GNMF小波谱分离在地震勘探噪声压制中的应用

地震勘探资料噪声压制及信噪比提高是整个地震勘探信号处理过程中的重要任务,随着地震勘探深度的增加及其复杂性,人们对地震数据质量的要求越来越高.勘探环境的复杂化使得采集到的地震资料中有效信号被大量噪声淹没,无法清晰辨识,严重影响后续的数据处理与解释.小波去噪是地震勘探中常用且发展较成熟的一种方法,但是其涉及到的阈值函数选取问题一直令人困扰,虽然已有多种阈值函数被提出,但仍存在各自的缺陷.本文利用小波分解在时域及频域良好的信号细节体现特性,引入模式识别中的非负矩阵分解(NMF)谱分离思想,针对小波系数阈值优化问题,提出了一种小波域图非负矩阵分解(GNMF)消噪算法.该方法首先在小波分解基础上,利用GNMF算法实现小波分解系数谱中信号分量与噪声分量的谱分离,然后通过反变换重构各分离子谱对应的子信号,最后利用K均值聚类算法将得到的多个子信号划分为信号类及噪声类,最终得到重构信号及分离噪声.合成记录和实际地震资料的消噪结果验证了新方法在提高信号与噪声分离准确性和精度方面的有效性,同时新方法避免了阈值选取造成的噪声压制不理想或有效成分损失问题.与小波消噪结果的对比及数值分析也说明了新方法在噪声压制及有效成分保持方面的优势.     

基于信号子空间分解的三维地震资料高分辨率处理方法

提出了一种新的基于信号子空间分解技术的3 D地震资料高分辨率处理方法.利用信号子空间分解技术,不仅可以分离3 D地震资料中的信号和噪声,而且可以进一步根据地震同相轴的倾角不同,将混合信号进行分解得到单个同相轴信号.通过丢弃噪声子空间,只对不同信号子空间重构的信号利用谱白化技术进行高分辨率处理,然后累加所有处理结果,从而达到既提高地震资料的分辨率,又提高地震资料信噪比的目的.对合成资料和实际地震资料的处理结果表明,此法具有好的应用前景.     

基于压缩感知的加权MCA地震数据重构方法

地震数据规则化重构是地震资料处理十分重要的基础性工作.压缩感知理论打破了香农采样定理的制约,利用信号在某个变换域的稀疏特性重构出完整的信号,在地震数据重构领域得到了很好的应用.深反射地震剖面大都布置在地质构造比较复杂的区段,复杂的地质构造使深反射地震剖面上的波阻特征复杂,采用单一稀疏变换不能最有效地表征数据的内部结构特征.MCA(形态成分分析)方法将信号分解为几种形态特征区别明显的分量来逼近数据的内部复杂结构,但是对各成分简单的叠加仍然无法有效地描述复杂构造数据的各种特征.结合两种方法的优点,本文提出了一种新的基于压缩感知的重构算法框架,在MCA方法的基础上对各稀疏字典进行加权,在迭代中不断更新各个稀疏字典的权值系数,对信号内部的各种特征进行最优描述,从而实现对信号的高质量重构.模型测试和实际资料处理结果表明:基于压缩感知的加权MCA方法不仅可以对地质构造复杂的地震数据进行高效的插值重建,而且可以很好的消除空间假频.     

小波分解与重构在地震活动性研究中的应用

利用小波变换具有的多分辨率特点, 将时域信号通过小波分解与重构, 分解到不同的频带上。 分解步长的确定, 采用不同尺度近似信号标准差变化平缓段的最小尺度值, 从而避免了人为选择分解阶数可能造成的不完全分解或过度分解。 分解后的信号不仅在频率成分上较单一, 且平稳性较好。 然后对小波分解重构后不同尺度的信号分别采用自回归滑动平均混合模型进行预测, 再合成原始信号的预测值。 对半年尺度的最大震级序列和地震总释放能量序列的一步预测, 结果表明这样做有效地提高了预测精度, 一步预测结果与实际观测结果不仅相关性高, 而且两者的残差曲线离散性小, 以此对未来地震形势的判断较目前常用的方法更为可靠。     

经验模态分解法在地震资料处理中的应用试验

通过对多种连续小波基的平稳序列时频分析,提出经验模态的非平稳序列的时频分析方法,并在地震资料处理解释应用中作探索性试验.试验结果表明：对地震记录道长为5 s和2 ms采样资料,经验模态分解后可获得6-7个固有模态函数单分量,分解的第一个分量C1（t）具有较宽的频率成分,可作为地震属性的主分量.     

