-Nsta），i=Nsta+Nlta，Nsta+Nlta+1，…，n（11）

利用上述公式，本文仍采用2019年1月30日在四川洪溪村用MEMS烈度計(jì)采集的地震數(shù)據(jù)作為樣本進(jìn)行分析。選擇CF2（i）為特征函數(shù)，短時(shí)窗長(zhǎng)度為100（0.5 s），長(zhǎng)時(shí)窗長(zhǎng)度為2 000（10 s），分析比較了相同地震事件下，兩種不同短窗位置下STA/LTA值的變化趨勢(shì)。從圖3b可以看出，在3 222.04 s時(shí)，短窗取于長(zhǎng)窗之內(nèi)的STA/LTA最大值為19.18，STA/LTA值運(yùn)算時(shí)間為4.674 6 s。同一時(shí)刻，短窗取于長(zhǎng)窗之后的STA/LTA值達(dá)到452.84，增大了23.61倍，STA/LTA值運(yùn)算時(shí)間為4.626 7s。

將短窗取于長(zhǎng)窗之后，STA/LTA值的變化幅度增大，算法運(yùn)算時(shí)間減少，運(yùn)算效率得到提高。因此可以通過(guò)短窗置后來(lái)改進(jìn)STA/LTA算法，使其更適用于MEMS烈度計(jì)。

3 算法應(yīng)用

本文選用MEMS烈度計(jì)采集的多組地震數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)采樣率為200 Hz，時(shí)長(zhǎng)為1 h，選擇CF2（i）為特征函數(shù)，短時(shí)窗長(zhǎng)度為100（0.5 s），長(zhǎng)時(shí)窗長(zhǎng)度為2 000（10 s）。進(jìn)一步分析比較短時(shí)窗取于長(zhǎng)時(shí)窗之后的改進(jìn)的STA/LTA算法與傳統(tǒng)STA/LTA算法的拾取效果，結(jié)果見表4，其中偏差表示算法拾取到時(shí)與人工拾取到時(shí)之間的時(shí)間差。表4顯示，改進(jìn)的STA/LTA算法拾取時(shí)間最大偏差為0.92 s，傳統(tǒng)STA/LTA算法拾取時(shí)間的最大偏差為1.94 s。對(duì)每一組地震數(shù)據(jù)，改進(jìn)的STA/LTA算法平均運(yùn)算時(shí)間為4.765 5 s，傳統(tǒng)STA/LTA算法平均運(yùn)算時(shí)間為5.111 2 s。由上可見，當(dāng)選取相同的特征函數(shù)和時(shí)窗長(zhǎng)度，設(shè)置相同的觸發(fā)閾值時(shí)，改進(jìn)的STA/LTA算法拾取效果更好，且該算法提高了計(jì)算效率，節(jié)約了運(yùn)算空間，更適用于資源有限的MEMS烈度計(jì)的嵌入式應(yīng)用。

為了進(jìn)一步檢驗(yàn)改進(jìn)的STA/LTA算法對(duì)地震序列的處理能力，本文選取汶川8.0級(jí)地震的23個(gè)余震（表5）進(jìn)行實(shí)驗(yàn)計(jì)算。按照主震-余震型地震序列，本文取其中110條不同震級(jí)、不同震中距的余震記錄對(duì)改進(jìn)STA/LTA算法與傳統(tǒng)STA/LTA算法的拾取效果進(jìn)行對(duì)比分析。選取特征函數(shù)CF2（i），短時(shí)窗長(zhǎng)度為100（0.5 s）、長(zhǎng)時(shí)窗長(zhǎng)度為2 000（10 s），觸發(fā)閾值設(shè)置為4。經(jīng)過(guò)對(duì)比發(fā)現(xiàn)，傳統(tǒng)STA/LTA算法漏識(shí)別7條記錄，錯(cuò)誤識(shí)別4條記錄，正確識(shí)別99條記錄，事件識(shí)別率為90%;改進(jìn)STA/LTA算法，漏識(shí)別5條記錄，錯(cuò)誤識(shí)別4條記錄，正確識(shí)別101條記錄，識(shí)別率為91.8%。相比傳統(tǒng)STA/LTA算法，改進(jìn)的STA/LTA算法拾取到時(shí)平均超前0.14 s且運(yùn)算時(shí)間短。這表明短窗位置的改變?cè)谝欢ǔ潭壬咸岣吡怂惴ǖ牡卣鹗录R(shí)別率，減弱了算法拾取到時(shí)的滯后度，縮短了算法的運(yùn)算時(shí)間，減少了儀器資源占用。漏識(shí)別率較高反映出地震序列時(shí)間間隔短，長(zhǎng)窗設(shè)置過(guò)長(zhǎng)，實(shí)際檢測(cè)中可適當(dāng)減小長(zhǎng)窗長(zhǎng)度來(lái)改善。

