基于多次小波变换的小波域阈值地震信号去噪

在常规小波域阈值信号去噪方法的基础上,提出了基于多次小波变换的小波域阈值地震信号去噪方法。根据小波变换下信号和噪声在多尺度空间中的不同特性,对不同尺度下的小波系数用阈值处理,改进了多次小波变换应用于地震信号去噪的方法。数据仿真和实际应用表明,该方法可以有效压制随机干扰,对提高地震记录的信噪比和分辨率都有较好的效果。     

局部频率域SVD压制随机噪声方法

常规SVD技术去除随机噪声是在时间域进行的,对水平同相轴有较好的去噪效果;但对同相轴是倾斜或弯曲的情况,则要进行局部倾角扫描校正,从而限制了其在实际中的应用。为此,本文研究了局部频率域SVD压制随机噪声方法,有效克服了时间域局限性。首先对时空域滑动窗口内地震数据进行傅氏变换,并对每个频率切片构建Hankel矩阵,再对Hankel矩阵进行SVD滤波(降秩重构),最后反变换到时间域,得到去除随机噪声的结果。通过构建块Hankel矩阵,将该方法扩展到三维地震数据体的噪声压制处理中。模型及实际资料处理结果对比表明,该方法在有效压制随机噪声的同时,能够较好地保留有效信号,优于常规频域预测滤波结果。     

基于地震数据滤波的差分方程

滤波方法是压制噪声 增强有效地震信号的重要地震数据处理手段。常规滤波法是通过褶积运算或各种数学变换完成的。本文研究的滤波法的运行与常规滤波法不同,它是以解时间和空间域差分方程为基础,称之为基于滤波的差分方程(DEBF)。DEBF无需     

采集脚印自适应压制方法

海上拖缆地震资料采集受潮汐、海水速度变化、拖缆漂移等因素影响,条带状采集脚印噪声发育。应用三维频率-波数域滤波、时间切片的二维波数域滤波等叠后压制方法时滤波器设置复杂,而且对与有效信号重叠的低波数采集脚印噪声的压制能力较弱。提出了基于时间切片的采集脚印噪声自适应压制方法,该方法通过拉普拉斯算子识别采集脚印噪声,将噪声变换至波数域并根据采集脚印波数谱阈值自适应设置该时间切片的波数域滤波器,进而通过波数域滤波完成采集脚印噪声压制。海上应用实例表明,本方法不仅能够压制高波数采集脚印与随机噪声,对与地震信号重叠的低波数采集脚印噪声也能实现有效压制。     

基于压缩感知的OMP算法在地震资料中的去噪效果分析

基于压缩感知理论的OMP算法应用于地震资料的噪声压制,以提高地震资料信噪比。首先对含噪的非平稳信号在小波变换域内稀疏表示,以小波变换作为变换基,用随机高斯矩阵为测量矩阵计算传感矩阵,再运用OMP算法的快速收敛性进行信号重构。模型和实际数据处理结果表明,该方法对地震数据中的随机噪声压制效果明显,有效地提高了地震资料信噪比。     

基于复数域非线性各向异性扩散滤波的裂缝检测方法

针对P-M模型易产生集块效应,边缘保持效果不理想,无法滤除边缘噪声,且P-M方程是病态的等缺点,本文提出了基于复数域非线性各向异性扩散滤波的储层裂缝检测方法。该方法通过将传统各向异性扩散方程拓展到复数域,将复数域扩散项加入Shock滤波器,克服了扩散滤波边缘保持能力差和Shock滤波器对噪声敏感的缺点,在压制噪声的同时保持了地震资料同相轴的边缘信息,从而增强了地震同相轴的横向连续性,使断点更加清晰。理论和实际资料试算结果表明,本文提出的基于复数域非线性各向异性扩散滤波方法具有较强的噪声压制能力,能够精确检测储层裂缝发育带分布特征。     

