小波包变换压缩与地震数据处理

探讨了地震数据经小波包变换压缩后对后续处理过程的影响,以及经过某些处理后的数据会对小波包变换压缩产生什么影响等问题。将小波包变换压缩地震数据的结果与快速傅里叶变换压缩地震数据的结果进行了对比,其结果表明:应用小波包变换压缩地震数据,有效信号的损失非常小,压缩比大于快速傅里叶变换的压缩比。在大批量地震数据处理中可以使用小波包变换压缩地震数据。     

小波理论及其在地震勘探中的应用

本文简单地回顾了小波分析的发展历史，从参数离散化方式的角度依次介绍了连续小波变换，二进小波变换，和离散小波变换的基本理论和方法，说明了各种小波变换的特性和应用。然后，我们着重讨论了小波理论在地震勘探中的应用，包括应用二维正交小波包技术对地震信号数据压缩和应用二维连续小波变换来提高了地震记录的信噪比和分辨率，并给出了应用实例。     

应用二维正交小波包技术进行地震数据压缩

近1 0多年来小波理论研究已成为应用数学的一个新方向。作为数学工具,小波被迅速应用到图像和语音分析等众多领域。大量的数据通过小波变换到小波域后,数据能量集中,再通过量化过程和编码压缩实现了数据的压缩。试图从工程应用与实验角度出发,探讨利用二维正交小波包技术在油气勘探的地震资料处理中有效压缩地震数据和最大限度节省存储资源及网络资源     

利用二维M带小波变换进行地震数据压缩

随着小波理论的发展与应用，小波变换已成为信号分析处理的一种强有力的新工具。本文根据Ｍ带小波变换理论，结合地震数据的特征，将Ｍ带小波变换应用于地震数据的压缩处理，提出了地震数据的压缩编码算法。     

用小波变换压缩地震勘探数据

二维和三维地震勘探数据中存在的相邻数据的相关性为数据压缩提供了可能,而远程勘探数据的传输又有对数据进行压缩的要求。本文讨论了用小波变换对勘探数据进行变换域编码的压缩方法及影响压缩质量的因素。对于较大的地震剖面,通过一定的边界处理和分块处理,可以获得较好的压缩效果和处理速度。     

基于EZW算法的地震数据压缩

地震数据压缩是解决海量地震数据传输及存储的一项关键技术.针对地震数据的特点,选用基于小波变换的适用的地震信号压缩方法,实现了对地震信号的有效压缩.该方法主要包括:对地震信号进行二维小波变换;利用系数之间的相关性对变换后的系数采用嵌入式小波零树编码(EZW)方法重新组织;采用自适应算术编码对量化后的系数进行无损熵编码.试验结果表明,对叠前地震数据压缩4倍时,信噪比可达50dB以上,而选用适用小波基对叠后地震数据压缩16倍时,信噪比仍可达30dB以上.     

基于压缩感知技术的Shearlet变换重建地震数据

基于预测滤波方法进行地震数据重建的误差偏大,基于波动方程进行地震数据重建的计算量较大,基于某种变换的地震数据重建精度偏低。为此,利用基于压缩感知技术的Shearlet变换重建地震数据。基于信号的稀疏性,在欠采样的情况下,首先根据地震数据的缺失情况设计采样矩阵,然后使用Shearlet变换将地震数据稀疏化,再采用正交匹配追踪算法在Shearlet域中完成对稀疏系数的重建,最后通过Shearlet反变换实现地震数据重建。实验结果表明,基于压缩感知技术的Shearlet变换能够很好地重建地震数据,且重建精度高于基于压缩感知技术的Fourier变换、离散余弦变换、小波变换和Curvelet变换。     

