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…

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。     

基于二次小波变换的地震信号去噪方法

本文在Donoho的小波域阚值去噪处理方法基础上，提出一种基于二次小波变换的地震信号去噪方法，该法是对地震信号进行多尺度小波变换，然后对主要由噪声控制的尺度1上的小波系数再进行第二次多尺度小波变换，并将二次小波变换后的尺度1上的小波系数置零，将其余尺度上的小波系数重构，最后对处理后地震剖面进行小波域阈值去噪处理。通过理论模型和实际资料的处理结果表明，本文所述方法能有效地改善地震剖面处理效果，提高地震资料的信噪比。     

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。     

小波包对叠前地震面波的分离与信号重建

面波在地震勘探中是一种很强的干扰波，一般的处理方法有：一维滤波、F－K滤波、τ－p变换等，但这些方法都侧重于考虑某一方面的单一特性或某种条件假设，因而具有一定的局限性，小波包变换是一种时频分析的方法，它能够对地震资料进行时频精细划分，并且可以分离出面波，然后经过小波包重构，可有效地剔除面波。小波包变换是一种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。     

地震信号去噪的最优小波基选取方法

利用小波技术进行地震信号去噪处理的效果与最优小波基的选取有关。本文在剖析地震信号特点的基础上,首先从理论上讨论小波基选取准则,再从实验角度进行对比选择,提出在进行小波分解和重构时应分别选择不同的小波基函数,以保证重构信号的精确度,增强对地震信号的处理能力。此方法改变了以往分解与重构处理时均采用同一小波基函数的做法。文中最终选择适合于地震信号去噪处理的bior2.4小波基。对实际资料处理效果的对比分析表明,应用bior2.4小波基处理地震数据,不仅去噪效果好,而且在结果数据中能提取地震信号的有效低频和高频成分,拓宽了地震信号有效频带,并同时提高了地震信号的信噪比和分辨率。     

基于小波变换的地震信号降噪处理

为了克服传统信号处理方法对地震反射信号这一类非平稳信号的局限性。本文通过利用小波变换中奇异信号和随机噪声在多尺度空间中不同模极大值的传播性设计的子波消噪方法，对模拟地震信号处理的仿真结果表明小波方法在处理地震信号等一类非平稳信号时以获得的较好的信噪比增益要了解     

基于小波变换模极大值的地震信号去噪处理方法

分析了信号和噪声的奇异指数,根据不同奇异指数函数的小波变换的局部模极大值具有不同的传播特性的理论,在相邻模极小构成的待选通域中分析出噪声局部极大值所在的选通或域进行平滑处理,反变换重建出去噪信号,将该方法用于正弦信号去噪,合成地震信号去噪和实际地震信号去噪,结果表明这种方法计算简单且有较好的去噪效果。     

基于二维小波变换的地震资料去噪方法

在油气勘探中,接收到的地震信号包含有效信号和噪声干扰,即要求从强噪声背景中提取出微弱有效信号,去除干扰信号.小波变换是一种时频分析方法,具有多分辨和适应时变信号处理的特性,能将信号进行多尺度分解,各尺度上分解所得的小波变换系数代表原信号在不同分辨率上的信息,根据时频分析结果进行去噪处理,试验显示局部特征并没有得到有效利用.于是针对地震数据及其噪声干扰的特点,利用二维小波变换技术易于分离有效信号和噪声的特点,将其应用于实际地震资料的处理中,对消除面波干扰及其他规则干扰效果很明显,大大提高了地震资料的信噪比和分辨率,有效改善了地震资料的质量.     

基于EMD-小波包的随钻测量信号去噪方法

为了降低随钻测量过程中噪声对信号的影响,针对经验模态分解(EMD)去噪方法粗糙和小波包去噪方法缺乏自适应的问题,提出了一种基于EMD-小波包的随钻测量信号去噪方法。利用EMD分解自适应的特点将随钻测量信号分解成几个IMF分量;根据信号自相关函数的特性找出主要含噪的IMF分量,再利用小波包阈值去噪方法将含噪IMF分量中的噪声去除;将去噪后的IMF分量和剩余的分量重构,得到去噪后的随钻测量信号。为验证方法的有效性,进行了随钻测量实验并用该方法对采集的信号进行处理。结果表明该方法能够很好地去除随钻测量信号中噪声的干扰,提高信号的信噪比。     

小波包分析法压制井间地震资料噪声

井间地震资料的随机干扰发育，由于随机干扰的存在，给后续的波场分离与反射成像带来很大困难，为此，必须进行噪声压制。运用coif3小波对两个相邻地震道进行同层次分解，在分解后的小波树中分别提取相同节点号的节点进行重构信号，并对此两重构信号做互相关估计，由于噪声的随机性，如果两重构信号相关系数趋近于零，返回该节点并对它的小波包分解系数进行阈值处理，以消除随机噪声成份。实际资料的处理试验表明，小波包分析法可以较好地压制井间地震资料的随机噪声。     

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。     

用小波分析和反演方法联合去除随机噪声的研究

在时熔域用反法衰减地震噪声,虽能避免预测滤波的缺陷和保持信号振幅,但在处理剖面口仍然存在,而且一些有用信息丢失了。本文通过分析信号与随机噪声的频率特怀及在不同信噪比情况下噪声对滤波器的影响;研究了小波变换域中的反去噪情况,提出分频反演去噪方法。在处理参数相同的情况下,该方法的去噪效果比一般反法要好,地震剖面中有更多的信息被很好地保存下来,这为解释工作提出了更可靠的资料。模型数据与实际数据的应用效果     

小波变换用于去除高频随机噪声

小波变换以小波奇性分析中得出的一些结论作为理论依据，利用连续小波变换情况下信号与噪声呈现出的不同性质来确定信噪比较 的部分，去掉相应的正交小波分量，再经反变换后可达到压制噪声的目的。小波变换用于去除高频随机噪声方法的主要特点是；可以自动地判定低信噪比区间，且无论在时间域或频率域均可局部地进行去除噪声。     

泌阳凹陷三维地震资料叠前噪声压制方法研究

针对泌阳凹陷地震资料的特点及目前实际生产中存在的问题,在叠前噪声压制方面提出了一些具体做法。通过对面波、声波的压制,线性干扰的自动识别和压制,单频干扰的压制,野值脉冲干扰的去除及随机干扰的压制,使资料信噪比有较大提高,从而在整体上提高了地震资料处理的精度。并提出不同地区资料应采用不同的方法,进行有针对性的处理,才能有效压制噪声。     

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。     

最优化列阵滤波高分辨率去噪研究

本文从理论和实际应用方面对该方法的高分辨率去噪声特性进行了研究。其结果表明：无论是对叠后剖面还是对叠前道集记录，最优化列阵滤波既可达到高分辨率又可收到提高信噪比的效果。     

信号方向约束叠后噪声压制

目前叠后随机噪声压制方法众多,但去噪效果往往过于依赖剖面信噪比本身,从而在提高剖面高频段信噪比方面发生困难,难以真正展宽输出剖面高频段有效频带。方向约束叠后噪声压制方法在高频段有效信号的估计中,用易于求取的信噪比相对较高的低频段有效信号方向来约束。这样做的结果,使高频段有效信号的估计更加准确,能更好地改善去噪效果,从而达到拓宽有效频带的目的。     

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。