背景噪声中地震信号的可识别判据及量化验算

第３４卷　第ｓ／６期　２０１３年　１２月　地震地磁观测与研究　ＳＥＩＳＭ０Ｌ０ＧＩＣＡＬ　ＡＮＤ　ＧＥ０ＭＡＧＮＥＴＩＣ　ＯＢＳＥＲＶＡＴ１０Ｎ　ＡＮＤ　ＲＥＳＥＡＲＣＨ　Ｖｏ１．３４　Ｎｏ．５／６　Ｄｅｃ．　２０１３　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３—３２４６．２０１３．ｏｓ／ｏ６．０２４　背景噪声中地震信号的可识别　判据及量化验算　崔庆谷　樊丽云　李万金　（中国昆明６５０２２４云南省地震局）　摘要　背景噪声与地震信号的强度或周期差异决定地震震相是否可从视觉上有效识别。为寻找　平稳背景噪声中地震信号的视觉可识别判据，研究能反映两者频率差异及强度差异的参量用于上　述两种信号对比，得到背景噪声中地震信号视觉可识别条件的量化判据，并用实际观测资料及仿　真数据进行验证。在此基础上，针对功率谱计算过程中的校正环节进行讨论，利用Ａｌｂｕｑｕｅｒｑｕｅ实　验室给出的测试实例阐明ＵＳＧＳ标准中功率谱计算的规范步骤及细节。　关键词　背景噪声；地震信号；视觉可识别判据；振幅谱密度；功率谱密度　０　概述　背景噪声、地震信号、正弦信号是地震观测中经常面对且必须就某一特征进行比较的信　号。在地震定位和大震速报中，从背景噪声中识别地震信号并标注震相是分析人员的日常工　作，只有当地震波强度大于背景噪声或者地震波的周期与背景噪声相比存在较大差异时，分析　人员才能从背景噪声中识别震相并进行标注。因此，震相识别的过程就是对地震波和背景噪　声的强度（或周期）进行对比并做出判断的过程。长期以来，这个过程一直依靠人的视觉完成，　过程中隐含对地震信号视觉可识别条件的模糊判据。随着数字化技术的推广应用，各种数据　处理方法广泛用于震相的自动识别和定位（沈萍，２００２；李山友，２００６），视觉可识别已经不再是　地震震相识别的必要条件。但原始的、未经处理的地震记录数据依然是地震工作者在第一时　间直接面对和处理的对象，有必要对地震信号的视觉可识别条件做进一步研究。　本文在理论分析的基础上得到功率谱密度与振幅谱密度之间的转换关系，并结合ＵＳＧＳ　测试标准（Ｃｈａｒｌｅｓ　Ｒ　Ｈｕｔｔ，１９９９），用实例展示功率谱密度与振幅谱密度量化计算中的细节问　题。在此基础上，研究背景噪声中地震信号的可识别判据，并用真实背景噪声及地震信号为例　加以证实。　量化对比关系的建立　能量信号和功率信号的强度对比不能直接根据振幅谱密度、功率谱密度的数值大小得　结论，而是必须建立两者之间的量化关系。由于地震信号的强度指标是振幅谱密度（安艺敬　作者简介：崔庆谷（１９６７一），男，高级工程师，２００３年中国地震局地球物理研究所固体地球物理专业毕业，获理学博　士学位，曾从事地震计设计及地震计性能研究工作，现从事地震监测工作　基金项目：云南省自然科学基金面上项目（２００８ＣＤ２２０）资助　本文收到日期：２０１３　０４　１　７　第５／６期　崔庆谷等：背景噪声中地震信号的可识别判据及量化验算　１４５　一，１９８７；彼得・鲍曼，２００６）。