基于SNR方法的地震震相识别研究
采用sPn震相确定陕西宁强M≥4.0级地震震源深度
筮 １鲞箍 ｌ 翅
２ １年 ３ ０ １ 月
防
灾 科
技
学
院
学
报
Ｖ＿１１ ｏ． ０ ． ３Ｎ １
Ｍ ｆ． ｉ ２０１ ｒ １
ＪｏｆＤ ｉａｓｅ － ｅ ｎｔｏ Ｓ ｉ ｎ ｅ ａ ｅ ｈ ． ｓ ｔｒＰｒ ｖｅ ｉｎ ｃ ｅ ｃ ｎｄ Ｔ ｃ ｎｏｌ ｙ ｏｇ
采 用 ｓ ｎ震 相 确 定 Ｐ 陕西 宁 强 Ｍ ． 地 震震 源 深 度 ≥４ ０级
清晰 ，其振 幅和周 期均 大于 Ｐ 。ｓｎ震 相是 出现在 ｎ Ｐ Ｐ ｎ与 Ｐ 间 。 以单层 地震地 壳模 型理论 计算 ｓｎ ｇ之 现 Ｐ
与Ｐ ｎ的到 时差 。
：
ＩＩ２ｌ２＋／ 雨ｔ、 ・ ・ ．嵋／ 箐ｖ √ 丽＂ 、 ’ ｈ ｖｖ ／ 却 ｔ２ 一 ． 一 ｖ ｖ 、 一 ｈ ， ｈ一
展 ，国外学 者采 用理 论地 震 图和 数字 模拟 记录 比较 方法 可清 晰分 辨 出 ｓｎ和 ｐ ｎ波 ，从 而有助 于 提高 Ｐ Ｐ 测定近 震 深度和 定位 精度 。 于震 中距 小于 １０ ｋ 对 ０ ０ｍ
的地 震 ，波形记 录 中 ｓｎ震 相并 不少 见 ，中 国学者 Ｐ
采 用 ｓｎ震相 精确 测定 了 中国 区域 的多个地 震 的震 Ｐ 源深度ＬＪ ６ 。如 今 数字 地 震 记 录 台站 已具有 一 定 规 模 ，具 备分 辨 ｓｎ波计算 震源 深度 的能力 。本文 重 Ｐ
的 ｓｎ Ｐ 震相 ，得 到较为精确 的地震震源深度。
关键词：ｓｎ震相 ；震相特 征 ；震源 深度 Ｐ
基于升降轨Sentinel-1 SAR影像研究精河Ms6.6地震震源机制
基于升降轨Sentinel-1 SAR影像研究精河Ms6.6地震震源机制刘传金;邱江涛;王金烁【摘要】采用Sentinel-1 A/B卫星升降轨SAR数据获取了2017-08-09新疆精河Ms6.6地震的同震形变场,并以InSAR形变场为约束,利用均匀滑动模型和分布式滑动模型反演了发震断层的滑动分布.结果表明,升降轨InSAR形变场均显示为隆升,形变影响范围约30 km×40 km;发震断层走向约为83.8°,倾角约为40.6°,滑动角约为89.1°,震源深度约为20.7 km,矩震级为Mw6.35,同震位错以逆冲运动为主兼有极少量左旋走滑分量.精河地震的发震断层为库松木楔克山前断裂,该次地震是新疆北天山地区逆冲断裂带深部发生错动的结果.【期刊名称】《大地测量与地球动力学》【年(卷),期】2018(038)011【总页数】6页(P1111-1116)【关键词】精河地震;InSAR;Sentinel-1;滑动分布反演;震源机制【作者】刘传金;邱江涛;王金烁【作者单位】中国地震局第二监测中心,西安市西影路316号,710054;中国地震局第二监测中心,西安市西影路316号,710054;中国地震局第二监测中心,西安市西影路316号,710054【正文语种】中文【中图分类】P237;P315据中国地震台网测定，2017-08-09 07：27(北京时间)在新疆博尔塔拉州精河县(44.27°N，82.89°E)发生MS6.6地震，震源深度约11 km，震中距精河县城37 km。
该地震位于北天山地震带，地势南高北低，海拔高度约1 500 m，区域构造如图1所示。
图1 精河地震区域构造Fig.1 Local faults of the 2017 Jinghe earthquake有历史记录以来，震中附近100 km范围内共发生4级以上地震18次(如图1所示，黑色线为区域内断层分布；红色五角星为主震位置，红色圆圈为2017-08-09～08-13的精定位余震位置；绿色圆圈为4级以上历史地震分布；震源机制解由CENC提供)。
基于sPn深度震相的沙雅M_(S)4.8地震震源深度研究
基于sPn深度震相的沙雅M_(S)4.8地震震源深度研究
闫新义;冯雪玲;赵石柱;金花
【期刊名称】《内陆地震》
【年(卷),期】2022(36)3
