尺度自适应三维Shearlet变换地震随机噪声压制

应用尺度自适应三维Shearlet变换压制多炮地震数据随机噪声,通过将多炮数据变换到三维Shearlet域,充分考虑单炮记录及其间的相关性,在三维Shearlet域更稀疏地表示地震数据。由于有效信号主要分布在低尺度,随机噪声分布在各个尺度,因此在硬阈值的基础上,结合尺度自适应因子压制随机噪声。再通过三维Shearlet反变换,得到去噪地震数据。数值模拟和实际多炮地震数据去噪结果表明：尺度自适应三维Shearlet变换的去噪效果优于二维Shearlet变换、不结合尺度自适应因子的三维Shearlet变换;尺度自适应三维Shearlet变换去噪方法对服务器内存要求较高,且可能对幅值相对较小的有效信号产生损害。     

基于曲波变换的地震数据去噪方法

地震记录中的随机噪声频带较宽，采用常规的去噪方法效果不理想；小波变换去噪方法虽然可以压制随机噪声，但会损伤有效信号，且去除二维信号中的随机噪声时存在一定的局限性。针对此局限性，Candè提出了脊波变换，但对于整幅图而言，脊波变换的效果并不理想。由此，发展了曲波变换，即基于小波变换和脊波变换的多尺度几何分析方法。该方法能够表示具有方向性的线性奇异边缘，克服了小波变换在表达图像边缘的方向特性等方面的内在缺陷。曲波变换结合了脊波变换的各向异性特点和小波变换的多尺度特点，可以在压制随机噪声的同时保护有效信号，达到更好的去噪效果。仿真数据和实际资料去噪结果验证了曲波变换压制随机噪声的可行性及其效果。     

基于广义S变换及高斯平滑的自适应滤波去噪方法

常规基于广义S变换的噪声压制方法需要人为确定高频噪声在时频域的压制范围。针对这一问题,联合广义S变换的自适应时频滤波函数和高斯平滑去噪算法发展了一种自适应去噪方法。首先对信号进行广义S变换获得时频域数据,在S反变换重构时间域信号过程中采用数据自适应时变滤波函数去除大部分高频随机噪声;然后对时间域信号采用高斯平滑滤波函数去除信号中剩余高频随机噪声。模型和实际资料试算结果表明,本文的滤波去噪方法能够有效去除地震数据中的高频随机噪声,具有较强的适应性和实用性。与常规的随机噪声衰减预测法相比,本文方法受处理参数影响较小,且处理后有效信号在时频谱上的时频分辨率较高。     

基于Contourlet变换的K-L变换地震随机噪声自适应衰减方法

地震资料中有效反射信号具有丰富的纹理及边缘特性,在Contourlet变换域系数较大并具有相关性,而随机噪声均匀分布于Contourlet变换域且系数较小。考虑K-L变换具有分类特征提取的优势,在Contourlet变换基础上应用K-L变换,采用最大似然估计法和多尺度噪声估计法估算地震记录中有效信号及随机噪声的Contourlet系数方差,并将其应用到K-L变换域能量百分比阈值函数的定义中,自适应地确定用于K-L反变换的特征向量,修改Contourlet变换的系数,再进行Contourlet反变换压制随机噪声。数值模拟及实际地震资料去噪效果表明,基于Contourlet变换的K-L变换去噪方法不仅可以有效地压制地震资料中的随机噪声,提高地震资料信噪比,而且具有较好的保真性。     

基于小波变换的最小光滑滤波去噪

在地震勘探中，随机噪声是一种频带较宽，严重影响有效波的干扰波，常用的一维去噪方法效果都不理想。小波变换是一种时频分析方法，根据它的分频和局部分析能力，结合一维方向上去噪的光滑滤波，能有效地消除随机干扰，并且能保证有效波的中、高频成分，经过小波包重构，可恢复有效波信号，该方法优于常规一维去噪方法。     

基于二维小波变换的随机噪声压制方法研究

在地震勘探中,随机噪声是一种频带较宽、严重影响有效波的干扰波,常用的一维去噪方法效果不理想。小波变换是一种时频分析方法,根据它的分频和局部分析能力,能有效地消除随机干扰,保留有效波的中、高频成分,经过小波重构,可恢复有效波信号。针对地震信号随机干扰的特点,运用二维小波变换的理论,设计了相应的变换域去噪滤波器。此方法的特点是计算速度快,稳定性好,自适应性强,能对各种地震数据进行去噪处理,模型数据与实际数据的应用效果证明,二维小波变换具有较强的信噪分离能力。     

利用纵向小波包变换和横向多项式拟合提高地震信号的信噪比和分辨率

根据地震剖面上不同的频段和时段有不同的信噪比，以及相邻地震道反射波有效成分（除去噪声的有用信号）在波形和能量上具有较强的相关性的特点，本文提出了应用小波包变换和多项式拟合理论消除噪声和提高信号分辨率的方法。该方法的内容是：先将每道地震记录进行小波包分解，形成地震记录分时分频小波包剖面；然后利用共深度点反射波相关的性质用多项式拟合进行信噪分离；再将各个小波包剖面重构为经去噪后的地震剖面。理论记录计算和实际地震剖面的处理结果表明：利用纵向地震道的小波包分解和横向多项式拟合的分时分频处理方法，能够有效地提高剖面的信噪比和分辨率。     

