基于多用户峰度准则的海洋强噪声衰减方法(英文)

海洋地震勘探过程中,由于采集设备的老化或电源的不稳定而造成的漏电,在地震记录表现为强噪音干扰,利用常规噪音衰减方法处理此类强噪音效果并不理想。鉴于强噪音在统计学上具有相同的特性,本文在基于峰度的盲分离(blind source separation,BSS)算法研究基础上,推导出一种基于多用户峰度(multiuser kurtosis,MUK)准则的噪音衰减算法来估计地震记录中具有相同统计特性的强噪音,并将其从地震记录中分离,从而达到衰减强噪音的目的。模型试验与实际资料的处理表明:该方法能够在好的衰减海洋地震勘探记录中的强噪音,保留了更多的有效信息,提高海洋地震数据的信噪比,具有可行性和应用前景。     

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.     

Surface wave attenuation based polarization attributes in time-frequency domain for multicomponent seismic data

In the paper, we propose a surface wave suppression method in time-frequency domain based on the wavelet transform, considering the characteristic difference of polarization attributes, amplitude energy and apparent velocity between the effective signals and strong surface waves. First, we use the proposed method to obtain time–frequency spectra of seismic signals by using the wavelet transform and calculate the instantaneous polarizability at each point based on instantaneous polarization analysis. Then, we separate the surface wave area from the signal area based on the surface-wave apparent velocity and the average energy of the signal. Finally, we combine the polarizability, energy, and frequency characteristic to identify and suppress the signal noise. Model and field data are used to test the proposed filtering method.     

基于Curvelet变换的地震资料信噪分离技术

在地震资料中,噪声干扰严重影响了有效信号的提取,为此必须进行信噪分离处理.本文提出一种基于Curvelet变换和KL变换相结合的软硬阈值折衷处理方法.首先对地震数据进行Curvelet变换,然后对各尺度系数选取适当阈值压制噪声干扰,再利用KL变换提取数据中的相干有效信号,最后重构得到去噪后的记录.经合成记录和实际地震资料处理实验证明,该方法与小波变换法相比较,更能有效进行信噪分离,提高地震剖面信噪比和分辨率.     

小波包F-X域前后向预测去噪

小波包变换具有分时分频的特性,是非平稳信号分析处理的一个很好的工具本文将小波包的分时分频特性结合地震信号处理中的F-X域预测抑制噪声技术,提出了小波包F-X城前后向预测去噪方法实际应用结果表明,该方法对于叠后地震剖面的随机噪声抑制比较好,有很强的实用性     

基于小波变换的大尺度岩体结构微震监测信号去噪方法研究

为将小波去噪方法应用于大尺度岩体结构微震监测信号的去噪研究,首先在MATLAB环境下进行仿真,验证了使用Symlet6小波进行小波去噪的可行性;利用4种自适应阈值规则对含噪信号进行去噪对比,结果表明4种阈值去噪后的信号在均方差较小的情况下都极大地提高了信号的信噪比,有效地去除了噪声,对不同的含噪信号,无偏似然原则阈值去...     

Weak Seismic Signal Extraction Based on the Curvelet Transform

Seismic signal denoising is a key step in seismic data processing. Airgun signals are easy to be interfered with by noise when it travels a long distance due to the weak energy of active source signal of the airgun. Aiming to solve this problem, and considering that the conventional Curvelet transform threshold processing method does not use the seismic spectrum information, we independently process the Curvelet scale layer corresponding to valid data based on the characteristics of the Curvelet transform of multi-scale, multi-direction and capable of expressing the sparse seismic signals in order to fully excavate the information features. Combined with the Curvelet adaptive threshold denoising the algorithm, we apply the Curvelet transform to denoising seismic signals while retaining the weak information in the signal as much as possible. The simulation experiments show that the improved threshold denoising method based on Curvelet transform is superior to the frequency domain filtering, wavelet denoising and traditional Curvelet denoising method in detailed information extraction and signal denoising of low SNR signals. The calculation accuracy of the relative wave velocity variation of underground medium is improved.     

一种神经网络改进小波的地震数据随机噪声去除方法

地震资料的有效信号反射弱,且易受多次波的影响,不可避免地存在随机噪声干扰。提出一种基于神经网络改进小波的地震数据随机噪声去除方法,采用神经网络模型,识别出随机噪声信号,对该信号进行小波包分解,获取多类别随机噪声信号,采用级联BP神经网络模型提取出多类别随机噪声信号,实现地震数据的随机信号压制。实验结果显示,这种改进小波方法对地震数据随机噪声信号的去噪效果较好,在复杂沉积地质结构被探测介质的地震数据随机噪声压制方面具有较强的适用性。     

模型约束下的在线字典学习地震弱信号去噪方法

本文针对噪声成分和噪声结构的复杂性及弱信号的特征,发展了最新的在线字典学习去噪方法.在线字典学习去噪方法是以数据驱动的方式,反复进行学习构建字典方式,求得信号的稀疏性解以实现对信号的去噪,在此基础上,提出了数据驱动与模型驱动联合的模型约束下的在线字典学习去噪方法,先通过模型驱动方式获得一个较优质的学习样本以构建字典再进行去噪处理.通过和传统小波变换进行理论地震合成记录的效果对比,在高噪声比例的弱信号情况下远远优于传统的时频域去噪方法.实际数据去噪处理表明,模型约束下的在线字典学习去噪方法是一种有效的去噪方法,这种联合去噪方式能在高噪声背景下有效地提取出弱信号,具有广阔的推广应用前景.     