【摘要】采用深度震相sPn对新疆沙雅县M_(S)4.8地震事件进行震源深度计算,所得震源深度为12.6 km。
采用震源机制解CAP以及PTD与单纯型法相结合的方法,计算震源深度结果分别为11.3 km、14.6 km。
将3种方法计算出的震源深度进行对比分析,所得结果具有较好的一致性,且与沙雅隆起造成的走滑变形层所在深度基本一致。
该结论说明通过深度震相sPn计算震源深度结果较为可靠,是计算震源深度的一种快捷、准确的方法。
震源深度的准确测定,利于发震构造的判别,对震源处发生破裂过程的认知有重要影响,对地震事件的分析与预报具有重要意义。
【总页数】7页(P204-210)
【作者】闫新义;冯雪玲;赵石柱;金花
【作者单位】新疆维吾尔自治区地震局
【正文语种】中文
【中图分类】P315.7
【相关文献】
1.用模拟区域深度震相sPg、sPmP和sPn确定中小地震的震源深度
2.利用浙江地震台网记录到的sPn震相确定台湾地震的震源深度
3.利用sPn震相测定台湾海峡M6.2地震震源深度
4.利用sPn震相计算新源、和静交界区M_(S)6.6地震余震震
源深度5.基于深度学习震相拾取和密集台阵数据构建青海玛多M_(S)7.4地震震源区高分辨率地震目录
因版权原因，仅展示原文概要，查看原文内容请购买。
基于地震属性的地震相综合分析技术
基于地震属性的地震相综合分析技术沉积体的识别是地震相分析的核心和精髓,从沉积学上看,沉积体是水流体系和物源的直接的体现,它们构成了沉积体系域中最重要的组成部分,而地震相是由特定地震反射参数所限定的三维地震反射单元,它是特定沉积相或沉积体的地震响应,是地下地质体的一个综合反映,可以认为地震相是沉积相在地震剖面上的综合响应。
而沉积体可以利用地震属性快速高效地加以识别,且可靠程度比较高。
经分析大量地震属性后,可总结出以下3个属性:RMS振幅、平均瞬时频率、有效带宽,既可以识别沉积体、沉积环境,又可以为地震相提供必要的参数。
RMS振幅:振幅与提取信息部位地层的反射系数相关,即和地层的速度、密度、流体性质有关。
RMS振幅是对时窗内振幅平方的平均值开方,永远是正值,对振幅变化非常敏感。
根据振幅变化可以识别三角洲、河道、深水扇和含气砂岩等沉积造成的地震异常;区分连续沉积和杂乱反射。
所以该属性能很好地识别出沉积体的外形及展布特征,同时该属性为地震相的反射振幅参数提供依据。
平均瞬时频率:瞬时频率表示以时间为函数的瞬时相位的变化率。
它是对相位地震道的斜率的一个估算,是相位的导数。
平均瞬时频率则是对于每一输入地震数据道,先计算瞬时频率,然后将分析时窗内的所有瞬时频率的平均值输出。
该属性提供了一种追踪主频的方法,它是与气体饱和度或地层断裂,或岩性及地层改变相联系的,他与提取信息部位的地层固有频率有关,地层固有频率又和沉积物颗粒粗细(密度)有关,从共振角度分析,沉积颗粒较粗时共振频率较低,沉积颗粒较细时共振频率较高。
所以可以此来判别沉积体的物源方向、沉积区距离物源的远近,同时为地震相的反射频率参数提供参考。
有效带宽:有效带宽是由数据体的零延时的自相关函数值除以采样周期与道两边所有自相关函数值之和的乘积。
有效带宽被看作是定量化的相似数据体。
狭窄的带宽就是比较相似的数据体,反之亦然。
因此,宽的带宽表示不均质的反射特征,被认为是复杂的沉积,沉积环境动荡;窄的带宽表示的是较简单的或平滑的反射特征,认为是均质的沉积体模式,沉积环境比较稳定。
天然地震识别与震相自动拾取技术进展
天然地震识别与震相自动拾取技术进展
孙印;潘素珍;刘明军
【期刊名称】《中国地震》
【年(卷),期】2018(034)004
【摘要】震相拾取是地震数据处理过程中最基本的步骤之一.在传统的人工拾取技术不能满足庞大的地震数据处理需求的情况下,震相自动拾取技术从产生到发展至今经历了漫长的过程.本文回顾并总结了震相自动拾取技术的发展状况,重点介绍了长短时窗法、赤池准则法、模板匹配技术、基于自相关盲搜索的FAST法、S波偏振分析法、人工智能方法等,以及近年发展起来的多频率震相识别、全波形叠加、二次方自回归模型等方法,同时分析了每种方法的优势和局限性.
