提高地震数据信噪比的PCA方法

由于地震数据中存在各种各样的噪声,怎样去压制或者滤除这些噪声,以至提高信噪比成为当前地震信号处理中关键步骤.本文根据地震数据中随机噪声干扰和可能存在的工业单频噪声干扰的特点,采用主成分分析技术,即通过正交分解得到数据矩阵的主分量,并利用不同的主分量进行信号重构,从而达到去除单频干扰和随机噪声的目的,有效地提高了地震数据...     

F-X域复数经验模态分解去噪方法（英文）

F-X域经验模态分解去噪方法在处理非稳态地震数据时存在两个局限,一是单纯剔除第一个固有模态分量将导致有效信号缺失及去噪能力偏弱问题,二是分解复信号时对实部和虚部分别分解存在分解数目不一致的风险。本文对上述两个方面进行了改进,提出了一种新的F-X域投影法复数经验模态分解预测滤波方法,首先采用基于空间投影的复数经验模态分解将F-X域地震数据直接分解为不同的复固有模态分量,然后再对这些分量分别进行F-X域预测滤波。合成记录及实际资料测试表明,本文的新方法能更好地衰减随机噪声,更有效地保持地震信号。     

基于反演的稳定高效衰减补偿方法

反Q滤波方法是提高地震数据分辨率的一种有效途径,可以用来补偿振幅和校正相位.常规的反Q滤波方法一般基于波场延拓理论,具有不稳定性或振幅补偿不足的缺点.本文基于波场延拓的正Q滤波方程,借鉴反演的思想以及正则化策略提出了一种新的衰减补偿方法,该方法稳定、精确,利用该方法可最终得到高分辨的地震记录.该方法仅计算有效频带内的频率分量,提高了计算效率.模拟数据以及实际数据处理验证了本文方法的有效性.     

偏振分析在地震信号检测中的应用

给出了一种3分量地震数据偏振分析的技术,并将其应用到人工地震勘探信号的提取中。该技术基于时域算法,通过对协方差矩阵的本征分析,在滑动时间窗内计算偏振特性,由偏振椭圆导出表征质点运动的各种属性,并利用质点运动的特征构建偏振滤波器。本文对3分量合成地震记录和野外探测实验的实际3分量记录进行偏振分析研究,并在此基础上进行偏振滤波,有效地提高了信噪比。     

基于正交时频原子的地震信号快速匹配追踪

匹配追踪能够根据地震信号自身的特点进行自适应分解,但因计算量巨大使其不能被广泛应用.本文提出了一种正交时频原子快速匹配追踪方法,该方法在迭代分解过程中,充分利用地震信号的局部性特征作为先验信息点,在先验信息点附近采用动态搜索策略寻找最佳匹配时频原子,同时对时频原子进行正交变换,消除了时频原子库中的冗余分量,最终将信号分解为一系列正交时频原子的线性叠加.测试结果表明,该方法不仅保持了匹配追踪的分解精度,而且使计算效率有了质的提高.     

卡尔曼最优估计下独立变量分析地震反射系数提取方法

地震记录卡尔曼估计存在先验信息的不确定性问题,地震记录的独立变量分析的分解分量可以给出卡尔曼估计诸分量更全面的先验信息.独立变量分析迭代逼近输出相互独立的变量,存在源信息独立分量不准确问题,利用卡尔曼估计理论,优化逼近可以减小这种不准确性.考虑两种理论方法的优缺点,把独立分量分析理论和卡尔曼最优估计理论结合起来,研究基于卡尔曼最优估计地震反射系数独立变量分解提取方法.对地震数据进行独立变量分解,得到初始分解分量,对各分量和地震记录建立卡尔曼估计状态方程,根据建立的方程,利用递推寻优过程进行分量的最佳估计,考虑到地震记录的横向相关信息,增加有用信号横向相关信息约束.理论模型和实际资料验证了方法的正确可靠性及应用效果.     

单分量地面记录地震波场分离的非线性滤波方法研究

单分量反射地震勘探地面记录的垂直位移分量uz应表示为纵波位移分量uPz和横波位移分量uSz之和.对反射地震数据进行精确处理必须从垂直位移分量uz中分离出独立的纵波位移分量uPz和横波位移分量uSz或者其他的波场分量,例如瑞雷波.现有的地面记录的纵横波分离方法建立在多分量记录基础上,而分离瑞雷波是基于波传播视速度差异的特性,其中隐含了数据观测面是弹性自由边界的假设,这和实际的地面观测条件是有差别的.文中设地面为一非弹性自由边界,利用非弹性自由边界面上的应力条件,给出了从单分量垂直位移记录uz中分离纵波垂直位移分量uPz和横波垂直位移分量uSz的非线性滤波方法.当边界为自由弹性时,该非线性滤波退化为线性视速度滤波.最后讨论了该滤波方法用于反射纵波和频散瑞雷波场分离的可能性.     

