基于F-K域和Curvelet-中值滤波联合去噪的混采数据分离方法

由于炮分离过程会不可避免地损失部分有效信息,为解决这一问题,笔者建立模型试验,将混采数据转至频率域进行F-K滤波预处理,在保护地震同相轴的同时压制大部分混合噪声;并变换回时间域共偏移距道集进行小时窗中值滤波,同时设计迭代公式在共检波点道集进行Curvelet阈值迭代去噪;通过不断优化得到最后分离结果。模拟数据和实际数据处理结果证明:经本文方法分离后的单震源记录清晰,具有较好的实际应用价值。     

f-x域共偏移距道集的EEMD随机噪声压制方法

f-x域随机噪声压制方法面临着2个问题:叠前共炮点道集或CMP道集反射波同相轴为双曲线型,去噪同时会损害有效波;地震信号为复杂的非平稳信号,要求去噪方法具有自适应性。基于f-x EEMD的共偏移距道集随机噪声压制方法利用了共偏移距道集反射波同相轴为水平满足f-x域去噪假设条件和EEMD算法对非平稳信号的良好适应性,对f-x域每一个等频率切片做EEMD分解,并去除以高频随机噪声为主的第一个IMF分量,最后将f-x域数据反变换回t-x域,实现噪声分离。正演模拟和实际地震数据试算结果表明:该方法在压制随机噪声的同时,能够保持有效信号。      

基于多t-x域联合的多震源地震数据混叠噪声分离方法

随着多震源同时激发采集方法在地震油气勘探领域的应用逐年增加,许多学者对其关键技术多震源地震数据混叠噪声分离进行了研究,就目前为止,仍需开展保真度更高的方法研究。基于以下设想:对多震源地震数据做正常时差校正(NMO),可以加强反射信号的线性分布程度(尤其在共中心点CMP道集内),并扩大反射信号和混叠噪声的分布差异;单域分离混叠噪声,仅针对混叠噪声和反射信号的某一分布特性差异进行分离,多t-x域联合分离可综合利用各t-x域内混叠噪声和反射信号在各域内的分布差异,其分离效果更好。首先,通过对多震源数据CMP道集做NMO以强化反射信号的线性程度、扩大随机分布混叠噪声的离散程度,利用中值滤波分离大部分混叠噪声,再在其他t-x域内(如共炮点CSG道集、共检波点CRG道集和共偏移距COG道集等)根据残余混叠噪声分布特征利用随机噪声衰减等方法进一步分离,并在整个分离处理中使用保幅处理方法。提出的多t-x域联合分离混叠噪声方法,经理论数据验证,相较于单域分离方法可以有效且保真分离多震源数据中的混叠噪声,并对其他噪声和横波有一定的压制作用;实际数据应用效果表明,该方法比单域方法分离效果较好,叠后成像效果品质较高。多t-x域联合分离混叠噪声方法,能够稳定、可靠和保真地分离多震源地震数据中的混叠噪声。      

基于中值滤波和seislet阈值法联合压制混叠噪声方法

混采技术可以实现多台震源同时激发产生地震波场,有效提高采集效率,但是混采技术会产生严重的混叠干扰,降低地震数据的信噪比。针对此问题,引入多级中值滤波,设计了一种基于seislet域阈值去噪和多级中值滤波相结合的混叠噪声压制方法。该方法首先采用大步长中值滤波和seislet域阈值去噪相结合的方法得到初始压制混叠噪声的地震数据,再利用混叠算子计算去混叠噪声后地震数据的伪分离数据,然后求取该伪分离数据和原始混叠地震数据的差值,再次应用较小步长中值滤波提取剩余信号,并与上一步骤得到的去混叠后的地震数据相加,并再次进行seislet域阈值去噪,依次循环,直到信噪比达到期望值。通过模拟数据测试,并与F-K域迭代阈值去噪方法和常规seislet域迭代阈值方法相比,本方法在压制混叠噪声的同时,可以更好地保护有效信号。     