SVD地震波场分离与去噪技术在鄂尔多斯盆地地震资料处理中的应用

针对鄂尔多斯盆地地区地震资料自身的特点,本文依据地震信号传播的特性和波场之间的差异,通过多域(多种线性变换域和频域)奇异值分解(SVD),然后提取目标信号的奇异值重构地震信号的方法,实现地震波场分离与去噪处理.与传统SVD地震波场分离与去噪技术相比较,该方法的目的性更强,直接针对感兴趣的地震信号成分进行SVD波场分离与去噪,在提高地震资料信噪比的同时,确保了信号的高保真度和分辨率;同时,避免了以往SVD技术应用空间狭窄,有效信号损失严重等缺陷性.从实际资料处理结果来看,取得了较好的效果.     

基于压缩感知的小波阈值和CEEMD联合去噪方法

中深层地质条件复杂,地震资料品质差,主要表现为:地震资料信噪比低、有效信号弱.如何在去噪的同时有效保留弱有效信号,获取高信噪比的地震数据成为地震数据处理的关键问题.传统小波阈值与互补集合经验模态分解(CEEMD)联合去噪方法相比单一方法可以获取更高品质的地震数据.基于压缩感知理论的去噪方法利用地震数据在变换域中的稀疏特性,通过设定稀疏基矩阵和测量矩阵,可以将地震数据去噪问题转化成求解最优化问题,通过最优解重构原始信号,实现对地震资料的去噪处理.该方法能够在有效衰减随机噪声的同时最大限度的保留有效信号.本文基于压缩感知理论开展小波阈值去噪方法研究,并在此基础上结合CEEMD方法对含噪较多的固有模态分量进行有针对性的随机噪声压制.通过对含噪数据开展不同方法的去噪结果对比可见,本文方法可以在保证高信噪比的基础上更为有效的保留弱有效信号,数值试算验证了该方法对弱有效信号地震数据去噪具有显著优势.     

Mallat算法在数字地震信号压缩中的应用

地震台站多、数据采集量大,日产出数据量庞大,研究数字地震信号的压缩方法成为行业热门课题。尝试将Mallat算法应用于数字地震波形数据压缩。选取不同的小波分解函数,对不同类型的数字地震信号进行3—5层的小波分解,将得到的小波系数进行分层硬阈值重构运算,对原始信号和处理信号进行压缩。分析可知,Mallat算法压缩比更高,与原始信号相比,重构信号不失真、能量保留系数高。     

基于特征矩阵联合近似对角化和经验模态分解的储层识别

地震信号是非线性和非平稳的信号.本文提出了基于特征矩阵联合近似对角化和经验模态分解相结合的算法,将地震信号分解为多个相互独立的固有模态函数分量.然后利用已知井储层发育情况,选取对储层识别有效的IMF分量进行储层预测.仿真和实际地震数据应用表明了该方法的有效性.     

基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法

在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解（CEEMDAN）算法与Hurst指数相结合的地震数据去噪方法。首先通过CEEMDAN方法将信号分解为一系列本征模函数（IMF）,然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪。与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32%,将高信噪比波形的去噪效果提高6倍。同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除。     

希尔伯特—黄变换在地电阻率数据处理中的应用

希尔伯特—黄变换用于处理非线性非平稳信号,由经验模态分解和希尔伯特谱分析2部分组成。本文采用希尔伯特—黄变换方法,相继对大同地震台地电阻率月值数据和宝昌地震台地电阻率月值、整点值数据进行处理。结果显示:(1)大同、宝昌地震台地电阻率月值数据对应的Hilbert谱具有较高分辨率,高幅值在归一化频率0.05—0.15区间内呈"余弦"变化形态;(2)希尔伯特—黄变换在提取地电阻率异常变化、高频信息及去除噪声等方面效果较好,在未来地电资料处理中具有广泛的应用前景。     