基于核函数主分量的维纳滤波方法研究

针对强随机噪声地震资料背景下经典维纳滤波方法在信号的保幅及高维数据空间求解过程中产生病态矩阵的问题,提出利用核函数主分量维纳滤波压制强地震勘探随机噪声.首先利用线性核函数将地震信号映射到特征空间,再通过主分量分析方法提取地震数据主分量进行数据降维,并得到核主分量维纳滤波因子,从而进行核主分量维纳滤波（K-WPC）.正演仿真及对实际地震资料处理表明,该方法对随机噪声有较好的压制作用,保幅效果也令人满意.     

极化滤波在三分量噪声衰减中的应用研究

极化滤波是根据各种地震波在三分量地震记录上偏振方向、程度的不同,将待处理的地震数据分解到该数据协方差矩阵的特征向量方向上来压制干扰,从而达到提高信噪比的目的.理论合成数据试算结果表明用该方法去除噪声方法灵活、保真性好、分辨率高.但是在实际资料的处理中,由于地层结构复杂多样,各种类型的波相互干扰,噪声衰减的效果受到一定影响.     

基于经验模态分解的分数维地震随机噪声衰减方法

经验模态分解算法(EMD)是一种基于有效波和噪声尺度差异进行波场分离的随机噪声压制方法,但由于实际地震数据波场复杂,导致模态混叠较严重,仅凭该方法进行去噪很难达到理想效果.本文基于EMD算法对信号多尺度的分解特性,结合Hausdorff维数约束条件,提出一种用于地震随机噪声衰减的新方法.首先对地震数据进行EMD自适应分解,得到一系列具有不同尺度的、分形自相似性的固有模态分量(IMF);在此基础上,基于有效信号和随机噪声的Hausdorff维数差异,识别混有随机噪声的IMF分量,对该分量进行相关的阈值滤波处理,从而实现有效信号和随机噪声的有效分离.文中从仿真信号试验出发,到模型地震数据和实际地震数据的测试处理,同时与传统的EMD处理结果相对比.结果表明,本文方法对地震随机噪声的衰减有更佳的压制效果.     

地震资料去噪方法技术综合评述

地震资料去噪,无论是叠前还是叠后,都是处理中非常重要的内容.随着勘探技术的进步,地球物理界积累和开发的去噪软件已越来越多.对各种去噪方法进行分门别类,阐述其基本原理、物理意义、适用条件、发展前景,既有理论价值又有实际指导意义.本文从噪声的特征出发,首先对地震资料噪声进行了分类;然后综合评述了目前实际生产中常用的几种去噪方法,包括频率域滤波、频率波数域滤波、频率空间域滤波、Radon变换、聚束滤波、基于小波分解和重建的去噪方法等;最后还简述了去噪技术的应用及发展情况.     

地震资料去噪方法、技术综合评述

地震资料去噪，无论是叠前还是叠后，都是处理中非常重要的内容.随着勘探技术的进步，地球物理界积累和开发的去噪软件已越来越多.对各种去噪方法进行分门别类，阐述其基本原理、物理意义、适用条件、发展前景，既有理论价值又有实际指导意义.本文从噪声的特征出发，首先对地震资料噪声进行了分类；然后综合评述了目前实际生产中常用的几种去噪方法，包括频率域滤波、频率波数域滤波、频率空间域滤波、Radon变换、聚束滤波、基于小波分解和重建的去噪方法等；最后还简述了去噪技术的应用及发展情况.     

SVD与EMD联合去噪方法在地震勘探数据处理中的研究与应用

将基于倾角扫描的奇异值分解与经验模式分解法相结合应用到地震资料随机噪声压制中。首先利用经验模式分解法消除部分噪声,增强地震道有效信号的相关性,再利用奇异值分解对地震信号进行同相轴自动追踪,截取小时窗数据体,并进行同相轴拉平处理,经SVD计算小时窗数据中心点的值来代替计算样点的值,最终实现随机噪声的压制。理论模型试算和实际资料处理表明,本文提出的EMD-SVD方法简单易行,比单一的SVD方法去噪效果更显著有效地消除了地震资料中的随机噪声,提高了地震资料的信噪比,并改善了叠加剖面的质量。     

