地震信号瞬时特征在小波域分频提取的方法和应用

在直接进行 Hilbert变换提取瞬时特征信号的传统方法中 ,Hilbert变换对高频随机噪声十分敏感 ,即使地震信号中存在微弱的高频噪声 ,所提取的地震信号瞬时特征仍被噪声淹没。本文提出了在小波域提取地震信号瞬时特征的方法 ,它利用小波变换的实部 (相当于实信号——地震信号 )、虚部 (实信号的 Hilbert变换 )的特点直接提取地震信号瞬时特征。该方法具有分频、去噪的功能 ,并且提取的地震信号瞬时特征中保留了频率低于高频随机噪声带的弱波 ,这种弱波可在瞬时特征剖面 (如瞬时频率、瞬时相位、瞬时振幅 )中显示出来。     

时间—尺度域内地震属性研究与应用

准确提取地震属性信号的瞬时特征参数在岩性识别、构造分析、圈闭评价及油气预测与解释等方面具有重要的指导意义。运用小波变换系数反应小波函数与地震信号的相关程度,能获得地震信号的频率特征的最佳尺度属性。传统的Taner瞬时参数求取法难以避免Hilbert变换带来的噪声干扰,小波变换瞬时参数求取法能压制噪声;利用Morlet小波函数或修正的Morlet小波函数对地震信号、解析地震信号实施连续小波变换具有不同的效果。基于此,提出与Grossmann、Satish K.Sinha等不同的瞬时振幅、瞬时相位、瞬时频率、瞬时中心频率、瞬时主频和瞬时带宽的计算方法。在对仿真地震信号的试算和实际地震资料处理中,取得了与理论一致的应用效果;在岩性识别、构造分析、圈闭评价及油气预测解释等方面具有一定的实用价值。     

地震信号瞬时特性在小波域分频提取的方法和应用

在直接进行Ｈｉｌｂｅｒｔ变换提取瞬时特征信号的传统方法中,Ｈｉｌｂｅｒｔ变换对高频随机噪声十分敏感,即使地震信号中存在微弱的高频噪声,所提取的地震信号瞬时特征仍被噪声淹没。本文提出了在小波域提取地震信号瞬时特征的方法,它利用小波变换的实部（相当于实信号－地震信号）、虚部（实信号的Ｈｉｌｂｅｒｔ变换）的特点直接提取地震信号瞬时特征。该方法具有分频、去噪的功能,并且提取的地震信号瞬时特征中保留了频率低     

基于经验模态分解和小波变换的地震瞬时频率提取方法及应用

传统的应用Hilbert变换提取地震瞬时频率的方法是基于平稳信号提出的,而野外采集的地震信号是典型的非平稳信号,因此其实际应用存在一定的局限性。本文提出了一种基于经验模态分解和小波变换的地震信号瞬时频率提取方法和流程。该方法首先对地震数据进行经验模态分解(Empirical Mode Decomposition,简称EMD),获得一组固有模态函数(Intrinsic Mode Functions,简称IMF),然后应用根据地质研究目标所划定的地层层序和声波测井数据,结合沉积旋回分析,选择地震数据中合适的固有模态函数。最后,对筛选的固有模态函数进行Morlet小波变换,提取地震瞬时频率。分别将Hilbert、Hilbert-Huang和本文方法应用于理论模型,结果表明本文方法是有效的;同时,实际地震资料应用结果表明,通过本文方法能获得更为精确的符合地质认识的地震瞬时频率剖面。     

利用Hilbert-Huang变换提取地震信号瞬时参数

 通过Hilbert变换求取的信号瞬时参数并非对任何信号都有物理意义，此法通常要求被分析信号是窄带或平稳的，而且对噪声很敏感。而实际地震信号既非平稳又含有噪声，若在实际应用中不加考虑地对地震信号进行Hilbert变换以求取瞬时参数，这种情况下求取的瞬时参数将缺乏物理意义甚至失真。Hilbert-Huang变换是一种新的分析非平稳非线性信号的方法，它先将信号进行经验模态分解（EMD），形成有限个固有模态函数（IMF）之和，再对固有模态函数作Hilbert变换求取时频谱，求取的时频谱在时域和频域都具有较高的分辨率。本文将Hilbert-Huang变换应用于地震瞬时参数的提取，实例表明，对地震剖面做EMD可以得到不同时间尺度上的特征，Hilbert谱比传统的时频谱在时间和频率域上的分辨率都要高，强反射层在第1阶IMF瞬时频率剖面上比原瞬时频率剖面上表现得更为明显。     

