基于独立分量分析基的地震随机噪声压制

传统的独立分量分析(Independent Component Analysis,ICA)去噪方法假设地震记录的相邻道含有相同的随机噪声,仅适用于同相轴较平的地震记录,去噪效果并不显著。为了改善ICA方法对高斯随机噪声的压制效果,首先通过构造度量数据非高斯性的目标函数求取地震数据的ICA基,将数据转换至ICA域;然后通过贝叶斯方法构造出满足非高斯分布的阈值函数,进行阈值法去噪处理。为了满足独立分量分析的假设条件,将地震数据进行分块处理,并假设每个数据块与整体的数据含有相似的数据结构。理论模型及实际资料试算结果表明,该方法可以有效地压制剖面中的高斯随机噪声,对含复杂界面的数据也十分有效,具有较好的应用价值。     

一种叠前地震资料单频噪声压制新方法

针对常规陷波处理方法去除单频噪声时会"完全扼杀"相同频率有效波的缺陷,提出了一种基于独立分量分析(ICA)的叠前地震资料单频噪声压制新方法。该方法将叠前地震资料的多道观测记录按照统计独立的原则,首先利用非零时间滞后协方差,运用两步特征值分解法(EVD)成功地去除部分加性噪声的影响;再利用ICA算法更好地分离出单频噪声源信号。改进的ICA算法能够有效地克服加性噪声对常规ICA算法的影响,较好地分离出叠前地震资料中的单频噪声源信号,实现独立分量分析对叠前地震资料单频噪声压制的目的,更加有效地保护相同频段范围的有效波,从而提高叠前地震资料的信噪比。通过仿真试验和实际地震资料处理表明,该方法应用效果较好,能够更加满足实际生产的需要。     

��������Ԫ���������ڱ����ϲ�

在叠后地震资料处理中,断层保护是十分重要的。共反射面元叠加是一种叠后去噪,雇针三维叠后数据体中的一个面元的地震反射同相轴校正为水平同相轴后叠加在一起得到叠加道,用这个面元叠加的道数去除叠加道,得到平均叠加道。该平均叠加道就是该面元共中心点上的共反射面元叠加道,由于是“同相叠加”,所以反射信号得到加强,随机噪声受到压制,有效地提高地震资料的信噪比。章运用理论模型和实际地震资料证明,叠后去噪对断层有影响,共反射面元叠加对断层的影响很小,是一种有利于保护断层的去噪技术。     

基于小波变换与奇异值分解的地震资料去噪新方法

为了有效地去除地震资料中的随机噪声,充分利用小波变换(WT)去噪和奇异值分解(SVD)去噪方法的优点,提出了一种新的基于小波变换和奇异值分解(WT-SVD)的地震资料去噪方法。该方法首先进行小波软阈值去噪,有效地降低噪声的方差;然后进行基于倾角扫描的奇异值分解去噪,识别噪声点,自动追踪同相轴,并进行同相轴拉平处理,充分利用了奇异值分解方法处理水平同相轴噪声效果好的优点。理论模型和实际资料的去噪结果表明,该研究提出的WT-SVD方法简单易行,比单一的SVD方法和WT方法的去噪效果更显著,有效地消除了地震资料中的随机噪声,显著地提高了地震资料的信噪比。     

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。     

叠前随机噪声深度残差网络压制方法

深度残差网络作为一种先进的深度学习算法,近年来得到学术界和工业界的高度关注。针对叠前地震记录中随机噪声的智能高效压制问题,首先根据深度残差网络原理设计了一种深层非线性去噪网络,然后利用构建的高质量随机噪声训练集对该网络进行训练,在高维空间实现对随机噪声特征的自动学习,从而拟合出含噪声地震记录与随机噪声之间的非线性映射关系,实现随机噪声自动压制。模型数据测试和实际资料应用均证明了文中方法的有效性。尽管其去噪能力与标签数据获取方法相当,但去噪效率及适应能力明显优于标签数据获取方法,为应对TB级叠前地震数据的去噪问题提供了一种可借鉴的思路。     