基于降秩和稀疏联合约束的地震数据同时重建和去噪

野外地震数据包含各种随机噪声干扰,且存在不规则道缺失现象,为了不影响后续资料处理,需要对其进行同时重建和去噪。目前大部分同时重建和去噪方法都是基于单一稀疏约束和降秩约束,尽管稀疏约束具有高效性优点,但对各种数据缺乏适应性,而降秩约束可以自适应不同数据,但计算成本较高。为了充分利用不同约束条件的优势,本文提出一种基于联合约束的地震数据同时重建和去噪方法：选用基于傅立叶变换的凸集投影算法(POCS)作为稀疏约束,阻尼多道奇异谱分析(DMSSA)作为降秩约束,在此过程中,还需使用截断奇异值分解(TSVD)算法和指数阈值公式。理论和实际数据的处理结果表明,本方法在联合约束条件下,能够从时间和空间上考虑地震资料的相关性并利用起来,比单一约束方法能在更少的迭代次数下取得更高的信噪比。     

Seislet变换在海上拖缆多震源采集数据分离中的应用

多震源混合采集技术具有减小勘探周期、降低勘探成本、提高数据质量等方面的优势,近年来,海上拖缆多震源混合采集技术得到了发展和应用,由于海上拖缆采集每炮对应的排列位置随着炮点同步移动,导致多震源混合数据的分离往往是一个欠定的反演问题,Seislet变换对地震数据具有更好的压缩特性,并且能够压制随机噪声,为此,分析了不同数据域海上拖缆多震源采集数据特征,将Seislet变换应用于海上拖缆多震源混合数据的分离,海上拖缆多震源合成和实际采集的混合波场分离结果表明,该方法能够取得更好的分离效果。     

基于Radon域阈值迭代的同时震源波场分离

由于同时震源数据包含串扰很难直接成像,因此需要对混叠的炮记录进行分离,为了将混叠的波场进行分离,笔者建立了基于稀疏域反演的阈值迭代模型,将混合采集数据的共检波点道集转换到Radon域进行稀疏表示,利用阈值算子进行约束,通过迭代反演得到分离结果。实验算例表明通过较少的迭代即可获得信噪比较高的分离结果,验证了反演方法的有效性,并且该算法对随机噪声有很强的压制效果。     

串联去噪技术在金属矿地震勘探中的应用

金属矿地震勘探中原始数据的信噪比很低,多种干扰混杂在记录中,常规去噪手段难以达到理想效果。针对金属矿地震数据中强线性干扰,设计了f-k 滤波、Radon 变换方法二级衰减; 针对强随机噪声,设计Radon 变换以及Curvelet 域组合变换法二级衰减,组成了f-k 滤波法、Radon 变换及Curvelet 域组合变换法串联去噪方法。应用于金昌金属矿多类混杂强噪声的地震实际数据中,大幅提高了数据的信噪比,经验证本文方法实用、有效。     

基于小波包分析的地震资料联合去噪方法研究

在地震记录中,随机噪声严重影响了有效信号的提取,为此必须进行消噪处理。这里首先使用小波包变换对不同频段的信号进行精细分离,有效信号和噪声经小波包分解后,其小波包系数将表现出不同特性,然后根据这种不同特性进行去噪处理,对小波包分析法处理后的剩余地震信号再进行KL(Karhunen-Loeve)变换,提取相关有效信号,最后对提取的有效信号进行中值滤波处理,进一步去除剩余噪声。经合成地震剖面和实际地震剖面处理实验证明,小波包分析、KL变换和中值滤波联合去噪方法,能有效地消除较强的随机噪声,提高地震剖面信噪比和分辨率。     