如果将功率谱密度转换为对应的振幅谱密度就可以将背景噪声　持续时间为Ｔ的离散地震信号Ｘ（ｋＡｔ）可以用傅里叶级数表示（Ｊｅｎｓ　Ｈａｖｓｋｏｖ，２００７）　与地震信号进行对比。　ｘ（ｋＡｔ）一∑Ｆ　×ｅｊＸ２￣ｒＸｎＸｋ／Ｎ　（１）　其中，Ｎ为持续时间Ｔ内的采样点数（对于分段ＤＦＴ，分段重叠部分必须重复计人Ｎ），ｋ一０，　１，２，３，…，Ｔ／Ａｔ，Ｎ—Ｔ／Ａｔ，Ａｔ为采样时间间隔，Ｆ　为傅里叶谱系数。如果只考虑正频率，　Ａ　一Ｆ　称为地震信号的振幅谱　Ａ　兰　∑　（尼△￡）８　。积　为消除时间窗长度Ｔ对谱的影响，引入振幅谱密度Ａ：　一（２）　Ｔ×Ａ　一Ａｔ∑ｘ（ｋＡｔ）ｅ　（３）　令ＦＤＦ　一∑ｘ（ｋＡｔ）ｅ　川　为ｚ（ｋＡｔ）的离散傅里叶变换，则　Ａ　一Ａｔ×Ｆ　ＦＴ　（４）　对于持续时间无限长的背景噪声，在实际计算中必须首先进行截断，假设截断长度等于地震信　号的持续时间Ｔ，采样间隔△　与地震信号相同。则背景噪声信号ｚ　（　）截断后的表达式为　ｘＴ（ｔ）一　㈤　其功率谱密度为（Ｊｅｎｓ　Ｈａｖｓｋｏｖ，２００７）　Ｐ　一　×Ｉ　Ｆ　．ｒ　Ｉ　ｚ　（６）　考虑到样本系列的个数Ｎ—Ｔ×Ｆ　，其中Ｆ　为采样率，则式（６）变为　Ｐ　一—Ｎ　一×　Ｆ×　Ｉ　ＦＤＦＴ”　　Ｉ　（７）　对比式（４）、式（７），可以得到功率谱密度与振幅谱密度的转换关系为　Ａ　一√　截断长度的差异而改变。　（８）　在没有近场强干扰的情况下，背景噪声是平稳随机信号，可任意截取一段有限长度的背景噪声　进行计算。由于式（７）计算过程中已经扣除截断长度的影响，得到的功率谱密度数值不会因为　２转换关系的检验　为了检验功率谱密度与振幅谱密度的转换关系式（８），分别用式（４）、式（８）计算一段人工　合成信号ｓｉｎ（２７ｒＸ　８Ｏｘ　）＋２ｓｉｎ（２ｚＸ１４０ｘ　）＋ｒａｎｄｎ（ｓｉｚｅ（ｔ））的振幅谱密度，其中ｔ为时间，　ｒａｎｄｎ（ｓｉｚｅ（ｔ））３９持续时间为　、方差为１．０的伪随机白噪声，假设该信号的单位为ＩＴＩ，计算结　果见图１。由图可见，由功率谱密度转换得到的振幅谱密度与按定义计算的结果一致，证明上　述转换方法是正确的。　地震地磁观测与研究　３　ＵＳＧＳ标准中功率谱密度计算校正环节　根据功率谱密度的定义式（７），背景噪声信号的离散傅里叶变换Ｆ　ＦＴ必须经过采样率Ｆ　校正、窗长度（样本数Ｎ）校正才能得到功率谱密度。在实际计算过程中，功率谱估计的方法　很多，不同资料所采用的校正环节不尽相同、得到的计算结果也存在差异，由此造成数据交换　和成果共享的困难，有必要用通行的计算标准进行统一。　此结果证明，Ｐｅｔｅｒｓｏｎ算法中已经做了窗长度及采样率校正，与式（７）的定义相同，是标准　Ｗｅｌｃｈ周期图方法，可以用Ｍａｔｌａｂ平台中的Ｗｅｌｃｈ函数实现。　－ｒ．Ｎ　ｌ１０　１０‘ｌ０　１０。”　