【总页数】15页(P606-620)
【作者】孙印;潘素珍;刘明军
【作者单位】中国地震局地球物理勘探中心,郑州市文化路75号 450002;中国地震局地球物理勘探中心,郑州市文化路75号 450002;中国地震局地球物理勘探中心,郑州市文化路75号 450002
【正文语种】中文
【中图分类】P315
【相关文献】
1.低信噪比微震P波震相初至自动拾取方法 [J], 贾瑞生;谭云亮;孙红梅;洪永发
2.地震检测与震相自动拾取研究 [J], 蒋策;吴建平;房立华
3.基于支持向量机的地震体波震相自动识别及到时自动拾取 [J], 蒋一然;宁杰远
4.基于优化参数的地震P、S波震相到时自动拾取及质量评估 [J], 杨旭; 李永华; 苏伟; 孙莲
5.基于深度学习和台阵策略的震相自动拾取方法APP++及其在川滇地区的应用[J], 蒋一然;宁杰远;李春来
因版权原因，仅展示原文概要，查看原文内容请购买。
地震波形识别技术的研究与应用
地震波形识别技术的研究与应用地震波形识别是地震学领域中的一个重要研究方向，也是震源机制研究、地震预报、震源定位等方面的基础工作。
地震波形识别技术的研究旨在将地震波形数据转换为有用的信息，提高地震预测和监测的准确性和可靠性。
一、地震波形的特征地震波形是指地震产生的波形信号。
在地震波形中，包含了前、中、后三个阶段的信息。
前阶段的波形为短周期振动，发生于地震瞬间，又称为地震初动；中阶段的波形为长周期振动，称为主震波；后阶段的波形为长周期振动，称为余震波。
地震波形的特征可以从频域和时域两个方面来描述。
频域特征包括频率、频谱、谱宽等；时域特征包括振幅、振幅谱、相位等。
在实际应用中，主要从时域特征入手，确定地震波形的类型和参数。
二、地震波形识别技术的研究地震波形识别技术的研究是针对地震波形进行类别识别和参数分析，以便更好地理解地震波形产生的物理过程和地震的发生过程。
1. 类别识别地震波形的分类包括地震类型识别、地震震级识别、地震深度识别等。
常见的分类算法包括传统的统计分类算法和人工神经网络算法等。
2. 参数分析地震波形的参数分析主要包括振幅、振幅谱、相位等参数的计算和分析。
参数分析包括时域分析、频域分析、小波分析等。
3. 研究方向未来地震波形识别技术的研究方向包括深度学习方法、多模态数据融合、大数据分析等。
其中，深度学习方法是近年来新兴的一种分类方法，它可以自动提取特征并进行分类。
三、地震波形识别技术的应用地震波形识别技术的应用广泛，主要包括地震预报、震源机制研究、地震监测和震源定位等方面。
1. 地震预报地震波形识别技术可以通过识别地震波形的类型和参数，帮助预测地震发生的可能性，提高地震预测的准确性。
同时，地震波形识别技术还可以为地震预报提供更为直接的证据。
2. 震源机制研究地震波形识别技术可以帮助确定地震的震源机制，为地震机理研究提供可靠数据。
在这方面，地震波形识别技术可以结合地震烈度和地形等其他因素，并分析地震波形特征，对震源机制进行判断和分析。
地震中的震相分析
地震中的震相分析摘要：本文总结多年来工作中的一些震相分析经验，用典型震例说明震相分析的方法，主要讨论用长春台接收到的地震图分析近震，远震，极远震，震相分析的方法，包括地震的震相特征和分析方法。
关键词：近震；远震；极远震；震相特征地震分析可以从以下几个方面着手解决问题，首先观全貌判定地震类型（近、远、极远）其次确定第二震相。
近震S，SM，Lg，远震S，SKS，极远震PP，SKKS等确定深震相：AP，XP，XS，PcP，ScP，PcS，ScS，APKP，XPKP等根据第二震相及深震相，确定震中距和深度。
什么是震相呢？震相是指与特定的射线相连系的地震波或地震图上清晰振动脉冲的初始时刻。
