基于小波变换的最小光滑滤波去噪

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都不理想。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，结合一维方向上去噪的光滑滤波，能有效地消除随机干扰，并且能保证有效波的中、高频成分，经过小波包重构，可恢复有效波信号，该方法优于常规一维去噪方法。     

小波变换及其在去噪中的应用

小波变换是一种能同时在（或空间）和频率域内进行局部化信号分析的新方法。其主要优点在于它在时域（空域）和频率域都有良好的局部化性质,而且由于对高频成分采用逐渐精细的时域（空域）取样步长,从而可以聚焦到信号的任意细节。原则上讲,使用傅里叶变换的运算均可用小波变换代替,而且不受短时窗的局限。在本文法的实现过程中,首先构造尺度函数与小波函数,求出相应的频率响应,利用Ｍａｌｌａｔ算法对信号进行塔式分解,再根     

基于小波变换与多级中值滤波的联合去噪方法

基于小波变换的阈值去噪方法存在阈值选取困难、低信噪比资料去噪后倾斜和弯曲同相轴连续性不好等问题。图像去噪方法中的多级中值滤波具有保护细节的特性,提出了基于多级中值滤波的小波域去噪算法。该方法利用最大和最小中值之差判断平坦区域和边缘区域,提高了小波域中去除噪声的能力,同时有效地保护了信号细节。模型数据与实际数据处理结果表明,该方法比阈值去噪方法分离信、噪的能力更强。     

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。     

小波变换及其在地震资料去噪中的应用

文章从傅立叶变换不能满足信号处理的要求入手引出小波变换,通过对实际地震资料小波变换去噪前后的效果比较,说明了小波变换是一种分离信号的好方法,能够提高地震资料的分辨率。     

基于字典训练的小波域稀疏表示微地震去噪方法

地面微地震数据的信噪比很低,严重地影响初至拾取的精度及反演结果的可靠性。为此,研究了基于字典训练的稀疏表示去噪方法,通过曲波变换估算了剖面中的噪声方差,从而将该法用于实际地面微地震资料去噪中;为了改善在低信噪比时的去噪效果,研究了小波域的稀疏表示去噪方法,并与普通的稀疏表示去噪方法进行了定量分析。理论模型及实际资料的处理结果表明:1迭代次数及字典原子的大小会对去噪结果产生较大影响,去噪后数据的信噪比随着两者的增加而增加,但这也会导致计算效率降低。因此,在处理时对于较大的数据可以选择中等大小的字典原子及迭代次数,以保证在得到较高信噪比的同时,具有较快的运算速度;2该方法可以去除传统稀疏表示方法在去噪后引入的"背景斑块",且去噪后的信噪比也得到极大提高。因此,相对于传统的方法,本文的方法具有显著的优势及较好的应用价值。     

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。     

不同信号的小波变换去噪方法

本文介绍了小波分解与重构、小波变换阚值及小波变换模极大值三种常用的小波去噪方法，并将上述三种方法分别对叠加了高斯白噪声的仿真信号进行去噪处理。对三种方法的优缺点进行了比较和分析，结果表明：对于信号和噪声的频带相互分离的含有确定性噪声的信号，选用方法简单、计算速度快的小波分解与重构去噪法最为合适；对于含有高斯白噪声的信号，可以选用阚值法和模极大值法。由于阚值法具有能得到原始信号的近似最优估计、计算速度快以及具有广泛的适应性等优点，因而成为小波去噪方法中应用最广泛的一种去噪方法。小波变换模极大值法对于信号中含有较多的奇异点的信号去噪效果最好，但其缺点是计算速度慢。在实际应用中需权衡去噪效果和计算速度之间的关系，有效、合理地选择最适合实际资料的去噪方法。     

小波变换在孔隙度曲线去噪分析中的应用

就孔隙主曲线含有非地质因素的噪音这一特点，提出采用小波变换的新方法。该方法以一维小波去噪方法和小波包去噪方法为主，减少噪声信号φs的部分值，处理结果表明，经小波变换后的曲线噪声得以压制，质量得以提高，能更好地与其它测井曲线配合进行综合解释。     

小波变换在孔隙度曲线去噪分析中的应用

就孔隙度曲线含有非地质因素的噪音这一特点,提出采用小波变换的新方法。该方法以一维小波去噪方法和小波包去噪方法为主,减少噪声信号φs的部分值、处理结果表明,经小波变换后的曲线噪声得以压制,质量得以提高,能更好地与其它测井曲线配合进行综合解释。     

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。     

提升小波变换在信号去噪中的应用

文章介绍了提升算法和基于该算法的小波变换快速算法,重点探讨了如何利用提升小波变换对信号去噪,阐述了对实际信号去噪处理方法,得出了提升小波算法能够较好地应用于信号去噪的结论。     

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     

多道小波波阻抗反演

鉴于地震数据中不同的频段有不同的信噪比，以及相邻地震道的反射波有效成分在波形和能量上有较强的相关性，作者结合小波变换的特点，运用多道记录同时进行波阻抗反演，即在迭代过程中将实际地震记录与模型合成记录的残差道进行小波分解，形成残差道分频小波剖面，然后利用Ｋ－Ｌ变换提取分频剖面中的相干部分用于波阻抗变化量的计算，从而避免了噪声参与波阻抗变化量的计算。本文展示了理论模型与实际应用的例子，说明这种反演方法     

二维小波变换的方向性及其在FMI图像处理中的应用

探讨了二维小波变换谱系数的意义和二维小波变换的方向性。利用Daubechies正交小波基对FMI图像进行小波变换，提取其裂缝信息，为测井数据分析提供了极有价值的参考。     

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。     

基于小波变换的自适应多井对比技术

针对多井对比中的层位识别问题，提出了利用自适应小波变换进行地层自动划分的解决办法。该方法首先利用已知井的标志层信息，提取该标志层的小波尺度信息，在该小波尺度信息的基础上得到一个小波尺度序列；然后利用小波尺度序列对未知标志层井段的测井信号进行相应的小波变换，对得到的变换序列利用奇异值点进行分割得到一组包含后选标志层的层段；最后利用动态规划算法计算已知层序列和被分割序列的最佳匹配距离。在一系列小波尺度序列对应的最佳匹配距离中，必有一最小者，而该最小者对应的小波尺度即为对该井进行分层的最佳尺度，因此可以根据各个井测井信息的不同自动调整小波变换尺度参数，大大减少用户调整参数的工作量，避免人为的误差。     

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。     

离散小波变换在可控震源地震勘探信号时延估计中的应用

在可控震源地震勘探信号处理中，为了提高反射信号时延估计的精度和压制噪声的能力，应当采用离散小波变换时频分布的二维相关算法代替传统的时域相关算法，利用发射信号和反射信号的时频分布相似性估计接收信号中各个反射信号分量的时间延迟。仿真实验证明，时频分布二维相关算法比传统的时域相关算法具有更强的压制噪声的能力，能很准确地进行时延估计。图1表1参10