１Ｏ　＼量　　船１０ｎ　按　０　５　ｉ０　１５　２Ｏ　２５　３０　３５　４０　４５　５０　ｆ／Ｈ　工　１０　Ｉ　５　图１　功率谱密度和振幅谱密度转换关系检验　Ｆｉｇ．１　Ｄｉａｇｒａｍ　ｆｏｒ　ｃｏｍｐａｒｉｎｇ　ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ａｍ　ｐｌｉｔｕｄｅ　ｓｐｅｃｔｒａｌ　ｄｅｎｓｉｔｙ　ｆｒｏｍ　ｔｗｏ　ａｒｉｔｈｍｅ一　１０　ｔｉｃ　ｆｏｒｍ　ａｓ　餐　／　／…　／　；　．　　．　＿＿　、　。　４地震信号可识别条件模型检验　４．１微小地方震信号识别　以云南省易门地震台２００９年５月１６日１８点记录的真实地噪声和小地震事件为研究对　象，分别计算地震事件的振幅谱密度Ａ　及背景噪声振幅谱密度Ａ　ｚ，结果见图３（ａ）；两种信号　的振幅谱密度比为Ｒ—Ａ　／Ａ　，见图３（ｂ）；实际记录数据见图３（ｃ）。　从图３（ａ）中可以看出，该地震事件的振幅谱密度Ａ　在Ｏ一２．５　Ｈｚ、４．８　９．６　Ｈｚ、１０．５　１３．６　Ｈｚ期间的值明显大于地背景噪声振幅谱密度Ａ　。其中，４．８—９．６　Ｈｚ之间的Ｓ波强度　高于背景噪声强度，容易从背景噪声中识别。而１Ｏ．５　１３．６　Ｈｚ频段的Ｐ波及Ｏ　２．５　Ｈｚ频　段的尾波强度稍弱，但依然可以从背景噪声中识别出来［图３（ｃ）］。进一步计算可见，在Ｒ＞２　时，地震波能够从背景噪声中识别出来，见图３（ｂ）。　第５／６期　崔庆谷等：背景噪声中地震信号的可识别判据及量化验算　１４７　３　姜　墨２　×　嚣　娄。　蝼　＿们６　考３　。　一３　１１７１　１１７３　１１７５　ｔ／ｓ　ｌｌ７７　１１７９　１１８１　图３　易门台记录地震波及地噪声的振幅谱密度（ａ）、振幅谱密度比Ｒ（ｂ）及真实记录时程（ｃ）　Ｆｉｇ．３　Ｄｉａｇｒａｍｓ　ｏｆ　Ａｍｐｌｉｔｕｄｅ　ｓｐｅｃｔｒａｌ　ｄｅｎｓｉｔｙ　ｏｆ　ｔｈｅ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　ａｎｄ　ｔｈｅ　ｓｅｉｓｍｉｃ　ｅｖｅｎｔ　ｇｅｔ　ｆｒｏｍ　Ｙｉｍｅｎ　ｓｔａｔｉｏｎ，Ｙｕｎｎａｎ　ｐｒｏｖｉｎｃｅ（ａ），ｒａｔｉｏ　ｏｆ　ｔｈｅ　ｔＷＯ　Ａｍｐｌｉｔｕｄｅ　ｓｐｅｃｔｒａｌ　ｄｅｎｓｉｔｙ　Ｒ　（ｂ）。ａｎｄ　ｔｈｅ　ｒｅｃｏｒｄ　ｄａｔａ（ｃ）　为进一步证实振幅谱密度比作为信号可识别指标的有效性，在地震波强度保持不变时，将　图３中地背景噪声强度提高到原噪声的２．０和４．０倍，再次计算两种信号的振幅谱密度比，结　果见图４（ａ），实际记录数据见图４中（ｂ）、（ｃ）、（ｄ）图。　从图４（ａ）中可以看出，随着背景噪声强度增大，地震事件与背景噪声的振幅谱密度比Ｒ　逐渐减小。对比图４（ａ）、（ｃ），当背景噪声强度增加２．０倍时，Ｐ波已经无法识别，此时Ｐ波对　应频段（１０．５—１３．６　Ｈｚ）的谱密度比Ｒ≤２．０，但Ｓ波频段（４．