还有一点需注意影响地震波传播的几个主要因素：震源机制，震源体积，破裂速度：传播路径介质的影响：台基岩性的影响：仪器特性的影响。
以下我们用长春台站记录到的实际震例分别举例说明。
1 近震震相特征近震地震波是指震源在地壳内且波的传播路径也在地壳内的地震波。
通常认为近震波的震中距范围在1000km以内。
2000年1月12日在辽宁岫岩海城间，发生M5.1级地震。
震源深度7KM,长春台距这次地震震中411KM，属较典型近震。
从图上我们看出PG在原始记录图上分析要比仿真短周期图上分析更准确一些。
近震在短周期上面波较发育，且衰减速度较快。
PG,SG震相清淅，来自莫霍界面的首波PN,康拉德界面的首波PB,都清淅可辩。
2 远震震相特征远震地震波不但传播路径长而且波射线向地球内部穿透的也深，因此，在分析远震波时，必须考虑地球结构，地球曲率对地震射线的影响。
2001年12月18日琉球群岛西南海中发生7.5级地震。
震源深度33KM，长春台距这次地震震中△=20.0°。
我们从图上看出P波S波为突出大振幅，周期0.8s～8s且初相清晰。
有地面两次反射波PPP震相出现,典型的海洋型地震，波形优美，面波类似于正弦波。
2003年9月1日，俄罗斯海域发生6.0级地震，震源深度480kM，长春台距这次地震震中△=5.0°。
地震模型试验中震相的识别方法
地震模型试验中震相的识别方法
郭铁拴
【期刊名称】《物探与化探》
【年(卷),期】1983(000)001
【摘要】无
【总页数】1页(P8)
【作者】郭铁拴
【作者单位】无
【正文语种】中文
【相关文献】
1.辫状河流相薄砂体地震子波效应和识别方法 [J], 黄军斌;高利军;高勇;王德发
2.地震危险性评价中震级和地震矩的作用 [J], Stav.,GN;于克涛
3.地震初至震相自动识别方法研究 [J], 李恩来;王承伟;安祥宇
4.浅水型河流相的ICA地震识别方法 [J], 晓宇;刘洪;曾锐;秦月霜
5.地震预警中震级及地震影响场估测方法研究 [J], 刘辰
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第35卷第7期2019年4月Vol.35No.7Apr.2019甘肃科技Gansu Science and Technology基于SNR方法的地震震相识别研究王树旺，王斌（甘肃省地震局，甘肃兰州730000）摘要：在本研究中，使用基于信号噪声比即（SNR）方法来准确拾取地震震相到时。
该方法本质上是将传统的特征函数搜索与简单一维速度模型反演相结合。
当速度误差在一定的允许范围内，将特征函数限制在一定范围内搜索，从而避免了与理论到时相差较大误差。
从甘肃省台网测震目录中选取2013年1月-2018年3月期间2654个地震作为测试数据，结果显示SNR方法识别震相方法与人工识别震相方法整体误差在5%左右，基本可以取代人工结果，从而减少人为工作量。
关键词：地震；震相识别；信噪比中图分类号:P3151概述地震目录的产出需要某些台站或台网的地震准确震相到时数据，其原理如图1所示，地震波从震源出发，达到地表台站接受点，由于路径及速度的不同，震相达到顺序不同，P波速度较S波速度快，根据此特性分辨出地震震相后，再通过定位程序反演计算地震参数问。
但即使是经常提供震相到时的台站，某些震相如S波震相的拾取，通常也不完整。
根据识别手段可以将地震震相识别分为人工经验分析和计算机自动识别，通常人工经验分析方法主要有：直观拾取法、走时表检测法、综合检测法、和达曲线检测法、合成地震图检测法等阿，自计算机与地震学结合以来，将地震记录输入计算机，对地震记录进行放大、模拟、滤波等简单处理，实现半自动识别。
人工方法主要依靠技术人员的经验来判断和提取，这是一种耗时、浪费人力的方法。