一种基于RUnet卷积神经网络的地震资料随机噪声压制方法

应用深度学习方法压制地震噪声的训练集和测试集均来自同一数据集,使得模型的泛化性受限。为解决泛化性问题,提出一种基于卷积神经网络(CNN)的残差U型网络(RUnet)压制随机噪声的方法。方法的设计思想是在基于卷积神经网络的U型网络(Unet)基础上加入残差块,以增强网络对随机噪声的捕获能力。该方法建立在端到端的编码-解码网络结构上,将含噪声地震数据作为输入,由多个卷积层和残差块提取随机噪声的本质特征,构成编码;再由多个反卷积层和残差块构成解码,网络的输出即为噪声压制后的地震数据。在残差块之后加入批规范化层,采用带泄露整流函数作为非线性因子,提高网络模型对地震资料随机噪声的泛化性和敏感性。在叠后和叠前地震数据实验中将RUnet卷积神经网络方法与小波变换、离散余弦变换、三维块匹配(BM3D)算法和Unet卷积神经网络算法进行去噪效果对比,结果表明,RUnet卷积神经网络方法相比其它4种方法,对随机噪声的压制更有效,并且在一定程度上保护了有效信号。     

常规测井曲线的小波和希尔伯特—黄变换滤波效果分析

为了明晰常规测井曲线小波与希尔伯特—黄变换(Hilbert-Huang Transform,HHT)滤波方法效果差异,本文在文献调研基础上,梳理了小波滤波、小波包滤波及HHT滤波的基本思想和方法特点,针对含噪强度为10倍于高斯白噪的自然伽马测井曲线开展了小波阈值滤波、小波包阈值滤波、HHT减性滤波、HHT-WT联合滤波及滤波后信号HHT 3D谱特征分析,并对含有不同噪声强度的自然伽马测井曲线进行了四种滤波结果的均方差、信噪比和相似度对比分析,厘定了滤波效果与噪声强度的关系。研究结果表明:均方差、信噪比、相似度等参数及HHT 3D谱特征均指示四种方法的常规测井曲线滤波效果存在差异;当噪声强度增大时,四种滤波方法效果均下降;噪声强度为中等时,四种滤波方法效果较接近;噪声强度较弱或较强时,小波阈值滤波应为首选滤波去噪方法;HHT-WT联合滤波效果好于HHT减性滤波。     

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。     

提高微地震资料信噪比的频率域极化滤波

微地震资料信噪比低、波场复杂,利用常规极化滤波难以取得比较理想的效果。在时间域与频率域极化滤波方法的基础上,针对利用傅里叶变换的频率域极化滤波存在频谱泄漏等问题,引入多阶窗函数,消除了常规方法构造谱密度矩阵中奇异值的影响,同时考虑多道信号的空间连续性对频率域滤波方法进行改进。模型和实际资料处理的结果表明,该方法能有效提高微地震资料的信噪比。     

小波变换与F—K算法在滤波中的应用

陆地地震勘探资料通常含有不同类型的噪声。有效地消除这些噪声，提高分辨率是地震数据处理的主要内容之一。作为一种时频分解方法，小波变换是一种有效的时变滤波工具。本文这了小波变换的有关理论，阐述了它的滤波原理，并借助于Ｆ－Ｋ滤波方法，将小波变换成功地应用于地震信号的滤波之中。具体方法是：将一维信号变换到二维Ｆ－Ｔ平面上，通过改变不同的尺度因子，把信号的不同频率分量刻画出发，再通过改变位移参数来描述信号的     

基于卷积神经网络的倾角域弹性波逆时偏移噪声压制方法

相比传统的声波逆时偏移方法,弹性波逆时偏移(ERTM)可以提供更多地下结构的物理信息,然而其偏移中的串扰噪声及各种非物理噪声严重降低了成像质量。为了获得更高分辨率的地震成像,介绍了一种在ERTM生成的倾角域成像道集上使用卷积神经网络(CNN)估计叠加孔径,实现稳相叠加从而压制偏移噪声的方法。该方法通过在倾角域识别主要的反射波能量,剔除对成像贡献不大的部分,从而压制了偏移中的各种噪声,提高了ERTM成像质量。CNN是一个端到端的深度学习过程,一旦网络经过训练得到适合权系数和偏置,可以替代人工实现自动拾取。BGP盐丘模型数据和SEG起伏地表模型数据测试结果表明:利用CNN实现自动拾取的算法在只对少量道集拾取并作为标签数据,对神经网络训练后,可较好实现海量道集的自动拾取。基于CNN的倾角域弹性波逆时偏移噪声压制方法效果好、效率高。     