８—９．６　Ｈｚ）对应的谱密度比Ｒ　的峰值依然大于２．０，对应记录中的Ｓ波依然可以识别。　对比图４（ａ）、图４（ｄ），当背景噪声强度增加为４．０倍时，Ｐ波、Ｓ波均无法识别，此时谱密　度比Ｒ值小于２．０。　６　４　们ｌ　２　０　砉５　０　５　Ｏ　，肫　１０　１５　酱一ｓ　专５　０　簧一ｓ　图４地方小震与背景噪声振幅谱密度比Ｒ随背景噪声强度倍数（１．０、２．０、４．０倍）的变化曲线（ａ）、　１．０倍背景噪声时的记录时程（ｂ）、２．０倍背景噪声时的记录时程（ｃ）、４．０倍背景噪声时的记录时　程（ｄ）　Ｆｉｇ．４　Ａｍｐｌｉｔｕｄｅ　ｓｐｅｃｔｒａｌ　ｄｅｎｓｉｔｙ　ｒａｔｉｏｓ　ｏｆ　ｌｏｃａｌ　ｅｖｅｎｂｔｏ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　ｖａｒｙｉｎｇ　ｗｉｔｈ　ｓｔｒｅｎｇｔｈ（１０．　．２．０，４．０　ｍｕｌｔｉｐｌｅ）ｏｆ　ｔｈｅ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　４．２近震信号识别　以云南省勐腊地震台２０１０年１２月５日２１时记录的背景噪声和近震事件（Ｓ—Ｐ－￣３００　ｓ）　为研究对象，分别计算地震事件的振幅谱密度与１．０倍、４．０倍背景噪声振幅谱密度比，得到２　１４８　地震地磁观测与研究　条振幅谱密度比Ｒ随频率变化曲线［图５（ａ）］、实际记录数据见图５（ｂ）、图５（ｃ）。　１　８　Ｑ＝１　Ｏ　２　１０　１０　２　砉１　一　交。　１　１０８０　１１Ｏ０　ｌ１２０　ｆ／Ｈｚ　量　ｌ１４０　ｔ／ｓ　ｌ１６０　ｌ１８０　１２００　０　一　厂　小　Ｚ　倒　８０　Ｉ１００　１１２Ｏ　１１４０　ｔ／ｓ　１１６０　ｌ１８Ｏ　１２００　Ｏ　图５近震与背景噪声振幅谱密度比Ｒ随背景噪声强度倍数（１．０、４．０倍）的变化曲线（ａ）、１．０倍背景　噪声时的记录数据（ｂ）、４．０倍背景噪声时的记录数据（ｃ）　Ｆｉｇ．５　Ａｍｐｌｉｔｕｄｅ　ｓｐｅｃｔｒａｌ　ｄｅｎｓｉｔｙ　ｒａｔｉｏｓ　ｏｆ　ｎｅａｒ—ｆｉｅｌｄ　ｅｖｅｎｔ—ｔｏ—ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　ｖａｒｙｉｎｇ　ｗｉｔｈ　ｓｔｒｅｎｇｔｈ　（１．０．２．０．４．０　ｍｕｌｔｉｐｌｅ）ｏｆ　ｔｈｅ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　从图５（ａ）可见，振幅谱密度比Ｒ存在２个峰值区，分别代表Ｓ波和Ｐ波所在频段，随着背景　噪声强度增大，事件波形与背景噪声的振幅谱密度比Ｒ逐渐减小。对比图５（ａ）、图５（ｃ），当背景　噪声强度增加为４．０倍时，Ｐ波无法识别。Ｐ波对应频段（２．０　５．０　Ｈｚ）的谱密度比Ｒ≤２．０，但Ｓ　波频段（１．ｏ　２．０　Ｈｚ）对应的谱密度比Ｒ依然大于２．０，对应记录中的ｓ波依然可以识别。　４．