此外，人为误差和水平因素也会影响地震震相检测的精度。
对于同一地震震相，不同的分析人员在处理结果上会有一定的差异。
目前，随着数字地震台网的大规模建立和发展，以及地震预警与地震灾后快速评估应急响应系统对时效性的要求，如果单靠人工分析地震是非常低效和不现实的。
因此,有必要研究和开发稳定、实用、高效的自动识别方法和系统阴。
图1地震震相识别原理图2SNR方法我们的方法是将搜索局部范围内的最大信噪比作为直达p波和s波震相到时。
该方法成立的假设条件是直达p波和s波震相的能量是最强的，但事实上偶尔会有其他震相，如p/s转换波，是折射的，以及反射PS波，这些波的能量较初至波要强。
此时，在假设速度模型是可用的情况下，设立减少搜索范围参数纭”可以帮助我们减少错误的震相选择的可能性。
&爲厂y是给定的速度模型，△?叱是允许的最大误差范围内真实速度模型。
窗我们注意到扰动误差速度£是整个地壳平均速度模型，但实际上，每一层内速度扰动可能会有所不同。
用户可以基于粗略估计给定速度模型的准确性来预设参数。
将速度扰动转变为到达时间扰动，可以得到搜索时间窗为*基金项目：甘肃省科技计划（17YF1FA124）O14甘肃科技第35卷3数据应用其中t。
为事件起始时间,斤为理论到时。
值得注意的是，由于低估了速度模型的不准确性，或通常由于初始速度模型问题引起的横向不均匀性，这个搜索窗口可能不包括所有的实际到时。
然而，只要在搜索窗口内的实际到时数据能足够稳定地反演速度模型，则反演速度模型应向真实速度模型偏移。
更重要的是,基于更新的速度模型，在理论到时和搜索窗口被修改得更准确的情况下，在下一次迭代中成功选择真实速度模型的次数应该会增加，从而使反演的速度模型进一步接近真实速度模型。
为了获得实际震相到时，可以利用以下SNR函数：r+rt-T其中A为地震波形振幅,T为SNR计算的预定窗长。
在时间窗内选取SNR函数的最大值为实际震相到时，这与传统的广泛使用预设触发阈值的特征函数选取器不同。
因为窗口中的最大值总是存在的，所以选择总是被标识出来。
因此，利用SNR来控制检测质量是非常重要的。
当在窗口边缘找到最大值时，选择将被丢弃。
这是为了避免选取平稳信号、单调地增加或减少信号以及其他错误的到时数据。
其他异常，如波形头文件信息不完整或数据点丢失，也可能导致拾取失败。
具体过程如图2所示，当SNR检测窗口碰到信号突变处时将达到极大值，此时如果SNR值超过我们设定的阈值时将认定此处可能为P波震相到时，之后，检测器在短时间内如果再遇到SNR峰值即S波信号时,可以断定该信号为地震信号,SNR函数极大值点即我们寻找的震相到时。
SNR searchZNE图2SNR检测地震三分量震相示意图我们使用甘肃省测震台网记录的2013年1月-2018年3月期间2654个地震数据对该方法进行了测试。
数据集由10个台站记录的2654个事件组成，主要集中在甘肃东南部地区，震中分布见图3左，形成21342对事件接收对。
我们从甘肃省测震台网地震目录数据库下载事件目录、波形和震相文件。
速度模型采取统一的甘青一维速度走时模型㈣，具体参数见图3右，最大允许速度扰动设置为15%.。
灌度*m'sI—蟻祖—竣速度图3左图为选择的2654个地震事件震中经纬度分布，右图为甘青一维速度走时模型具体工作流程，详情如图4所示：首先我们从国家测震台网数据库(/)下载好地震数据,浏览地震波形，对地震事件波形进行筛选，优先挑选震相清晰，初始震相尖锐震相，且台站记录完整；挑选好地震数据后，先对波形文件做预处理工作，主要是去白噪声以及波形归一化处理;接下来是阈值设定，主要根据SNR的绝对离差中位数来设定，阈值设定是一个关键环节,其高低直接影响了检测结果；阈值设定好后就可以进行震相检测了，检测完成后，根据结果对测震台网震相报告进行更新处理，完善震相报告。