非抽样离散小波变换叠前地震数据重建方法

叠前地震数据包含了丰富的地层信息,但在实际勘探中由于受采集条件等影响,叠前地震数据地震道缺失现象严重。针对规则采样不规则道缺失的插值恢复问题,一些传统的插值方法无能为力或者插值效果不佳,而近年来发展起来的非抽样离散小波变换（UDWT）,具有很好的稀疏表示能力,比傅里叶变换能更加稀疏地表示地震数据;根据压缩感知理论,即使不满足Nyquist采样定理的要求,利用极少的观测数据,也可能较好地恢复缺失的地震数据。本文提出一种基于UDWT的地震数据插值方法,对地震数据做插值和规则化处理,可以提高叠前地震数据的完整性,理论模型和实际资料的重建效果验证了方法的有效性和实用性。     

小波变换与地震数据压缩

本文详细介绍了小波变换的基本理论及离散信号多分辨分析的一种具体实现方法（即金字塔算法），并据此提出了一种基于小波变换的地震数据压缩算法，多个数据集的压缩／重建处理表明本方法效果很好，通常情况下压缩比可达８：１－１６：１左右。     

小波包最好基的自适应地震数据压缩

讨论了一种基于小波包最好基的自适应数据压缩方法。该方法对信号进行基于小波包最好基的自适应变换后，将变换系数按其能量进行自适应比特分配和量化，从而达到数据压缩的目的。将该方法应用于地震勘探ＣＤＰ数据压缩，取得了较好的效果。数据压缩１０倍时，重建信号的信噪比为３７．１ｄＢ；压缩１６倍时，信噪比为２９．６ｄＢ。     

小波变换域K L变换及其去噪效果分析

K—L变换利用相邻地震道的相关性来去除随机噪声，但对于倾斜和弯曲同相轴反射去噪效果不佳。采用改进的时变倾角扫描叠加K—L变换能够较好地去除随机噪声，但由于在时间域进行，没有考虑有效信号和随机噪声在频率域的特点，高频有效信号易受压制。小波变换具有较强的时频分析能力，在小波变换域进行K—L变换，可以实现分时分频K—L变换去噪。介绍了小波变换域K—L变换压制随机噪声的基本原理，即先将地震信号进行小波分解形成分时分频的小波包剖面，然后用K—L变换对小波包剖面进行去噪，再将去噪后的小波包剖面重构回地震剖面，从而达到消除随机噪声的目的。理论模型计算和实际资料处理表明，小波变换域K—L变换去噪方法在有效去除随机噪声的同时能够保护高频有效信号。     

用离散变换主组分回归法处理重叠紫外吸收光谱

将离散小波变换、小波包变换、傅里叶变换和离散余弦变换与主组分回归方法结合构成4种离散变换主组分回归方法,编制了离散变换主组分回归方法的计算程序。将离散变换主组分回归方法用于处理水杨酸甲酯、邻苯二甲酸二丁酯和邻苯二甲酸氢钾混合物的重叠紫外吸收光谱数据。实验结果表明,离散变换主组分回归方法优于主组分回归方法,试样质量浓度的预测值与实际值的相对标准误差由3.94%降至2.93%,回收率由90.5%~114.8%改善为91.0%~105.5%。     

基于小波变换的地震数据混合编码压缩算法研究

随着地震勘探研究的不断深入,地震资料的处理和解释量也越来越庞大,其中数据的冗余量也比较大。对这些数据进行合理的压缩处理已经成为一个重要的课题,根据多分辨分析思想,用小波变换对地震数据进行多级分解得到多个子带,然后对每个子带做不同策略的量化和编码处理,仿真结果表明,这种压缩编码算法,既能得到期望的压缩比,而且压缩后的地震数据所带来的误差比单一的编码压缩算法要小很多。     

利用小波变换法对地震数据进行频率—时间域分解

谱分析是重要的地震信号处理工具。将地震数据变换到频率域是众多处理算法和解释方法的基础。然而,如果地震信号的频率成分随时间发生变化,那么,进行简单的一维(傅里叶)频率变换是不够的。通过滑动时窗(时间较短)可以提高频一时(FT)空间的谱分解的质量,但该方法的缺点是FT分辨率有限。最近提出的以新的小波分析数学理论为基础的变换法能避免这种分辨率的限制,进行质量更高的谱分解。与短时窗傅氏变换相比,可更好地从概念上搞清比例尺—平移平面的连续小波变换。离散小波变换和匹配追逐算法为可以选择的两种小波变换法,对地震记录成图时可将其变换到F—T空间。合成数据和经标定的炸药震源地震数据的F—T分解表明,匹配追逐算法能很好地使谱局部化,并可清地晰地分辨出反射波、直达波、面波和人为噪声。以小波变换为基础的处理算法为改进处理算法和谱解释法提供了新的机会。     