基于迭代启发网络算法的非平稳随机噪声压制

常规滤波方法常常放大了噪声的影响,同时噪声的存在也限制了分辨率的提升,并“平滑”了地震数据中的不连续信息。为此,提出了基于迭代启发网络（ⅡN）算法的非平稳随机噪声压制方法,利用迭代启发网络压制非平稳随机噪声,网络结构简单、紧凑。ⅡN由交替方向乘子算法的迭代过程推导而来,利用L₁范数优化变分模型。在训练阶段,通过增加一个新的辅助变量,将目标函数的极值转化为增广拉格朗日格式,使用L-BFGS（Large-Broyden Fletcher Goldforb Shanno）算法判别、训练所有网络参数,最终得到最优去噪模型。理论模型及实际资料的去噪结果表明：①由训练得到的去噪模型根据有效信号的特征,在去噪的同时可保留同相轴的形状特征;采用的迭代网络简单、紧凑,加快了网络的收敛速度,能够用相对较小的数据集和较短的训练时间快速训练去噪模型,达到预期的去噪效果。②所提方法具有较强的适应性,有效地压制了常规地震数据中的非平稳随机噪声。     

基于四阶互累积量的fast ICA微地震数据噪声压制方法研究

相较于常规地震资料,微地震资料中不同道之间有效信号通常存在时间差,使得采用快速独立分量分析(fast independent component analysis,fast ICA)算法分离微地震有效信号时受不同道之间有效信号时间差干扰,导致部分有效信号被当作噪声而分离。引入四阶互累积量算法消除时间差后,再将fast ICA算法应用于微地震资料进行有效信号与噪声的盲源分离,从而解决上述问题。首先分别介绍了四阶互累积量算法和fast ICA算法,并利用微地震仿真数据测试了四阶互累积量算法的时差估计准确性,再根据时差估计结果对有效信号进行时差偏移,最后对偏移后的微地震数据进行fast ICA盲源分离,从而达到去除噪声的同时保留有效信号并提高信噪比的目的。微地震仿真实验以及实际微地震资料的处理结果表明基于四阶互累积量的fast ICA微地震数据噪声压制方法具有良好的去噪效果。     

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。     

利用独立分量分析法去除地震噪声

 独立分量分析（ICA）作为盲源分离（BSS）的一种新方法,是分解观测数据中独立信息的有力工具。以往的ICA算法一般假设噪声可以忽略不计，而实际的观测数据中又常常包含一些加性噪声。对于加性噪声的影响不能忽略的情况下，改进的ICA算法首先利用非零时间滞后协方差，应用两步特征值分解法(EVD)可成功地去除部分加性噪声的影响；再利用ICA算法就能更好地分离出原信号。本文通过对地震理论模型和实际资料的试验，说明改进的ICA算法能够有效地克服加性噪声对常规ICA算法的影响，能够分离出地震资料中的有效信号，从而实现利用独立分量分析压制地震资料噪声的目的。     

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。     

可控震源混叠地震数据分离与成像

对不同采集方式得到的可控震源混叠地震数据采用不同的地震处理方法进行分离。利用反演的思想,在高保真采集数据分离过程中引入广义逆算子和奇异值分解以改善分离效果;利用去噪的思想,对独立同步扫描得到的地震数据中的混叠噪声进行压制,其过程是先将混叠地震数据变换到人工分选道集,再采用矢量中值滤波随机噪声压制方法压制混叠噪声。对未分离的可控震源混叠地震数据先直接进行成像,再采用最小二乘逆时偏移方法压制逆时偏移成像过程中产生的部分串扰噪声,同时引入可控震源静态编码技术进一步压制直接成像过程中的产生串扰成像噪声,最后利用整形规则化滤波技术消除串扰成像噪声。模型试算与实际地震资料测试结果表明,利用基于整形规则化的可控震源编码最小二乘逆时偏移方法可消除串扰成像噪声,得到具有高信噪比、高分辨率、高振幅均衡性的成像剖面。     