希尔伯特-黄变换地震信号时频分析与属性提取

地震信号属于非线性和非平稳信号,传统的分析方法主要包括短时傅立叶变换、小波变换和Cohen类时频分布等等;希尔伯特-黄变换是分析非平稳信号的新方法,该方法的关键部分是信号的经验模态分解,通过经验模态分解,复杂的信号可以分解为有限的数量很少的几个固有模态函数,从而可以得到信号的希尔伯特时频谱;将该方法应用于单个的地震道数据,可以对地震道进行经验模态分解并得到希尔伯特谱,应用于地震剖面,可以得到意义更加明确的瞬时频率和瞬时振幅等地震属性,模型试算和实际应用表明了该方法的有效性.     

Hilbert-Huang 变换与大地电磁噪声压制

大地电磁信号具有非线性、非平稳、非最小相位特征,不符合以Fourier变换为基础的传统功率谱估计的基本要求. Hilbert-Huang变换是近年发展起来的处理非线性、非平稳信号的完全局部时频分析方法. 本文在简要介绍Hilbert-Huang变换基本原理与算法基础上,以实际数据分析为例,探讨了它在大地电磁信号处理及噪声压制中的应用. 提出利用Hilbert时-频能量谱对大地电磁信号进行时段筛选,以提高信号品质,增强数据处理的质量和资料的可解释性. 利用经验模态分解方法及其多尺度滤波特征,可以有效地分析MT信号中的噪声分布特征,并进行干扰压制.     

Hilbert-Huang变换在提取地震信号动力特性中的应用

H ilbert-Huang变换(HHT)是一种处理非线性、非平稳信号的新方法。它通过经验模态分解将信号分解为有限个固有模态函数,并对每个固有模态函数进行H ilbert变换得到H ilbert谱。本文将这种方法应用于地震信号动力特性的提取,有效地获得了信号能量的时频分布,量化提取了中心频率、瞬时相位、瞬时能量、H ilbert能量、最大振幅对应的时频分布等动力特性,并与Fourier变换、小波变换等进行了比较,显示了HHT的优势以及对于进一步实现结构分析和控制的重要意义。     

基于重构激发信号的电磁式可控震源相关检测参考信号方法研究

针对电磁式可控震源地震数据的相关检测,研究发现,在地下结构复杂、基板-大地耦合不佳时,常规方法——基于震源控制信号或基板附近信号作为参考信号检测得到的地震记录中,存在子波到时误差和虚假多次波问题.本文分析了上述问题的理论原因,并提出基于重构激发信号的相关检测参考信号方法(Correlation Detection Reference Signal Based on the Reconstructed Excitation Signal,CDRSBRES).首先,利用直达波与其他地震波到时不一致的特点,从震源基板附近信号中分离、提取直达波.然后,利用直达波重构震源激发信号并作为参考信号对地震数据进行相关检测.最后,应用谱白化技术提高检测结果质量.数值模拟研究表明,重构激发信号与理想激发信号的相关系数为0.9869,达到高度线性相关,CDRSBRES方法检测的地震记录在子波到时和波形特征上均与模型相符.随后,在某金属矿区开展了可控震源对比实验.与液压式可控震源MiniVib T15000检测结果相比,电磁式可控震源PHVS 500的检测结果中:基于震源控制信号的检测结果存在子波到时误差约0.012s,对应垂向精度误差约11.16m;基于基板附近信号的检测结果部分区域出现虚假多次波,信噪比降低;而CDRSBRES方法的检测结果子波到时误差约0.001s,对应垂向精度误差约0.93m,波形特征一致,相同区域无虚假多次波.综上,本方法适用于电磁式可控震源地震数据的高精度检测,尤其对于地下结构复杂区域的高分辨率地震勘探具有重要意义.     