基于Shearlet变换的尺度方向自适应阈值地震数据随机噪声压制方法

地震勘探的有效信号常受到随机噪声的干扰而难以识别,需要进行随机噪声和有效信号的分离。传统Shearlet全局阈值不随方向与尺度变化,在去噪的同时也会损失许多有效信号。Shearlet变换作为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。本文将含噪地震信号通过Shearlet分解后计算各尺度与方向上Shearlet域系数的L₂范数,并对其进行数据重排后发现,随着方向改变L₂范数不断减小,进而提出一种基于L₂范数的尺度方向自适应阈值计算方法。将其与小波变换、曲波变换、Shearlet全局阈值去噪方法对比,模拟数据与实际地震记录去噪结果表明,本文方法在去除随机噪声的同时,深部弱信号也得到了很好的恢复,地震数据的信噪比比其他3种方法有所提高,在0.929 9 dB条件下提升至11.565 1 dB。     

基于混合类小波变换的随机噪声消减方法研究

介绍一种基于Seislet变换的混合类小波变换方法。小波变换可以对地震数据在时间方向上作进一步分解,利用小波去噪原理联合Seislet反变换共同对随机噪声进行消减。同时,基于信号噪声正交化模型,利用局部正交权重(LOW)对上一步的去噪结果进行信号能量补偿,从噪声中提取同相轴相干有效信息。理论模型和实际数据处理结果验证本文提出的方法可使地震资料中的随机噪声得到较好的消减。     

二维小波变换与中值滤波联合去噪方法研究

由于随机噪声是一种频带较宽的干扰波,因此依靠单一的去噪处理方式往往难以获得清晰反映目标体的地震信息。小波变换能够较好的去除高斯噪声,保留有效波中、高频成分,提高记录的信噪比,但去除脉冲噪声的效果却并不理想;中值滤波具有良好的边缘保持特性,虽低频去噪声效果有限,但去除脉冲噪声效果明显。因此可利用二维小波变换与中值滤波优势互补的方法,进行叠前去噪处理,达到去除宽频随机噪声的目的。首先运用二维小波变换的理论,采用自适应门限阀值方法进行去噪,同时结合中值滤波方法联合去噪。模型与实际数据的应用效果表明,联合去噪方法可有效压制噪声能量、保留高频有效信号、提高地震记录信噪比与分辨率。     

基于高精度字典学习算法的地震随机噪声压制

地震勘探中的随机噪声会对有效信号产生严重干扰,甚至会导致信号畸变。为了满足高精度的地震勘探要求,应用高精度字典学习算法压制随机噪声。该算法基于超完备稀疏表示理论,对传统的字典学习算法从字典训练和稀疏编码两个方面进行了改善:在字典训练阶段,保持支集完备的情况下,对字典进行循环更新,使字典更好地适应数据;在稀疏编码阶段,选用上一轮更新的部分大系数作为新一轮迭代的初始系数,充分利用大系数表示有效信号的特点。对理论数据和实际含噪地震资料的处理结果表明,与传统算法相比,高精度字典学习算法在去噪的同时能保护有效信息,明显改善去噪精度,对地震记录信噪比的提高有显著优势。     

地面阵列式微地震数据盲源分离去噪方法

由于地面噪声干扰多,原始微地震监测数据的信噪比相对较低,而数据品质决定了微地震事件的定位精度,因此,提高监测数据信噪比是微地震处理的关键环节。充分利用地面阵列式微地震数据监测台站数量多、间距近和分布广的优点,采用基于互相关的盲源分离去噪方法,进行随机噪声的压制。基于互相关盲源分离的阵列式微地震数据去噪方法,采用负熵作为目标函数,以粒子群优化方法进行高效求解,并通过互相关系数有效解决了盲源分离的不确定性问题,实现了地面阵列式微地震事件分量与噪声干扰分量的有效分离。通过正演模拟数据和实际微地震监测数据的去噪效果分析,证实了该方法的有效性和实用性。     