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。     

矢量法保真去噪

用矢量的概念和算法能比较容易地对地震信号的相关性、噪声和岩性特征进行定量描述。一个地震道矢量可由相关分量和非相关分量组成,前者反映地震信号的相似连续性,后者包含噪声和岩性的影响。噪声分量不具有倾角特性,而地震道的相关分量和岩性分量均具有倾角特性,因而利用倾角特性可以消除噪声,保留岩性分量,故称这种矢量去噪法为保真去噪法。在具体解法上,我们采用了剖分倾角微元的思想,从而成功地提取出岩性分量,实现了保真去噪。在此基础上发展了一套保真去噪方法,包括随机噪声分离、信号加强及规则噪声分离。这些方法在新疆、四川的地震资料处理中发挥了很好的作用,处理效果十分显著。     

非局部平均滤波噪声压制方法及其在VSP资料逆时偏移中的应用

基于双程波的逆时偏移会产生低频成像噪声,在成像后运用拉普拉斯滤波法可以取得较好的压噪效果,但是,该方法严重依赖于角度参数,使得滤波后的成像剖面上常常存在同相轴不光滑和噪声压制不完全的情况。基于叠后地震资料同相轴结构的特点,为进一步提高逆时偏移叠加数据的信噪比,引入了非局部平均滤波法,针对拉普拉斯滤波后的成像数据进行进一步的压噪处理。非局部平均滤波法将输入的地震数据分解为不含噪声的地震数据和噪声数据两部分,利用不同成像点与其它成像点间的相似系数,实现滤波处理。二维复杂模型VSP正演模拟数据逆时偏移结果的试算表明,应用非局部平均滤波后的剖面信噪比得到进一步提高,同相轴的连续性明显增强。实际VSP资料逆时偏移低频噪声压制试处理也表明非局部平均滤波方法具有计算精度高、算法稳定性好和易于实现的特点。     

基于奇异值分解的角度域去噪方法

受地层调谐效应和地震数据品质等因素的影响,角度域共成像点道集(angle domain common image gathers,ADCIGs)存在不同程度的波形拉伸和随机噪声干扰。为了提高ADCIGs及其叠加剖面的成像效果,提出了基于奇异值分解的角度域去噪方法。首先对叠前偏移输出的ADCIGs进行奇异值分解,然后对奇异值进行归一化修正,采用累计贡献率的方法确定降噪阶次,从而实现角度域内的信噪分离和噪声压制。在确定降噪阶次时,采用累计贡献率的方法可以直观地判断各奇异值分量对数据的贡献,便于快速选择降噪阶次。理论模型和实际数据的测试处理结果表明,基于奇异值分解的角度域去噪方法适用于具有水平同相轴的ADCIGs,它能有效分离角度域内的随机干扰,并且能压制高角度处的频率畸变,改善大角度数据的品质。对ADCIGs进行基于奇异值分解的角度域去噪,可进一步提高该叠前道集的精度,从而有效改善角度域叠加剖面的信噪比和分辨率,也为基于叠前道集的速度分析和叠前反演提供了更为准确的数据基础。     

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。     

基于独立分量分析的地震信号盲源分离及应用

受采集条件及野外环境影响,实际地震资料通常包含严重的噪声,严重影响成像质量.因此,寻找合适的去噪方法来提高资料信噪比至关重要.随盲源信号分离理论发展而来的独立分量分析(ICA)算法以高阶统计理论分析为基础,根据地震有效信号和随机噪声统计独立的特征,可实现信噪分离,但该方法通常要求观测信号数大于源信号数.基于此,提出一种...     

一种改进的独立分量分析算法在大地电磁去噪中的应用

根据大地电磁噪声的特点和独立分量分析(ICA)中M-FastICA算法的优良性能,结合小波分析和盲源分离的相关理论,提出了一种改进的独立分量分析去噪方法。首先对观测信号进行多尺度小波分解,使信号从单道变成多道,以满足独立分量分析对观测信号的数目需求;然后采用M-FastICA算法对小波分解提取的多层高频分量进行独立分量分析以提取有效独立分量和特定独立分量;引入动态自适应因子来限制特定独立分量的权重以减小观测信号信噪比对去噪效果的影响;最后由小波低频分量和M-FastICA算法提取的两种独立分量共同构成恢复信号。模拟信号仿真实验表明,该方法的去噪性能优于传统小波阈值去噪方法。将该方法应用于实际大地电磁观测资料的去噪处理,无论是视电阻率曲线还是相位曲线,都比去噪前更加光滑和稳定,说明改进的独立分量分析算法能有效地去除大地电磁噪声。