利用小波变换压缩地震勘探数据

在石油地震勘探中，所涉及的数据量庞大，其中数据的冗余量也比较大。本文根据地震数据的特点，利用小波变换对地震数据进行压缩，不但可大大减少存储介质的数量，而且还保持了后续资料处理中有用的地震信息不损失。文中的实例表明，压缩后的地震数据所带来的误差，从视觉上是可以接收的一般能满足后续处理的要求。     

基于离散余弦变换的地震随机噪声压制技术

本文在离散余弦变换(DCT)域中利用预测滤波器压制地震数据中随机噪声方法的基础上,进一步对该法的压噪能力进行了评估,表明与离散傅里叶变换相比,DCT变换能够利用更少的系数来表征地震信号,即具有更好的能量压缩性能,从而可以更好地分离信号和随机噪声,实现随机噪声的压制。人工合成数据和实际数据的实验结果也表明,与F-X域预测滤波技术相比,采用DCT压噪不仅效果好,而且能更好地保护有效波。     

多分辨重叠双正交变换在地震数据压缩中的应用

针对地震数据中信号和噪声的特点，基于多分辨重叠双正交变换(HLBT)，提出了一种新的地震数据压缩方法。HLBT方法的优势是，对信号频谱的非均匀划分可以更加有效地将能量集中在有限的变换域子带上。对多分辨重叠双正交变换的原理进行了描述；给出了地震数据压缩的实现方法，即先对地震数据进行二维重叠变换，再进行量化和系数组织，最后采用自适应算术编码对量化后的数据流进行无损熵编码。利用新的压缩方法对实际地震数据进行了压缩处理，并与小波变换压缩方法进行了比较，结果表明，对于高倍率的压缩，其效果要优于小波压缩方法。同时，对解压信号质量的评价标准进行了初步探讨，提出了形态逼真度的概念。     

基于压缩感知的小波域地震数据实时压缩与高精度重构

地震数据压缩是解决地震仪无线数据传输的一项关键技术。现有技术方案是对现场数据变换编码，消除其冗余达到压缩效果，再解码反变换恢复原始数据。这类方案需要对完整采集的地震数据进行操作，不仅时效性差，造成了硬件资源浪费，而且数据解码难以高精度恢复。针对以上问题，本文基于压缩感知理论（CS）提出一种新的地震数据压缩重构方案，通过构造混沌伯努利测量矩阵（CBMM）对地震数据小波变换后的稀疏系数进行压缩，在下位机端实时编码；为了提高重构精度，采用贝叶斯小波树结构CS重构算法（BTSWCS），根据小波树结构统计特性，构建一个分层贝叶斯CS先验模型，利用马尔科夫链蒙特卡洛推理对模型参数后验估计，在上位机端恢复原始数据。实际地震数据处理表明，使用本方法对总采样点为2⁸的数据压缩，压缩时间可缩短至1.0×10^-5s。低信噪比情况下，本文重构算法使峰值信噪比（PSNR）值至少提升5dB。     

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。     

利用压缩感知技术的离散正交S变换地震数据重建

压缩感知中不同稀疏变换的重建效果及计算效率存在差异,为此文中提出一种基于压缩感知技术的离散正交S变换（DOST）地震数据重建方法。通过求取一组正交基函数与时间序列的内积,得到时频矩阵,使原始信号呈现更强稀疏性,以改善压缩感知地震数据重建效果。该方法弥补了S变换不能作为压缩感知的稀疏变换的局限性,向压缩感知理论体系引入了一种适用的稀疏变换方法。理论模型和实际数据试算结果表明,该方法迭代快速且收敛稳定,整体重建效果令人满意。