稳健主成分分析在地震资料异常值噪声压制中的应用

提高地震数据的信噪比是地震资料处理的重要目标之一。传统的地震去噪方法虽然可以有效压制随机噪声,但对非高斯分布的异常值噪声压制效果欠佳。本研究展示了一种基于稳健主成分分析的地震数据异常值噪声压制方法。该方法在频率-空间域通过对地震数据实施稳健低秩近似来求取理想无噪声数据。在目标函数构建方面,采用核范数最小化模型求取理想的低秩近似数据,并使用l₁范数最小化模型来估计异常值噪声。此外,运用增广拉格朗日乘子法求解该反演问题。最后,模型数据和实际资料的去噪结果验证了本研究方法的有效性,与传统F-XY域预测滤波法去噪结果进行对比,也显示本研究方法在有效压制异常值噪声的同时能更好地保护有效波能量。     

一种集成经验模态分解的样本熵阈值微地震信号降噪方法

微地震信号的采集过程中,会不可避免地混合非平稳随机噪声,传统的线性滤波和频谱分析方法对这种混合信号的去噪效果并不理想。针对这一需求,本文提出了一种新的降噪方法。首先对含噪声的微地震信号执行集成经验模态分解(EEMD),获取一系列不同频率成分的本征模态函数(IMF);为了区分这些IMF分量中的信号和噪声,文中通过计算各个IMF分量的样本熵,根据所设置的样本熵阈值来提取符合微地震信号特征的IMF分量,并对这些IMF分量进行信号重构,由此达到抑制随机噪声的目的。将提出的方法应用于模拟数据和实测微地震数据,均表明该方法具有理想的降噪效果。     

Radon域下的K-SVD字典的混采分离

基于地震反演来分离混采数据的方法,笔者提出用K次迭代奇异值分解(K-SVD)来更新Radon域下混叠信号中的字典原子的方法:在同步源采集和地震稀疏反演的背景下,将混合地震信号的分离视为稀疏反演问题,将共检波点域的数据表示在Radon域内,此时有效信号同相轴收敛;对数据阈值滤波后进行分块字典学习,进一步稀疏地表示地震数据;最后,固定字典,更新恢复信号和稀疏系数完成分离。模拟和实际资料处理结果表明:该方法对于混采数据的分离相对中值滤波、小波变换等更有效、分离质量明显提升,可应用于实际混叠数据中。     

基于反距离加权法的混采地震数据分离方法

为将混合地震记录分离为单炮地震记录,笔者采用基于反距离加权的迭代分离方法,在非共炮点域对伪分离数据进行混叠噪声的压制,将其变换回共炮点域,得到分离后的单炮地震记录。模拟数据和实际数据的处理结果证明,本方法能够有效地实现混合数据分离。相较于单独使用多级中值滤波方法,本分离方法能更好的保留有效信息。     

基于Ricker子波核的支持向量回归方法及其在地震勘探记录去噪处理中的应用

针对地震勘探中强随机噪声的去噪问题,引进支持向量回归方法,提出并证明一种新的Ricker子波核函数。支持向量回归采用核映射的基本思想,基于结构风险最小化原则,将回归问题转化为一个二次规划问题。对单道记录或多道记录中任选道的仿真实验表明,与传统的基于径向基核函数的支持向量回归及褶积滤波方法相比,使用本方法去噪后的同相轴更为清晰,波形恢复得更好,信噪比也较高,因此有可能将其应用于地震勘探记录的去噪处理中。     

基于改进K-SVD字典学习方法的地震数据去噪

为实现更好的地震数据去噪技术,笔者引入一种新的算法:快速迭代收缩阀值法(FISTA),通过FISTA和K-奇异值分解(K-SVD)不断迭代更新K-SVD字典,利用更新得到的K-SVD字典对地震数据进行稀疏表示,去除稀疏系数中较小的数值,使数据中的随机噪声得到压制。对层状模型合成地震记录,Marmousi模型合成地震记录以及实际地震数据进行对比实验,得出FISTA算法较OMP算法能更好地提高地震数据的信噪比,同时有效地保护了反射信号。