4 結(jié)論

本文分析了STA/LTA算法在不同特征函數(shù)、不同時(shí)窗長(zhǎng)度和不同短窗位置下的STA/LTA值的變化幅度、算法運(yùn)算時(shí)間以及地震事件識(shí)別效果。選擇最適合的MEMS烈度計(jì)參數(shù)，對(duì)STA/LTA算法進(jìn)行改進(jìn)。改進(jìn)的STA/LTA算法選擇CF2（i）為特征函數(shù)，短窗長(zhǎng)度為100（0.5 s），長(zhǎng)窗長(zhǎng)度為 2 000（10 s），短窗置于長(zhǎng)窗之后，其中長(zhǎng)窗長(zhǎng)度還應(yīng)根據(jù)地震序列密集程度進(jìn)行適當(dāng)?shù)目s短調(diào)整以提高識(shí)別率，減少漏檢情況。將改進(jìn)的STA/LTA算法應(yīng)用于實(shí)際地震數(shù)據(jù)檢測(cè)，地震到來(lái)時(shí)，與傳統(tǒng)STA/LTA算法相比，改進(jìn)的STA/LTA算法的STA/LTA值變化幅度更大、運(yùn)算時(shí)間更短，選擇合適的時(shí)窗長(zhǎng)度也使得儀器資源占用更少。短窗置后有效減少了計(jì)算量、提高了計(jì)算效率、減弱了算法拾取時(shí)間的滯后度、改善了事件拾取效果，更適用于資源有限的MEMS烈度計(jì)。

感謝中國(guó)地震局工程力學(xué)研究所為本研究提供數(shù)據(jù)支持。

參考文獻(xiàn)：

蔡莉，占偉偉，王秀，等.2014.基于微機(jī)電加速度計(jì)的地震烈度計(jì)[J].地震地磁觀測(cè)與研究，35（1/2）：240-246.

段建華，程建遠(yuǎn)，王云宏，等.2015.基于STA/LTA方法的微地震事件自動(dòng)識(shí)別技術(shù)[J].煤田地質(zhì)與勘探，43（1）：76-80+85.

胡星星，高孟潭，滕云田，等.2015.地震動(dòng)參數(shù)速報(bào)儀的研制[J].地球物理學(xué)報(bào)，58（3）：1024-1034.

胡星星，滕云田，謝凡，等.2013.基于MEMS傳感器的速度型地震計(jì)技術(shù)研究[J].地球物理學(xué)進(jìn)展，28（1）：515-522.

蔣策，吳建平，房立華.2018.地震檢測(cè)與震相自動(dòng)拾取研究[J].地震學(xué)報(bào)，40（1）：45-57.

李昌瓏.2013.基于MEMS加速度傳感器的地震烈度監(jiān)測(cè)技術(shù)研究與實(shí)現(xiàn)[D].北京：中國(guó)地震局地震研究所.

林建民，楊微，陳蒙，等.2012.偏振分析在地震信號(hào)檢測(cè)中的應(yīng)用[J].中國(guó)地震，28（2）：133-143.