小波变换域地震资料瞬时频率分析方法

小波变换域瞬时频率分析方法是地震资料分析的重要工具。分析了在小波变换域提取瞬时频率的原理及优点，讨论了选择不同的小波函数对计算结果的影响。利用Ricker子波和薄互层模型数据，分析了以Morlet小波、匹配地震子波的小波及三参数小波为基本小波计算的瞬时频率，结果表明：基于三参数小波的瞬时频率分析方法具有良好的抗噪性能及较高的时间分辨率。将该方法用于地下薄互层结构的地震响应分析，不仅可以刻画地层的整体变化特征，而且可以刻画薄互层内部结构。在大庆油田三维数据体瞬时频率分析中，将该方法与常用的Hilbert变换属性提取方法进行了对比，结果表明，该方法可以更清晰地刻画出火山岩的空间展布。     

应用Morlet小波进行地震资料属性提取效果分析

Morlet小波被广泛应用于地震资料属性提取中的主要原因是Morlet小波为复小波且对高频噪声有压制作用。分析了Morlet小波的滤波机理及实现过程，指出由于Morlet小波在频域呈钟形状，决定了它不是理想滤波器。应用不含噪模型和信噪共存模型进行实例测试的结果表明,Morlet小波不能消除信噪共存频带内的噪声，并且在去噪过程中对有效波有不同程度的损害。为此指出应用Morlet小波进行地震资料属性提取不是最佳选择。     

复小波频谱分析在地震数据处理中的应用

短时窗傅里叶变换对地震记录分析是按照固定时窗滑动，而复Morlet小波分析法则在时间域和频率域具有良好的局部特性。复Morlet小波的傅里叶变换为高斯函数，是一个特性较理想的带通滤波器，因此在分析地震记录时可以准确刻画储层的特征。文中讨论了复Morlet小波频谱分析方法，分析了复Morlet小波的性质、信号频谱的计算及中心频率uo、参数卢的选取。理论模型试算与实际地震资料处理结果表明，复Morlet小波频谱分析方法的时频分析结果的分辨率明显高于短时窗傅里叶变换的结果，且缝洞储层与围岩的界限分明，能够较细致地刻画储层的分布特征。复Morlet小波频谱分析方法适合复杂缝洞发育的碳酸盐岩储集体的地震数据处理与解释。     

小波变换在瞬时相位分析中的应用

采用复地震道技术可以提取瞬时相位,瞬时相位参数对地震资料解释、油藏描述和获取岩性信息有重要意义。由于小波具有良好的时频局部特征,因此可以利用小波变换求取不同尺度下的瞬时相位参数。本文对地震波在小波变换下的相位特性进行了初步探索。试验表明,本方法可有效地确定断层和追踪地震层位信息。     

改进的小波阈值法瞬时信息提取

：利用Ｈｉｌｂｅｒｔ变换提取瞬时信息是储层预测的一种常用方法，但抑制噪声的能力弱。在分析小波软、硬阈 值去噪方法优缺点的基础上，引进了一种改进的阈值去噪方法。该方法可以很好地压制地震信号中高频随机噪 声，且保持原信号的细节信息。在实际地震资料处理中，首先利用改进的方法去噪，然后再采用Ｈｉｌｂｅｒｔ变换提 取瞬时信息，取得了较好的地质效果。     

基于Morlet小波匹配追踪算法的地震时频属性提取

 由于地震信号不可避免地含有各种噪声，而瞬时频率对噪声敏感，容易造成假象。本文讨论基于Morlet小波匹配追踪算法的时频分布，在此基础上提取的瞬时频率等时频属性具有良好的抗噪能力。文中给出具体算法流程，合成数据试算和实际资料应用结果均表明，利用本文方法提取的时频属性在识别海底浅层气等方面具有较好的效果。     