３远震信号识别　以云南省勐腊地震台２０１０年１２月１日０５时记录的真实地噪声和远震事件为研究对象，　分别计算地震事件的振幅谱密度与１．０倍、４．０倍、８．５倍背景噪声的振幅谱密度比，得到３条　振幅谱密度比Ｒ随频率变化曲线［图６（ａ）］，实际记录数据见图６（ｂ）、图６（ｃ）、图６（ｄ）。　：４　昌　０　世　一４　一　１０　８　曼　２　墨４　０　．遗　蚓０　ｄ　ｄ　２３０Ｏ　２　７ｕ０　ｔ／ｓ　３１００　３５００　２３００　２７００　Ｕｓ　３１００　３５０。　图６远震波与背景噪声振幅谱密度比Ｒ随背景噪声强度倍数（１．０、４．０倍）的变化曲线（ａ）、３．０倍　背景噪声时的记录数据（ｂ）、８．５倍背景噪声时的记录数据（ｃ）　Ｆｉｇ．６　Ａｍｐｌｉｔｕｄｅ　ｓｐｅｃｔｒａｌ　ｄｅｎｓｉｔｙ　ｒａｔｉｏｓ　ｏｆ　ｔｅｌｅ—ｓｅｉｓｍｉｃ　ｅｖｅｎｔ—ｔｏ—ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　ｖａｒｙｉｎｇ　ｗｉｔｈ　ｓｔｒｅｎｇｔｈ（１．０，２．０，４．０　ｍｕｌｔｉｐｌｅ）ｏｆ　ｔｈｅ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　从图６（ａ）可见，该远震对应的振幅谱密度比Ｒ存在２个峰值区，分别代表体波（１．０—　２．０　Ｈｚ）和Ｒｌａｙｌｅｉｇｈ面波（５．０　９０　ｓ）所在频段，随着背景噪声强度增大，振幅谱密度比Ｒ逐　渐减小。对比图６（ａ）、图６（ｄ），当背景噪声强度增加为８．５倍时，体波已经无法识别，体波对　应频段（１．Ｏ　２．０　Ｈｚ）的谱密度比Ｒ≤２．０，但面波频段的谱密度比Ｒ依然大于２．０，对应记录　中的面波依然可以有效识别。　综合以上分析结果，选取更多震例进行计算，结果表明：无论对地方震、近震或远震，地震　第５／６期　崔庆谷等：背景噪声中地震信号的可识别判据及量化验算　１４９　波与背景噪声振幅谱密度比Ｒ作为地震信号的视觉可识别判据是有效的，当Ｒ≥２．０时，对应　频段信粤可以从背景噪声中有效识别；当Ｒ＜２．０时，对应频段信号难以肉眼识别。　５　结论　对于被噪声所包围的特定地震波图像，虽然能够依靠视觉对地震波是否可识别做出判断，　但难以对具体的判断条件进行精确描述。虽然频域ＲＭＳ一直作为地震波可识别判据用于地　震台站和台网的监测能力计算，但由于ＲＭＳ值来源于平稳随机噪声的功率谱，代表某一频带　宽度（可变）内平稳随机信号的平均强度，因此将ＲＭＳ值作为地震信号的可识别条件与部分　通行标准（安艺敬一，１９８７；彼得・鲍曼，２００６）不一致。　振幅谱密度能够反映两种信号的强度差异，也能够以强度随频率变化的方式反映两者的　周期差异，该参数～直作为地震波强度的参数出现在教材中（安艺敬一，１９８７；彼得・鲍曼，　２００６）。利用功率谱密度与振幅谱密度的转换关系，可以实现地震波与背景噪声的量化对比。　实际和模拟的记录数据证明，振幅谱密度比是背景噪声中地震信号可识别的一种可靠判据。　