劉晗，張建中.2014.微震信號(hào)自動(dòng)檢測(cè)的STA/LTA算法及其改進(jìn)分析[J].地球物理學(xué)進(jìn)展，29（4）：1708-1714.

劉勁松，王赟，姚振興.2013.微地震信號(hào)到時(shí)自動(dòng)拾取方法[J].地球物理學(xué)報(bào)，56（5）：1660-1666.

劉希強(qiáng)，周蕙蘭，鄭治真，等.1998.基于小波變換的信號(hào)突變檢測(cè)、濾波和瞬態(tài)譜研究[J].國(guó)際地震動(dòng)態(tài)，（1）：1-9.

馬強(qiáng)，金星，李山有，等.2013.用于地震預(yù)警的P波震相到時(shí)自動(dòng)拾取[J].地球物理學(xué)報(bào)，56（7）：2313-2321.

牟培杰，王潤(rùn)秋，李彥鵬，等.2012.微地震事件的自動(dòng)檢測(cè)研究[C]//中國(guó)地球物理學(xué)會(huì)第二十八屆年會(huì)論文集.北京：中國(guó)地球物理學(xué)會(huì).

滕云田，王喜珍，王曉美，等.2006.用B-樣條雙正交小波拾取P波到時(shí)[J].地震學(xué)報(bào)，28（3）：329-333.

王浩，丁煒.2013.MEMS加速度計(jì)與傳統(tǒng)地震加速度計(jì)的比較研究[J].大地測(cè)量與地球動(dòng)力學(xué)，33（S2）：93-95.

王建軍，吳榮輝，何加勇.2009.基于IPv6和無(wú)線網(wǎng)絡(luò)的地震烈度計(jì)開發(fā)[J].現(xiàn)代電子技術(shù)，32（1）：23-25，29.

王喜珍.2004.小波變換在地震數(shù)據(jù)壓縮和震相到時(shí)拾取中的應(yīng)用研究[D].北京：中國(guó)地震局地球物理研究所.

吳治濤，李仕雄.2010.STA/LTA算法拾取微地震事件P波到時(shí)對(duì)比研究[J].地球物理學(xué)進(jìn)展，25（5）：1577-1582.

余建華，李丹丹，韓國(guó)棟.2011.特征函數(shù)響應(yīng)特性分析及STA/LTA方法的改進(jìn)[J].國(guó)外電子測(cè)量技術(shù)，30（7）：17-19，23，27.

張海濤，閻貴平.2003.MEMS加速度傳感器的原理及分析[J].電子工藝技術(shù)，（6）：260-262，265.

趙岑.2013.P波預(yù)警中的震級(jí)預(yù)測(cè)和PGA、PGV估算研究[D].成都：西南交通大學(xué).

趙大鵬，劉希強(qiáng)，李紅，等.2012.峰度和AIC方法在區(qū)域地震事件和直達(dá)P波初動(dòng)自動(dòng)識(shí)別方面的應(yīng)用[J].地震研究，35（2）：220-225.

Akaike H.1973.Information theory as an extension of the maximum likelihood principle[C]// Proceedings in second international symposium on information theory.Budapest Akademiai Kiado，267-281.

Allen R E.1978.Automatic earthquake recognition and timing form single traces[J].Bulletin of the Seismological Research of America，68（5）：1521-1532.

Bai C Y.2000.Automatic phase-detection and identification by full Use of a single three-component broadband seismogram[J].Bulletin of the Seismological Society of America，90（1）：187-198.

Chen Y N，Li J，Wang Z J，et al.2020.Quick phase identification for dense seismic array with aid from long term phase records of co-located sparse permanent stations[J].Earthquake Research in China，34（3）：328-342.

Jubran A，David E.2012.Adaptive microseismic event detection and automatic time picking[C].Geo Convention 2012：Vision，1-5.