基于Shearlet变换的自适应阈值地震数据去噪方法

由于随机噪声的干扰,地震勘探的有效信号经常淹没其中难以识别,且在时间域难以分离随机噪声和有效信号。Shearlet变换是一种新的多尺度多方向时频分析方法,具有最优的稀疏表示能力、局部化特征和方向敏感性。Shearlet变换在去除随机噪声的同时,能够最大限度地保留有效信号,可以有效地提高地震数据的信噪比。针对传统的Shearlet变换阈值去噪方法不能随尺度和方向变化的不足,提出了随尺度和方向变化的自适应阈值,可以同时适应不同尺度和方向噪声水平的差异。利用Shearlet变换的自适应阈值算法与小波变换去噪方法,分别对理论和实际地震数据进行去噪。对比可知,Shearlet变换的自适应阈值算法具有更强的去噪能力,并能够最大限度地保留有效信号。     

应用平稳小波变换与深度残差网络压制地震随机噪声

常规去噪方法众多,但每种方法都受某种假设或条件限制。另外,常规去噪方法中一些优化问题具有多个局部极值,导致算法可能收敛到局部最优解而非全局最优解。为此,提出了一种基于平稳小波变换与深度残差网络的地震随机噪声压制方法。采用残差网络(ResNet)的拓扑结构,结合平稳小波变换压制地震数据噪声。残差模块有效避免了网络过深引起的梯度消失或计算消耗但损失函数趋于饱和的问题。另外,小波变换是一种高效的特征提取方法,可获得信号低频和不同方向高频特征信息,分区域学习信号或噪声的特征。首先,对Train400数据集中的每幅图片旋转不同角度以增加训练集数据量,经过旋转变换后加入高斯噪声。然后,对每幅图片进行1级平稳Haar小波分解,得到训练数据集;通过训练提取信号中噪声的小波变换高、低频信息,在此基础上通过直连通道,从含噪数据的小波分解中减去学习到的噪声的小波分解,得到去噪信号的小波分解。最后,通过逆平稳小波变换得到去噪信号。合成信号和实际地震数据去噪试验表明,所提方法能较好地压制地震随机噪声,去噪信号的信噪比、峰值信噪比均较高。     

应用平稳小波变换与深度残差网络压制地震随机噪声

常规去噪方法众多,但每种方法都受某种假设或条件限制。另外,常规去噪方法中一些优化问题具有多个局部极值,导致算法可能收敛到局部最优解而非全局最优解。为此,提出了一种基于平稳小波变换与深度残差网络的地震随机噪声压制方法。采用残差网络(ResNet)的拓扑结构,结合平稳小波变换压制地震数据噪声。残差模块有效避免了网络过深引起的梯度消失或计算消耗但损失函数趋于饱和的问题。另外,小波变换是一种高效的特征提取方法,可获得信号低频和不同方向高频特征信息,分区域学习信号或噪声的特征。首先,对Train400数据集中的每幅图片旋转不同角度以增加训练集数据量,经过旋转变换后加入高斯噪声。然后,对每幅图片进行1级平稳Haar小波分解,得到训练数据集;通过训练提取信号中噪声的小波变换高、低频信息,在此基础上通过直连通道,从含噪数据的小波分解中减去学习到的噪声的小波分解,得到去噪信号的小波分解。最后,通过逆平稳小波变换得到去噪信号。合成信号和实际地震数据去噪试验表明,所提方法能较好地压制地震随机噪声,去噪信号的信噪比、峰值信噪比均较高。     

小波包变换叠前地震信号研究

叠前地震资料是多种波的复合体，为了提取有效波，必需消除主要的干扰波，如面波，高频随机干扰波，一般的去噪方法有；一维滤波，滤波，变换，f-x预测等，但它们都侧重于考虑某一方面的单一特性或某种条件假设，这些方法具有一定的局限性，小波包变换是一种时频分析的方法，它对地震资料进行时频精细划分优于小波变换，与传统的Fourier变换相比，它能刻画出具有相同频率的有效波与干扰波在时间-空间域的分布，经过小波包对叠前资料分解，可分离出面波，高频随机干扰等，然后再经过波波包重构，可有效地剔除干扰，且对有效波的伤害较少，经实际资料验证，小波包变换，确实是一个十分有效的去噪方法。     

