基于EMD重构地震信号的去噪方法

地震信号的信噪比直接影响地震资料的可靠性、参数提取的精度以及分辨率效果。小波去噪是目前常用的方法,但其不具有自适应性,去噪效果不理想。EMD分解具有自适应性,并且具有很高的可靠性、准确性和合理性。EMD分解后可以准确区分噪声信号和有效信号,对信号进行重构,提高信噪比,达到去噪效果。因此,EMD去噪是处理非平稳信号的一种有力手段。     

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。     

基于独立成分分析的地震数据去噪

:独立成分分析方法(ICA)是近几年才发展起来的一种新的基于信号高阶统计特性的分析方法。 对于相互统计独立的信号源经线性组合而产生的混合信号,采用ICA能从其中分离出各独立的信号分量。在地震勘探中,地震道信号和随机噪音通常具备非高斯信号的特点，统计性相互独立。在对地震数据和随机噪音信号特点进行分析的基础上，采用基于最小互信息的快速ICA方法实现地震数据去噪。模型分析和实例计算表明，该方法具有一定的可行性。     

基于卷积降噪自编码器的地震数据去噪

噪声压制是地震勘探中一个长期存在的问题,虽然一些传统方法能够压制数据中的噪声,但存在有效信号丢失、噪声残留等问题。为此,提出了一种基于卷积降噪自编码器的无监督地震数据去噪算法。该算法首先对地震数据进行一定程度的随机损坏,然后将损坏后的地震数据输送到编、解码框架。编码框架负责捕捉地震数据波形特征,据此消除噪声;解码框架能够对特征图进行扩大并恢复地震数据细节信息,从而得到重构的地震数据。最后,将重构地震数据与原始地震数据之间的误差作为收敛代价进行模型训练。考虑到地震数据的复杂性与特殊性,在编码和解码阶段使用了多尺度卷积模块提取地震数据特征。合成数据与实际数据的验算结果表明,该方法在保护地震信号的同时能够有效压制随机噪声、提高地震信号的信噪比。     

基于深度学习的鲁棒地震数据去噪

地震勘探数据中包含的噪声比较复杂,基于先验的传统建模方式无法准确地刻画噪声分布.深度学习 通过多层卷积神经网络自动提取数据的深层次特征,利用非线性逼近能力 自适应地学习而得到一个复杂的去噪模型,为地震数据去噪带来了新思路.但是,目前基于深度学习的去噪方法在样本覆盖不充分的情况下,学习得到的模型泛化能力不强,极大地降低了...     

基于快速Myriad滤波方法的地震数据去噪

Myriad滤波是一种针对非高斯脉冲噪声而提出的非线性滤波方法。基本Myriad滤波方法的运算量受窗口长度的影响,窗口取得越长,运算量也越大;改进的快速Myriad滤波方法实现简单,执行效率高。在方法原理介绍的基础上,假设地震噪声服从α稳定分布,将快速Myriad滤波方法应用于地震数据的去噪处理试验,并分别与均值滤波方法和中值滤波方法进行了对比。理论模型数据测试和实际叠前地震资料应用的结果都表明,快速Myriad滤波方法不仅对脉冲噪声具有很强的抑制能力,而且能有效地保护数据中的有用信息,其性能远远优于同窗口长度的均值滤波和中值滤波方法,滤波后地震数据的信噪比明显增强。     

基于数据驱动紧框架理论的三维地震数据去噪与重建

由于受经济成本、地质条件等因素限制,地震采集数据一般为欠采样数据且含有噪声,将对数据处理和地质解释产生严重影响。为此,基于数据驱动紧框架（data-driven tight frame,DDTF）理论,研究了三维地震数据去噪和重建问题。DDTF理论限定学习字典为一组平移不变的冗余小波紧框架,通过进一步控制字典的自由度,使DDTF算法拥有良好的鲁棒性,并且利用小波紧框架完美的重构特性,可更好地保留数据的精细特征。仿真实验和实际数据应用结果表明： DDTF算法对结构简单的三维合成地震数据及结构复杂的实际三维地震数据都具有良好的去噪和重建效果,但计算效率较低,还需进一步改进;曲波变换对实际数据的去噪和重建效果较差;块匹配四维协同滤波的去噪和重建结果过于光滑,会丢失一些结构特征。     

基于在线字典学习算法的地震数据去噪应用

为了解决常规去噪方法不能根据地震数据自适应构造基函数,去噪效果无法达到最佳的问题,引入基于稀疏表示的在线字典学习(ODL,online dictionary learning)算法对地震数据进行去噪处理。ODL算法能够快速学习,得到与地震数据高度匹配的字典,该自适应字典代替了传统域变换方法中的固定基函数。同时,结合稀疏表示的思想,使用最小角回归(LARS)算法求解出字典的最优稀疏表示系数,将字典与稀疏表示系数组合,从而得到去噪后的地震数据。理论模型和实际地震数据的去噪应用表明:相比较为先进的curvelet变换方法,ODL算法可以更有效地去除随机噪声、相干噪声,同时很好地保留了数据特征。因此,ODL算法对于地震噪声压制有实际指导意义。     