2012年印尼8.6级地震应变地震波的Hilbert-Huang时频分析

本文通过端点效应压制的Hilbert-Huang变换, 对大同及沁源台布置的四分量钻孔应变仪记录的印尼8.6级地震激发的应变地震波形进行时频分析, 结果显示印尼8.6级地震的主震和8.2级余震的应变地震波序列各个震相具有不同的时频特征: ① 地震波到达之前的所谓“环境噪声”部分, 瞬时频率低, 瞬时振幅小; ② P波初至时, 高频成分突然增加, 振幅也随即增强; ③ S波到达时, 频率有所降低而振幅剧烈上升; ④ 面波到达时, 振幅进一步剧烈上升达到整个序列的极大值; ⑤ 尾波部分振幅逐渐降低, 但与噪声部分相比频率依然偏高, 振幅依然偏大。 本文也将应变地震波与地震仪记录的地震波进行对比, 虽然应变地震波与地震波波形和Fourier谱具有极高的相关系数, 但从Hilbert-Huang变换得到的边际谱上看, 应变地震波与地震波有显著的区别, 应变地震波比地震波记录的低频成分相对更多。 通过Hilbert谱, 有助于更好地了解非平稳信号的局部特征, 对于突变信号的地震波, Hilbert-Huang变换是一个较好的时频分析工具。     

基于分数阶小波域GSM模型的地震信号随机噪声压制方法

地震信号中的随机噪声是一种干扰波,严重降低了地震信号的信噪比,并影响着资料的后续处理和分析.本文根据地震信号中有效信号和随机噪声的差异,结合分数阶B样条小波变换与高斯尺度混合模型提出了一种地震信号随机噪声压制方法.首先利用分数阶B样条小波变换将含噪地震信号映射到最优分数阶小波时频域内,然后对各小波子带系数分别建立高斯尺度混合模型,由贝叶斯方法估计出源地震信号小波系数,最后使用分数阶B样条小波逆变换重构得到降噪后的地震信号.利用本文方法对合成地震记录和实际地震信号进行降噪处理,实验结果表明本文方法能够有效地压制地震信号中的随机噪声,并且较好地保留了有效信号.     

HHT的滤波特性及在声波测井波列信号处理中的应用(英文)

阵列声波信号是典型的非线性、非平稳信号,Hilbert～Huang变换（HHT）是处理非平稳信号的一种比较新的时频分析方法。通过对信号进行经验模态分解（EMD）和对瞬时频率的求解,可以获得声波信号的时一频谱。其关键技术就是进行经验模态分解,任何非平稳的信号都可以分解为有限数目并且具有一定物理意义的固有模态函数。EMD方法可以理解为以声波信号极值特征尺度为度量的时频滤波过程。滤波器充分保留了声波信号本身的非线性和非平稳特征,在声波信号的滤波和去噪中具有很大的优势。文中介绍了HHT时频滤波的实现过程,并列举了一些声波测井波列实例,说明了该方法的有效性。     

基于高通滤波的频率-空间域经验模态分解压制高频噪声

高频噪声压制是高分辨率地震数据处理中提高信噪比的关键性问题.本文针对f-x(频率-空间)反褶积空间预测滤波器无法处理非平稳、非线性信号的缺点,提出了一种基于高通滤波的频率-空间域经验模态分解(Empirical Mode Decomposition in the frequency-space domain,f-xEMD)压制地震剖面中高频噪声的方法.该方法采用全域高通滤波从原始数据中分离出含有部分有效信号的高频数据,将其变换到f-x域,然后在滑动的短窗口内提取每一个频率的空变数据序列进行EMD分解得到高频复本征模态函数(Intrinsic Mode Function,IMF)IMF1,将所有频率的IMF1序列反Fourier变换到时间域得到噪声剖面,将其与原始数据相减,达到高频噪声压制的目的.该方法可克服传统EMD分解方法中的模态混叠现象,保护陡倾角反射同相轴;压制后的噪声剖面中不包含有效信号能量,地震剖面的信噪比得到了提高.模拟数据和实际数据处理结果充分证明了该方法的有效性.     

Hiibert-Huang transform and wavelet analysis of time history signal

The brief theories of wavelet analysis and Hilbert-Huang transform (HHT) are introduced firstly in the present paper. Then several signal data were analyzed by using wavelet and HHT methods, respectively. The comparison shows that HHT is not only an effective method for analyzing non-stationary data, but also is a useful tool for examining detailed characters of time history signal.