图4工作流程第7期王树旺等：基于SNR方法的地震震相识别研究15通过SNR检测器检测后，共得到21,513个SNR>5和17,534个SNR>10P震相，19,213个SNR >5和13,432个SNR>10S震相。
相比之下，甘肃测震台网只提供了10848个P震相和2224个S震3000相。
图5为具体检测震相数，其中浅色方柱代表测震台网提供的P,S震相，深色方柱代表本文检测出来的地震震相。
300040K0100120二uno。
-UJUiaJngEUWSNR SNR图5震相检测结果，(左图为P波检测结果，右图为S波检测结果，图中深色方块代表本文检测到的震相，浅色方块代表测震台网检测震相)4结论随着地震监测台网的进一步密集化，地震数据资料的海量增加，人工分析震相已初显颓势，显然将在日渐增长的大数据时代中被淘汰，因此各学科都争相开展智能化的研究，在地震学领域，目前地震自动化分析已成为地震学的热门研究问题。
本文使用的SNR方法检测地震震相的方法相对于人工检测地震到时，具有高效和误差较小的优势，且只要硬件设施允许的情况下，地震分析可以不间歇地一直持续工作下去，人工显然不能做到，因此该方法可以用于今后地震科研以及日常工作中。
此次我们选择的震例虽然在时间跨度上较大，但空间分布跨度还是较小，仅局限于甘肃东南部地区，选择此地区是因为该地区是甘肃地震频发区域，且测震台网在该处的密集程度大，便于我们顺利开展测试，未来工作将进一步扩展工作区域，使地震震相自动分析具有更好的普适性。
参考文献：[1]武东坡.震相识别的实时方法研究[D].哈尔滨：中国地震局工程力学研究所,2004.[2]余建华，李丹丹,韩国栋.特征函数响应特性分析及STA/LTA方法的改进[J].国外电子测量技术,2011,30(7):17-19.[3]王娟，刘俊民,范万春.神经网络在震相识别中的应用[J].现代电子技术,2004,27(8):35-37.[4]刘希强，周蕙兰，沈萍，等.用于三分向记录震相识别的小波变换方法[J].地震学报,2000.22(2):125-131.[5]李力,张建国，李盛乐.余震自动识别技术研究进展[J].地震研究,2018,v.41；No.185(1):3-15+159.[6]尹欣欣.基于模板匹配和双差定位的地序列完备性研究[D].兰州：中国地震局兰州地震研究所,2018.[7]张诚，张伶，邓齐赞，等.甘肃及邻近地区的地壳结构[J].西北地震学报,1977(2),22-26.[8]王周元.甘肃地区分层地壳结构|J].西北地震学报，1984,6,4.(上接第21页)[2]段永良，邢艳芳，周洪萍，等.现代广播电视发射技术[M].北京：人民邮电出版社,2014.⑺[3]曹金泉.DAM PDM中波广播发射机的原理与维护[M].甘肃：甘肃省广播电影电视局无线处,1992.[8] [4]王辉，何晋文•调幅技术第十六届全国中波技术交流会[9]论文集[M]•湖南：湘潭大学出版社,2015.[10] [5]杨欣，王玉凤，刘湘黔，等.51单片机应用从零开始[M].北京：清华大学出版社,2016.[11] [6]康华光，邹寿彬，秦臻.电子技术基础数字部分[M].北京:高等教育出版社,2006.康华光，陈大钦，张林.电子技术基础模拟部分[M].北京:高等教育出版社,2006.张肃文.高频电子线路[M].北京：高等教育出版社,2009.邱关源.电路[M].北京：高等教育出版社,1999.C.A.狄苏尔，葛守仁著•林争辉主译.电路基本理论[M].北京：高等教育出版社,1979.郭天祥.51单片机C语言教程——入门、提高、开发、拓展全攻略[M].北京：电子工业出版社,2009.。