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。     

基于三维曲波变换的地震数据去噪方法研究

作为一种非自适应的多尺度、多方向性几何分析方法,曲波变换能够近乎最优地表示含奇异点的高维曲线,地震数据在曲波域有更好的稀疏表达。对于多炮地震数据,三维曲波变换能够成功地实现信号分离,达到去除随机噪声的目的。阐述了三维曲波变换的基本原理;将三维曲波变换与阈值迭代法结合起来,对不同信噪比的模拟数据和实际地震资料进行去噪处理,并与传统的中值滤波法、F-X反褶积法及二维曲波阈值迭代法处理结果进行量化对比。结果表明,基于三维曲波变换的地震数据去噪方法不仅去除噪声能力更强,而且能够保护有用信息,是一种有效的多炮地震数据去噪方法。     

基于CEEMD的地震数据小波阈值去噪方法研究

考虑到地震信号的非平稳性和去噪方法对非平稳信号的适应性,针对互补集合经验模态分解(CEEMD)舍弃高频分量的去噪方法和小波阈值去噪方法存在的不足,提出了基于CEEMD的地震数据小波阈值去噪方法。CEEMD是EMD(经验模态分解)的改进型算法,它既保留了EMD处理非平稳信号的优势,又能有效地克服EMD的模态混叠问题;但是,单纯的CEEMD分解去噪会在去除高频噪声的同时压制高频的有效信息。将CEEMD分解与小波阈值去噪相结合,对CEEMD去噪要舍弃的含噪声较多的高频固有模态函数(IMF)分量进行小波阈值去噪,以保留这些分量中的有效信息。模型数据和实际地震资料的测试结果表明,无论对于低噪声还是强噪声地震数据,基于CEEMD的小波阈值去噪方法的去噪效果都优于单纯的CEEMD去噪方法和小波阈值去噪方法。     

曲波变换三维地震数据去噪技术

常规去噪方法主要用于二维地震资料的处理,但噪声也存在于三维数据空间,导致常规去噪方法效果较差。为此,选用多尺度、多方向的二维曲波变换进行三维地震资料去噪。首先抽取含噪三维地震数据的时间切片进行多尺度、多方向分解,在曲波域采用局部阈值法去噪,对曲波变换后的每一个尺度选取一个合适的阈值因子,然后通过阈值处理,得到各尺度下的有效波曲波系数,最后将提取的有效波曲波系数进行逆变换重构出地震信号,达到去噪的目的。理论模型与实际资料的处理结果表明,与其他去噪方法相比,该方法最大限度地保留了地震数据的有效信号,达到了更好的去噪效果,具有较好的应用前景。     

利用多层感知机的地震数据去噪

地震勘探广泛应用于地质构造分析、油气及其他矿产资源勘查等领域。受环境、仪器等因素影响,地震数据中不可避免地混杂随机噪声,无疑会对后续的资料处理和解释带来负面影响。文中提出一种用多层感知机（Multi-layer Perceptron,MLP）的去噪方法：首先用滑动窗口在已知地震数据中采样并将其转换为一维向量,作为训练集样本构建多层神经网络模型;再通过反向传播算法计算模型各层神经元的权重,使得模型训练均方误差最小;然后将合成或实测含噪地震数据输入到已训练模型,用该已训练得到的权重计算模型输出。将上述MLP方法处理结果与曲波方法去噪结果进行比较,发现MLP方法去噪结果的信噪比更高,且较好地保护了有效信号,尤其是对构造细节有显著的保护效果。     

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。     

基于Seislet域分数阶阈值去噪算法的地震资料去噪

相较于由图像领域发展的去噪算法,Seislet阈值去噪算法更好适用于地震数据的去噪处理,但在Seislet阈值去噪算法中,常规硬阈值函数在阈值处存在断点,软阈值函数处理得到的系数与原有系数之间存在恒定偏差,且传统阈值确定准则难以适用于Seislet域。为此,将Riemann-Liouville分数阶积分理论应用到阈值函数中,推导出分数阶阈值函数;再根据地震数据在Seislet域低尺度中有效信号分量远多于高尺度中有效信号分量的特点,提出了一种适用于Seislet域的尺度加权阈值;最后将分数阶阈值函数、尺度加权阈值和Seislet稀疏变换相结合,得到Seislet域分数阶阈值去噪算法。人工合成含噪地震记录和实际地震资料测试结果表明:常规硬阈值和软阈值去噪算法虽然能够在一定程度上压制噪声,但压制效果并不明显,且容易损伤与噪声差异较小的有效信号;分数阶阈值去噪算法较好地克服了硬阈值和软阈值去噪算法的缺点,能够有效压制地震资料中的随机噪声,减少了有效信号的损失,提高了地震资料的信噪比。     