参考文献　李山有，朱海燕，武东坡，等．基于振动和瞬时频率的震相自动识别方法［Ｊ］．世界地震工程，２００６，２２（４）：１—４．　沈萍，郑治真，刘希强，等．小震综合识别研究ＥＪ］．地震学报，２００２，２４（２）：１６９—１７５．　安艺敬一，Ｐ　Ｇ理查兹．定量地震学——理论和方法・第一卷［Ｍ］．北京：地震出版社，１９８７：５５２—５５４．　彼得・鲍曼．新地震观测实践手册第一卷［Ｍ］．北京：地震出版社，２００６：９４一１００．　Ｃｈａｒｌｅｓ　Ｒ　Ｈｕｔｔ．Ｓｔａｎｄａｒｄｓ　ｆｏｒ　Ｓｅｉｓｍｏｍｅｔｅｒ　Ｔｅｓｔｉｎｇ（Ａ　Ｐｒｏｇｒｅｓｓ　Ｒｅｐｏｒｔ）ｌ　Ｄ　１．Ｕ　Ｓ　Ｇｅｏｌｏｇｉｃａｌ　Ｓｕｒｖｅｙ，Ａｌｂｕｑｕｅｒｑｕｅ　Ｓｅｉｓｍｏ—　ｌｏｇｉｃａｌ　Ｌａｂｏｒａｔｏｒｙ，Ｋｉｒｔｌａｎｄ　ＡＦＢ－Ｅａｓｔ，Ａｌｂｕｑｕｅｒｑｕｅ，Ｎｅｗ　Ｍｅｘｉｃｏ，ＵＳＡ，１９９０：８—１０．　Ｊｅｎｓ　Ｈａｖｓｋｏｖ，Ｇｅｒａｒｄｏ　Ａｌｇｕａｃｉｌ（著），赵仲和赵建和（译）、地震观测技术与仪器［Ｍ］．北京：地震出版社，２００７：１１８—１２３．　Ｐｅｔｅｒ　Ｗ　Ｒｏｄｇｅｒｓ．Ｆｒｅｑｕｅｎｃｙ　Ｌｉｍｉｔｓ　Ｆｏｒ　Ｓｅｉｓｍｏｍｅｔｅｒｓ　Ａｓ　Ｄｅｔｅｒｍｉｎｅｄ　Ｆｒｏｍ　Ｓｉｇｎａｌ—Ｔｏ—Ｎｏｉｓｅ　Ｒａｔｉｏｓ．Ｐａｒｔ　１．Ｔｈｅ　Ｅｌｅｃｔｒｏ—　ｍａｇｎｅｔｉｃ　Ｓｅｉｓｍｏｍｅｔｅｒ　Ｊ　Ｉ．ＢＳＳＡ，１９９２，８２（２）：１　０７１—１　０９８．　Ｐｅｔｅｒ　Ｗ　Ｒｏｄｇｅｒｓ．Ｆｒｅｑｕｅｎｃｙ　Ｌｉｍｉｔｓ　Ｆｏｒ　Ｓｅｉｓｍｏｍｅｔｅｒｓ　Ａｓ　Ｄｅｔｅｒｍｉｎｅｄ　Ｆｔｏｍ　Ｓｉｇｎａｌ—Ｔｏ—Ｎｏｉｓｅ　Ｒａｔｉｏｓ．Ｐａｒｔ　２．Ｔｈｅ　Ｆｅｅｄｂａｃｋ　Ｓｅｉｓｍｏｍｅｔｅｒ　ｌ　Ｊ　１．ＢＳＳＡ，１９９２，８２（２）：１　０９９—１　１２３．　Ｐｅｔｅｒｓｏｎ　Ｊ．Ｏｂｓｅｒｖａｔｉｏｎｓ　ａｎｄ　ｍｏｄｅｌｉｎｇ　ｏｆ　Ｓｅｉｓｍｉｃ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ［Ｍ］．Ｕ　Ｓ　Ｇｅｏｌ　Ｓｕｒｖｅｙ　Ｏｐｅｎ－Ｆｉｌｅ　Ｒｅｐｏｒｔ，１９９３：９３—３２０．　Ｃｒｉｔｅｒｉｏｎ　ｆｏｒ　ｄｉｓｔｉｎｇｕｉｓｈｉｎｇ　ｓｅｉｓｍｉｃ　ｓｉｇｎａｌ　ｆｒｏｍ　ｓｔｅａｄｙ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　ｖｉｓｕａｌｌｙ：ｉｔｓ　ｑｕａｎｔｉｆｉｃａｔｉＯｎ　ａｎｄ　ｖｅｒｉｆｉｃａｔｉｏｎ　Ｃｕｉ　Ｑｉｎｇｇｕ，Ｆａｎ　Ｌｉｙｕｎ　ａｎｄ　Ｌｉ　Ｗａｎｊｉｎ　（Ｅａｒｔｈｑｕａｋｅ　Ａｄｍｉｎｉｓｔｒａｔｉｏｎ　ｏｆ　Ｙｕｎｎａｎ　Ｐｒｏｖｉｎｃｅ，Ｋｕｎｍｉｎｇ　