Kwon J，Heo T，Kim J K，et al.2018.A new P-wave detector via moving empirical cumulative distribution function[C].Bulletin of the Seismological Society of America，108（4）：2080-2089.

Massan，F(xiàn)errettig，Spallarossad，et al.2006.Improving automatic location procedure by waveform similarity analysis：An application in the South Western Alps（Italy）[J].Play Earth Planet Interiors，154：18-29.

Peng C，Chen Y，Chen Q，et al.2017.A new type of tri-axial accelerometers with high dynamic range MEMS for earthquake early warning[J].Computers & Geosciences，100（C）：179-187.

Peng C，Jiang P，Chen Q，et al.2019.Performance evaluation of a dense MEMS-based seismic sensor array deployed in the sichuan-Yunnan border region for earthquake early warning[J].Micromachines，10（11）：735.

Ruud B O，Huserbye E S.1992.A new three-component detector and automatic single-station bulletin production[J].Bulletin of the Seismological Research of America，82（1）：221-237.

Sleeman R，Eck T V.1999.Robust automatic P-phase picking：an on-line implementation in the analysis of broadband seismogram recordings[J].Physics of the Earth and Planetary Interiors，113（1-4）：265-275.

Stevenson R.1976.Microearthquakes at Flathead Lake，Montana：A study using automatic earthquake processing[J].Bulletin of the Seismological Research of America，66（5）：61-79.

Takanami T，Kitagawa G.1993.Multivariate time-series model to estimate the arrival times of S-waves[J].Pergamon，19（2）：295-301.

Xu Z，Wang T，Xu S H，et al.2019.Active source seismic identification and automatic picking of the P-wave first arrival using a convolutional neural network[J].Earthquake Research in China，33（2）：288-304.

The Applicability Analysis of STA/LTA Algorithm forMEMS Seismic Intensity Instruments

ZHONG Yuan，HU Xingxing，TENG Yuntian，CHEN Bo，HE Zhaobo，SHEN Xiaoyu

（Institute of Geophysics，China Earthquake Administration，Beijing 100081，China）

Abstract

Though a number of forecasting techniques are used for the detection of seismic events，each of them has its own pros and cons.Since the MEMS seismic intensity instrument which features low cost and follows the principle of high-density deployment has limitation in integrating software and hardware resources，it is difficult to embed some more complex algorithms.Based on the simulation calculation of Matlab，this paper aims to select the parameters that can improve algorithmic sensitivity，picking-effect of seismic events and calculation efficiency according to different factors of STA/LTA algorithm including variation tendency of the STA/LTA value，picking-effect and computing-time in various situations such as different characteristic functions，different window lengths and different short-window locations.And the improvement of STA/LTA algorithm is applied to practical seismic-data processing.The final analysis suggests that diverse characteristic functions have corresponding effects on facets like event picking-rate，picking-time deviation and computing-time of algorithms;the greater difference between the lengths of long-time windows and short-time ones，the more obviously the values of STA/LTA tend to change;the computing-time of algorithm depends on the length of the window （positive correlation）;putting short windows after long ones can intensify variation range of STA/LTA values，reduce calculation amount and improve the picking time.In conclusion，the improved STA/LTA algorithm can improve the picking-effect，calculation efficiency and use less memory resources，so it is more suitable for MEMS intensity instruments with limited integrated resources.

Keywords：MEMS seismic intensity instruments;STA/LTA;picking;computing-time

收稿日期：2021-01-19.

基金項(xiàng)目：國(guó)家重點(diǎn)研發(fā)計(jì)劃（2019YFC1511001）和中國(guó)地震局地球物理研究所基本科研業(yè)務(wù)費(fèi)專項(xiàng)（DQJB19A0133）聯(lián)合資助.

第一作者簡(jiǎn)介：鐘媛（1995-），碩士研究生，主要從事地震觀測(cè)和數(shù)據(jù)處理研究工作.E-mail：zhongyuan29@126.com.