基于小波变换的套管金属磁记忆检测信号处理

套管受到非均匀载荷的作用易产生塑性变形,在应力集中区,易造成套管弯曲、变形或错断,用金属磁记忆技术可有效判断套管应力集中区域.对于含有噪声非平稳性的井下磁记忆信号,把指数小波去噪技术和希尔伯特(Hilbert)变换应用到了磁记忆的信号分析中.基于信号与噪声在小波分析中不同尺度的传播特性,利用小波非线性滤波方法消除了噪声、提高了信噪比.同时利用Hilbert变换得到磁记忆信号的包络线,从而有效提取了特征量.     

2D地震小波变换和自组织网络联合边界检测

阐述了利用信号二维小波变换的特征点进行边界检测的理论方法及可行性 ,以及地震信号二维小波变换的特征点的提取计算。讨论了不同尺度下二维小波变换特征点的性质、特点 ,研究了利用自组织网络对提取计算的二维小波变换的特征点进行竞争学习、聚类。并根据所研究的问题 ,设计了相应的算法 ,通过实际资料的应用 ,取得了较好的效果。     

小波变换求取地震特征在识别侵蚀沟谷中的应用

小波域的时频分析和特征参数提取方法是研究地震波信息的一种新手段。本文应用小波变换理论对地震资料进行地震瞬时特征和相群特征的提取,包括：瞬时相位剖面和相特征剖面。瞬时振幅剖面和群特征剖面,以及瞬时频率剖面。应用该方法的处理结果可以准确地识别长庆气田下古生界奥陶系风化壳侵蚀沟谷的存在及展布情况,取得了很好的效果,解决了常规剖面无法解决的问题。     

基于广义S变换的低频瞬时能量谱油气检测技术

讨论了S变换的优良性质,并对S变换作了进一步推广。将从地震资料中提取的地震子波代替S变换中的基本小波,实现了应用在地震资料中的广义S变换。通过对原始地震数据做广义S变换,得到了S域中单频率段的复地震道;由单频率段的复地震道进一步求取瞬时属性,得到了广义“三瞬”,即广义瞬时振幅、瞬时频率、瞬时相位(也称单频段的瞬时振幅、瞬时频率、瞬时相位)。当储层中含有流体或气体时,会引起地震波能量和频率的变化,表现为高频段能量的衰减和低频段能量的增强,故利用基于广义S变换的低频瞬时能量谱可进行油气检测。     

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.     

用提升法小波分析进行地震信号的噪声衰减

提升小波的基本思想是建立在双正交小波和完全可恢复滤波器组的理论基础上，在保持小波双正交特性的条件下，通过所谓提升和对偶提升过程，来改善小波及其对偶的性能，以满足各种应用的需要。文章简单介绍了基于提升方案小波分析的基本原理和方法，建立了一维和二维地震信号进行提升小波分解和重构的基本流程，分析了提升法小波变换相对于第一代小波变换的各种优点，最后结合具体实例，将基于提升格式的小波变换与重构用于地震数据的噪声压制。根据噪声与信号的特点，在小波低频与高频系数中分别采用不同的软阈值进行量化处理，取得了较好的压噪效果，提高了地震资料的信噪比。实际资料的应用效果表明，该方法易于实现，计算效率高，具有较好的应用前景。     

基于希尔伯特-黄变换的地震信号时频谱分析

希尔伯特-黄变换（Hilbert—Huang Transform,HHT）是分析非线性、非稳定信号的一种新方法,能清晰地刻画地震信号的时频能量分布。首先将信号分解为有限数量的固有模态函数IMF,再对这些IMF求解瞬时频率,进而获得信号的时频谱。应用理论模型和实际地震道数据进行了试算,并与S变换谱进行了对比,证明该方法比S变换具有更好的时频域刻画能力。对实际二维地震剖面做HHT变换求得希尔伯特谱,提取分频剖面分析认为,HHT瞬时谱具有一定的油气检测能力。