基于时间同步提取变换的地震随机噪声压制

随机噪声压制是地震数据处理中的重要环节。本文提出一种基于时间同步提取变换(Time-Synchronous extracting Transform,TSET)和鲁棒主成分分析(Robust Principal Component Analysis,RPCA)的地震随机噪声压制方法。首先通过时间同步提取变换将含噪声的地震数据变换到一个新的稀疏子空间;然后使用鲁棒主成分分析算法将稀疏时频矩阵分解成一个低秩分量和一个稀疏分量;最后,基于时间同步提取反变换将低秩分量由时频域变换到时间域得到去噪后的地震信号。合成模型和实际地震数据用于测试提出的方法,并与传统的f-x预测滤波方法进行对比。结果表明,文中提出的方法不仅能够有效压制地震信号中的随机噪声,而且较好地保留了地震反射信息,从而为后续地震数据处理和解释奠定了基础。     

基于小波变换的地震资料去噪处理研究

常规小波阈值去噪方法未能充分利用地震信号相关性的特点进行去噪,为此在多层小波变换中引入了双变量概率分布模型。基于贝叶斯估计理论,得到了相应的双变量收缩函数;基于层内局域方差估计,得到了一种局域自适应去噪算法。在实验中,将该算法分别应用于实值离散小波变换域和复数小波变换域,并和隐马尔科夫模型的去噪方法进行了比较。图像处理和地震模型测试结果表明,复数小波变换的局域自适应收缩算法去噪效果最好。     

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。     

基于小波变换的地震资料局域自适应去噪研究

:常规小波阈值去噪方法未能充分利用地震信号相关性的特点进行去噪，为此在多层小波变换中引入了双变量概率分布模型。基于贝叶斯估计理论，得到了相应的双变量收缩函数；基于层内局域方差估计，得到了一种局域自适应去噪算法。在实验中，将该算法分别应用于实值离散小波变换域和复数小波变换域，并和隐马尔科夫模型的去噪方法进行了比较。数值模拟实验和实际地震资料处理结果表明:复数小波变换的局域自适应收缩算法去噪效果最好。     

基于矢量中值滤波的ISS高密度地震数据去噪方法

ISS高密度地震采集是以干扰炮相对有效炮为随机信号的基本理念对地震数据进行采集的方法,其大部分有效信号会淹没于噪声之中。基于此,本文提出-种在十字排列域或检波点域进行矢量中值滤波方法,并针对理论模型简要分析了不同空间滤波参数对保持有效信号和压制干扰信号的影响及处理中应注意的问题;实际单炮地震数据的处理和叠加成像结果表明,该方法在有效压制相干炮噪声的同时,能够较好地保持有效信号,提高资料信噪比,显著优于常规去噪方法的处理效果。     

小波域能量分类约束极化滤波法及应用

小波域能量分类约束极化滤波法是一种根据面波强能量、椭圆极化率大的特点,在小波域借助瞬时极化分析手段,对多波地震信号进行面波压制的滤波方法.该方法结合了能量、频率、视速度、极化属性四参数联合压制面波,在最大可能压制面波的同时,保留与面波频带混叠的有效波信号,是低信噪比多分量资料处理中压制面波的有效方法.采用该方法对川西拗陷新场地区的多分量地震资料进行了处理和参数分析,结果表明小波域能量分类约束极化滤波法能有效地对低信噪比多波多分量资料进行面波压制,同时能很好地保留有效信号,并且其处理效果受极化率压制阈值影响较大.     

基于经验小波变换的地震资料噪声压制方法

噪声压制是地震资料处理中重要的环节,目前已有的去噪技术存在着噪声去除不干净、有效信号丢失、不能处理非线性非平稳信号等问题。经验小波变换(Empirical Wavelet Transform,简写为EWT)是一种能自适应分解原始信号的算法,其相较于经典的经验模态分解(Empirical Mode Decomposition,简写为EMD)具有更好的自适应性和完善的数学理论基础。将EWT算法引入到地震资料噪声压制中,选取合适的小波函数并利用EWT算法对目标地震信号进行自适应分解,得到其各个频率尺度的固有模态分量;然后根据原始地震信号的主频设定阈值范围,选取主频值在阈值范围内的固有模态分量进行重构,最终获取去噪后的地震信号。结果表明将EWT噪声压制算法应用于数值模型和实际地震资料中,可以很好地实现有效信号和噪声的分离,结果均比常规算法的去噪效果要好。