压制空间非平稳地震勘探随机噪声的ROAD径向时频峰值滤波算法

径向时频峰值滤波算法是一种有效保持低信噪比地震勘探记录中反射同相轴的随机噪声压制方法,但该算法对空间非平稳地震勘探随机噪声压制效果不理想.本文研究空间非平稳地震勘探随机噪声,即各道噪声功率不同的地震勘探随机噪声,其在径向滤波轨线上表征近似脉冲噪声,在径向时频峰值滤波过程中干扰相邻道滤波结果.为了减小空间非平稳随机噪声的影响,本文提出一种基于绝对级差统计量(ROAD)的径向时频峰值滤波随机噪声压制方法.该方法首先根据径向轨线上信号的绝对级差统计量检测空间非平稳地震勘探随机噪声,然后结合局部时频峰值滤波和径向时频峰值滤波压制地震勘探记录中的随机噪声.将ROAD径向时频峰值滤波方法应用于合成记录和实际共炮点地震记录,结果表明ROAD径向时频峰值滤波方法可以压制空间非平稳地震勘探随机噪声且不损害有效信号,有效抑制随机噪声空间非平稳对滤波结果的影响.与径向时频峰值滤波相比,ROAD径向时频峰值滤波方法更适用于空间非平稳地震勘探随机噪声压制.     

基于方向可控滤波的地震勘探随机噪声压制

针对地震勘探随机噪声的压制,本文应用拉伸厄米特高斯函数设计出方向可控滤波器.根据时空域上随机噪声的无方向性与有效信号的有向性的区别,通过局部数字特征,对数据进行选择后重组信号.方向选择性的增加,使得滤波过程能与不同方向的轴进行匹配,噪声被压制的同时保持信号的幅度;方向可调性,使得计算效率提高,且所需存储空间减少.仿真实验表明,采用此方法,信号保幅性和去噪效果均比传统的小波算法以及Curvelet变换好,在-5db信噪比下,本文方法保幅度为92.99%,信噪比提升221.774%,在实际地震信号处理中有明显的抑制噪声、保持有用信号的效果.     

Mixed Cadzow filtering method in fractional Fourier domain

Conventional frequency domain singular value decomposition (SVD) filtering method used in random noise attenuation processing causes bending event damage. To mitigate this problem, we present a mixed Cadzow filtering method based on fractional Fourier transform to suppress random noise in 3D seismic data. First, the seismic data is transformed to the time-frequency plane via the fractional Fourier transform. Second, based on the Eigenimage filtering method and Cadzow filtering method, the mixed high-dimensional Hankel matrix is built; then, SVD is performed. Finally, random noise is eliminated effectively by reducing the rank of the matrix. The theoretical model and real applications of the mixed filtering method in a region of Sichuan show that our method can not only suppress noise effectively but also preserve the frequency and phase of effective signals quite well and significantly improve the signal-to-noise ratio of 3D post-stack seismic data.     

基于数据增广和CNN的地震随机噪声压制

卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容.     

沙漠地区地震勘探随机噪声建模及其在噪声压制中的应用

随机噪声是影响地震勘探有效信号的主要因素,其存在大大降低了地震记录的信噪比.在噪声压制方法不断被改进的同时,对随机噪声特性进行研究,了解噪声的产生机制是对其进行压制的先决条件,目前对噪声的研究主要是特性研究以寻找规律性,对其进行定性定量的分析还比较少.本文根据塔里木沙漠地区实际采集环境,考虑到噪声的连续性给计算带来的不便,假设各类噪声源以点源的形式分布在检波器周围,依据相应理论确定各类噪声源的源函数,其激发的噪声经由波动方程传播,将随机噪声作为各类噪声源共同作用的综合波场,建立随机噪声的理论模型.通过分析不同种噪声对地震记录的影响,选取合适的滤波方法对其进行压制,实验结果表明,通过建立沙漠地区随机噪声的理论模型,为选择有效的滤波方法,提高地震记录信噪比起到理论指导作用.     

基于Seislet-TV双正则化约束的地震随机噪声压制方法

人工地震数据总是受到随机噪声的干扰,地震数据时-空变的特性使得常规去噪方法处理效果并不理想,容易导致有效信号的损失.目前广泛应用的预测滤波类方法存在处理时变数据能力不足的问题.随着压缩感知理论的不断完善,稀疏变换阈值算法能够解决时变地震数据噪声压制问题,但是常规的稀疏变换方法,如傅里叶变换,小波变换等,并不是特殊针对地震数据设计的,很难提供地震数据最佳的压缩特征,同时,常规阈值算法容易导致去噪结果过于平滑.因此开发更加有效的时-空变地震数据信噪分离方法具有重要的工业价值.本文将地震数据信噪分离问题归纳为数学基追踪问题,在压缩感知理论框架下,利用特殊针对地震数据设计的VD-seislet稀疏变换方法,结合全变差(TV)算法,构建seislet-TV双正则化条件,并利用分裂Bregman迭代算法求解约束最优化问题,实现地震数据的有效信噪分离.通过理论模型和实际数据测试本文方法,并且与工业标准FXdecon方法进行比较,结果表明基于seislet-TV双正则化约束条件的迭代方法能够更加有效地保护时-空变地震信号,压制地震数据中的强随机噪声.