小波包相关阀值去噪

在地震勘探中，随机口音是一种频带较宽，严重影响有效波信噪比的干扰波，一般的一维去噪方法效果都不理想，小波包变换是一种时频分析的方法，在分析中，高频方面优于小波变换，它结合相关阀值，能有效地在地震勘探剖面中消除随机干扰。分析了小波包优优于波变换的基本原理，以及小波包在地震记录中的分解，相关阈值去噪和地震记录重构，进行了实例分析对比，说明了小波包相关阀值法去噪优于其它去噪方法，且该方法计算速度快，简便可行。     

小波变换在提高资料的信噪比和分辨率中的应用

小波变在信息量分析是具良好的局部化特性。在小波变换域中，有效信号的相关性和随机噪声的随机性仍然保留，因此可以在小波变换域内对地震资料进行去噪处理；小波变换作为频率和时间的二元函数，使之可以很方便地在频率和时间域中同时进行地震波能量的吸收衰减补偿。试验证明，利用小波变换法噪声提高分辨率，不仅方便有效，而且有很好的保真度。     

时频域自动识别与压制高频噪声

本文在分析张宇等及钱忠平等提出的高频噪声判别准则基础上,利用夏洪瑞等根据在窄档等频距小波分频之后识别、压制高频噪声的思路,提出在时频域将代表地震道主要能量的几个频带的平均振幅绝对值作为正常子波的平均振幅绝对值,以此来识别和压制高频噪声的异常振幅。实际处理结果表明,此法不仅可以压制高频谐振及高频突发噪声,而且可以保护弱地震反射信号不受损害。     

地震信号瞬时特征在小波域分频提取的方法和应用

在直接进行 Hilbert变换提取瞬时特征信号的传统方法中 ,Hilbert变换对高频随机噪声十分敏感 ,即使地震信号中存在微弱的高频噪声 ,所提取的地震信号瞬时特征仍被噪声淹没。本文提出了在小波域提取地震信号瞬时特征的方法 ,它利用小波变换的实部 (相当于实信号——地震信号 )、虚部 (实信号的 Hilbert变换 )的特点直接提取地震信号瞬时特征。该方法具有分频、去噪的功能 ,并且提取的地震信号瞬时特征中保留了频率低于高频随机噪声带的弱波 ,这种弱波可在瞬时特征剖面 (如瞬时频率、瞬时相位、瞬时振幅 )中显示出来。     

用ω-x域预测方法压制随机干扰

应用二维连续小波变换把一个二元的地震信号变换为有关时间、频率、空间和波数的四元函数，可以充分地利用信号与噪声在时间、频率、空间和波数方面的差异来压制诸如面波、规则噪声等各种干扰，能有效地提高信噪比。在小波变换域（w－x）上，信号在空间方向上是可以预测的，而噪声是不能预测的，这样，通过预测便能有效地消除随机干扰。此方法优于常规的f-x预测方法。对实际资料处理的结果表明，该方法是行之有效的。     

应用Morlet小波进行地震资料属性提取效果分析

Morlet小波被广泛应用于地震资料属性提取中的主要原因是Morlet小波为复小波且对高频噪声有压制作用。分析了Morlet小波的滤波机理及实现过程，指出由于Morlet小波在频域呈钟形状，决定了它不是理想滤波器。应用不含噪模型和信噪共存模型进行实例测试的结果表明,Morlet小波不能消除信噪共存频带内的噪声，并且在去噪过程中对有效波有不同程度的损害。为此指出应用Morlet小波进行地震资料属性提取不是最佳选择。     

矿区/城市地震资料环境噪声的消除

针对矿区/城市三维地震资料中存在的外源噪声、单频噪声和成片强能量噪声等环境噪声,提出了利用小波变换技术,将含有上述环境噪声的单炮记录变换到时频域,通过不同的小波尺度突出不同的环境噪声;然后在具有环境噪声的小波尺度上应用拟合减去法消除外源噪声和单频噪声,采用逆向小波阈值去噪技术拟合并压制强能量噪声;最后通过小波重构得到消除环境噪声后的记录。利用理论模型和某矿区三维实际资料对上述方法进行了测试和分析,结果表明,该方法能够有效地消除各类环境噪声,并且对有效信号损害很小。     

二维小波变换在去除面波干扰中的应用

在原始地震记录中，面波干扰往往会掩盖有效信号，降低资料的信噪比。常规的一维滤波和F—K滤波方法在去除面波时，会损害有效信号，丢失一些有用的地质信息。小波变换是一种时频分析方法，具有分频和局部分析能力，可以从地震资料中将面波分离出来，而不伤害有效波。二维小波变换去除面波的基本原理是：首先依据面波和有效波视速度的范围，在时间一空间域把原始单炮记录分成没有面波和含有面波的记录；然后应用二维小波变换对含有面波的记录进行时频分析，将其变换到时间、频率、空间和波数四维域中，利用有效波与面波在频率域和波数域上的差异进行面波分离，去除面波，提取有效波，并进行信号重构；最后将重构的信号与没有面波的记录叠加，即可得到去除面波干扰的资料。实际资料处理结果表明，二维小波变换去除面波的方法具有良好的应用效果，有效信号得到了加强，信噪比得到了提高。