双谱信号重构技术在重力数据去噪中的应用

一个实信号可以用一个谐波信号序列来拟合,计算实信号的双谱,通过Fourier变换推算出谐波信号的系数和相位角与实信号双谱振幅谱和相位谱之间的关系,可以实现信号重构。谐波基频的准确估算是信号重构的关键,经过试验分析,取双谱振幅谱的第一个峰值对应的频率作为估算基频。构成实信号的谐波项数是未知的,通过设立系数因子控制谐波项数,可以满足不同频率（或波数）段信号的拟合,实现噪声压制。数值模拟和实际应用结果表明,双谱信号重构技术不仅能有效压制随机噪声,还可以进行异常分离。     

基于改进PSO-ICA的地震信号去噪方法

为了改善常规固定步长独立分量分析(ICA)算法的叠前地震信号去噪效果,本文提出一种基于混沌粒子群优化(PSO)的改进ICA算法。该算法利用混沌PSO动态调整相对梯度ICA的步长函数,减小ICA算法的稳态误差。在混沌PSO优化过程中,采用一种基于反正切函数的非线性递减惯性权重,提高PSO迭代初期的全局搜索能力和迭代后期的局部搜索能力。模型试算和实际单炮记录处理结果表明:本文提出的改进ICA算法去噪效果明显,有效信号损失小。与其他算法相比,改进ICA算法不仅能很好地保护有效地震信号,而且能提高信噪比。     

基于EMD与ICA的地震信号去噪技术研究

去除随机噪声是地震资料处理的重要环节,而目前的多数去噪技术都不同程度存在去噪效果差、损害有效信号等问题。为此,利用经验模态分解(Empirical Mode Decomposition,简写为EMD)能将信号自适应分解为不同尺度振动模态的优点及独立分量分析(Independent Component Analysis,简写为ICA)能提取独立源信号的优势,构造了一种EMD与ICA相结合的新的去噪算法,很好地实现了地震有效信号和随机噪声的分离,在提高去噪效果的同时提高了有效信号的保幅效果。将该算法应用于仿真实验和实际资料去噪,结果都明显优于总体经验模态分解(Ensemble Empirical Mode Decomposition,简写为EEMD)去噪结果,地震资料的信噪比和分辨率都大大提高。     

基于曲波域稀疏约束的OVT域地震数据去噪方法研究

炮检距向量片(offset vector tile,OVT)道集中噪声与有效信号的差异小,深层的弱有效信号同相轴连续性差,传统去噪方法在抑制噪声的同时会对弱有效信号造成较大损伤。为解决这一问题,在OVT道集中引入了基于压缩感知(compressed sensing,CS)理论的曲波域稀疏约束地震数据去噪方法,该方法基于曲波变换的多方向性和各向异性对地震数据进行稀疏描述,利用与噪声相关的信息约束正交匹配追踪(orthogonal matching pursuit,OMP)重构算法的迭代过程,实现对弱有效信号的提取。模型测试和实际资料处理结果表明:小波阈值去噪方法在抑制噪声的同时会损伤与噪声差异小的弱有效信号,对同相轴的连续性改善不明显,造成深层弱有效信号的同相轴连续性差;CS小波去噪方法可一定程度保护弱有效信息,但由于无法精确表达直线或曲线等边缘特征,分离与噪声差异小的深层弱信号及噪声时效果不理想;基于CS理论的曲波域稀疏约束地震数据去噪方法克服了OMP重构算法对信号稀疏度的依赖,有效提取了OVT域地震数据的中、深反射层的弱有效信号,在压制强随机噪声的同时减少了弱有效信号的损失,提高了地震剖面的信噪比和同相轴的连续性。     

基于频率域奇异值分解的地震数据插值去噪方法研究

奇异值分解(Singular Value Decomposition,SVD)是近几年发展起来的一种地震数据随机噪声压制方法。基于频率域奇异值分解矩阵降秩运算,利用凸集投影(Projection Onto Convex Sets,POCS)迭代算法,实现了地震数据去噪和插值的同步处理,给出了方法的实现步骤。实际资料处理时,采用分窗处理方式减少了算法对内存的需求,降低了插值和去噪处理的运算量,同时使有效信号的同相轴线性化,满足方法的假定条件。模拟数据和实际资料测试均表明,频率域奇异值分解方法可以在压制地震数据噪声的同时进行插值处理,具有广阔的应用前景。