６５０２２４，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ　Ｓｍａｌｌ　ｓｅｉｓｍｉｃ　ｅｖｅｎｔ　ｗａｖｅｓ　ａｎｄ　ｗｅａｋ　ｔｅｌｅｓｅｉｓｍｉｃ　ｓｉｇｎａｌｓ　ａｒｅ　ａｌｗａｙｓ　ｂｕｒｉｅｄ　ｉｎ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　ａｎｄ　ｃａｎｎｏｔ　ｂｅ　ｉｄｅｎｔｉｆｉｅｄ　ｖｉｓｕａｌｌｙ；ｔｈｅ　ｄｉｆｆｅｒｅｎｃｅ　ｂｏｔｈ　ｉｎ　ｓｔｒｅｎｇｔｈ　ａｎｄ　ｆｒｅｑｕｅｎｃｙ　ｂｅｔｗｅｅｎ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　ａｎｄ　ｓｅｉｓｍｉｃ　ｓｉｇｎａｌ　ｄｅｃｉｄｅｓ　ｗｈｅｔｈｅｒ　ｔｈｅ　ｓｅｉｓｍｉｃ　ｓｉｇｎａｌ　ｃａｎ　ｂｅ　ｄｉｓｔｉｎｇｕｉｓｈｅｄ　ｆｒｏｍ　ｓｔｅａｄｙ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ．Ｆｏｒ　ｓｅａｒｃｈｉｎｇ　ａ　ｐａｒａｍｅｔｅｒ　ｗｈｉｃｈ　ｃａｎ　ｉｎｄｉｃａｔｅ　ｔｈｅ　ｄｉｆｆｅｒｅｎｃｅ　ｂｏｔｈ　ｉｎ　ｓｔｒｅｎｇｔｈ　ａｎｄ　ｆｒｅｑｕｅｎｃｙ　ｂｅｔｗｅｅｎ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　ａｎｄ　ｓｅｉｓｍｉｃ　ｓｉｇｎａ１．ａ　ｃｒｉｔｅｒｉｏｎ　ｆｏｒ　ｄｉｓｔｉｎｇｕｉｓｈｉｎｇ　ｓｅｉｓｍｉｃ　ｓｉｇｎａ１　ｆｒｏｍ　ｓｔｅａｄｙ　ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ　ｖｉｓｕａｌｌｙ　ａｒｅ　ｗｏｒｋｅｄ　ｏｕｔ　ａｎｄ　ｔｈｅｎ　ｄｅｍｏｎｓｔｒａｔｅｄ　ｂｙ　ｐｒａｃｔｉｃａ１　ｄａｔａ　ａｎｄ　ｉｔｓ　ｓｉｍｕｌａｔｉｏｎ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｗｈｉｃｈ　ｋｉｎｄ　ｏｆ　ａｍｅｎｄｉｎｇ　ｓｔｅｐｓ　ｓｈｏｕｌｄ　ｂｅ　ｕｓｅｄ　ｉｎ　ｃａｌｃｕｌａｔｉｏｎ　ｏｆ　ｐｏｗｅｒ　ｓｐｅｃｔｒａｌ　ｄｅｎｓｉｔｙ　ａｒｅ　ａｒｇｕｅｄ　ａｎｄ　ｔｈｅｎ　ｔｈｅ　ｎｏｒｍａｌ　ｗａｙ　ｏｆ　ＵＳＧＳ　ｓｔａｎｄａｒｄ　ｆｏｒ　ｐｏｗｅｒ　ｓｐｅｃｔｒａｌ　ｄｅｎｓｉｔｙ　ｃａｌｃｕｌａｔｉｏｎ　ｉｓ　ｄｅｔａｉｌｅｄ　ａｎｄ　ｄｅｍｏｎｓｔｒａｔｅｄ　ｂｖ　ａｎ　ｅｘａｍｐｌｅ　ｏｆ　Ａｌｂｕｑｕｅｒｑｕｅ　ｓｅｉｓｍｏｌｏｇｉｃａｌ　ｌａｂｏｒａｔｏｒｙ．　Ｋｅｙ　ｗｏｒｄｓ：ｂａｃｋｇｒｏｕｎｄ　ｎｏｉｓｅ，ｓｅｉｓｍｉｃ　ｓｉｇｎａｌ，ｖｉｓｕａｌ　ｄｉｓｔｉｎｇｕｉｓｈａｂｌｅ　ｃｒｉｔｅｒｉｏｎ，ａｍｐｌｉｔｕｄｅ　ｓｐｅｃｔｒａｌ　ｄｅｎｓｉｔｙ，ｐｏｗｅｒ　ｓｐｅｃｔｒａｌ　ｄｅｎｓｉｔｙ