An application of waveform denoising for microseismic data using polarization–linearity and time–frequency thresholding

Noise suppression or signal‐to‐noise ratio enhancement is often desired for better processing results from a microseismic dataset. In this paper, a polarization–linearity and time–frequency‐thresholding‐based approach is used for denoising waveforms. A polarization–linearity filter is initially applied to preserve the signal intervals and suppress the noise amplitudes. This is followed by time–frequency thresholding for further signal‐to‐noise ratio enhancement in the S transform domain. The parameterisation for both polarization filter and time–frequency thresholding is also discussed. Finally, real microseismic data examples are shown to demonstrate the improvements in processing results when denoised waveforms are considered in the workflow. The results indicate that current denoising approach effectively suppresses the background noise and preserves the vector fidelity of signal waveform. Consequently, the quality of event detection, arrival‐time picking, and hypocenter location improves.     

时频域相位滤波在远震接收函数噪声压制中的应用

宽频带地震观测数据中有效信号和干扰噪声经常发生混频效应,常规的频率域滤波方法很难将二者分离.地震波信号属于时变非平稳信号,时频分析方法能够同时得到地震波信号随着时间和频率变化的振幅和相位特征,S变换是其中较为高效的时频分析工具之一.本文以S变换为例,提出了基于相位叠加的时频域相位滤波方法.与传统叠加方法相比,相位叠加方法对强振幅不敏感,对波形一致性相当敏感,更加利于有效弱信号信息的检测.时频域相位滤波方法滤除与有效信号不相干的背景噪声,保留了相位一致的有效信号成分,显著提高了信噪比.运用理论合成的远震接收函数数据和实际的宽频带地震观测数据检验结果显示该方法较传统的带通滤波方法相比,即使在信噪较低且混频严重条件下,时频域相位滤波方法的滤波效果依然很明显,有助于识别能量较弱的有效信号.     

苏里格气田地震资料叠前保幅去噪技术研究

为了满足岩性勘探的需要,苏里格地区开展了高密度地震采集方法.采集技术的进步极大的提高了地震记录的品质,同时对开展以岩性预测为目标的保幅处理提出了更高的要求.而叠前去噪作为室内去噪处理的主战场,在保幅处理中起到重要作用.本文针对苏里格地区地震资料干扰波类型多、背景噪音强的特点,采用多域多方法联合去噪思路,对叠前地震数据上的噪声采用分频压制线性及异常强能量干扰、自适应单频波衰减及高精度反假频去除多次波等保幅去噪方法.在提高信噪比的同时,达到保幅处理效果,提高了处理结果的可靠性,使钻井成功率大大提高,从而大幅度提高了苏里格气田的经济效益.该技术系列对国内其它低孔低渗致密砂岩油气藏研究同样具有借鉴意义.     

在频率域基于小波变换和Hilbert解析包络的CSEM噪声评价

传统CSEM一般只提取主频信号,或以谐波与主频的振幅比为依据提取部分低阶谐波信号,但缺乏判断标准,实际操作中存在很大的不确定性.本文基于小波变换和希尔伯特解析包络提出一种新的CSEM信号噪声评价方法,首先在时间域中基于混合基快速傅里叶变换获得原始信号准确功率谱;其次在频率域中根据CSEM频率位置相邻频率幅值进行频谱预处理,基于离散小波变换将预处理后的频谱分成低频部分和高频部分,基于希尔伯特变换识别高频部分的上包络线,并与低频部分重构得到频谱的整体上包络线;最后根据包络线与对应CSEM频率振幅的比值估计噪声的影响幅度,根据阈值筛选出高信噪比的主频和谐波信号.本方法不需增加野外工作量即可提取大量的频率信号,特别是高阶谐波信号,实现频率加密,提高CSEM的纵向分辨能力和能源利用率.     

A first arrival detection method for low SNR microseismic signal

Most of the microseismic signals have low signal-to-noise ratio (SNR) due to the strong background noise, which makes it difficult to locate the first arrival time. Both accuracy and stability of conventional methods are poor in this situation. To overcome this problem, here we proposed a new method based on the adaptive Morlet wavelet and principal component analysis process in wavelet coefficients matrix. The three components of microseismic signal make it possible to extract the features in wavelet coefficients domain. Then the reconstructed signal from weighted features presents an obvious first arrival. Tests on synthetic signals and real data provide a solid evidence for its feasibility in low SNR microseismic signal.     

低信噪比地震资料FDOC-seislet变换阈值消噪方法研究

地震数据本质上是时变的,不仅有效同相轴表现出确定性信号的时变特征,而且复杂地表和构造条件以及深部探测环境总是引入时变的非平稳随机噪声.标准的频率-空间域预测滤波只适合压制平面波信号假设下的平稳随机噪声,而处理非平稳地震随机噪声时,需要将数据体分割为小窗口进行分析,但效果不够理想,而传统非预测类随机噪声压制方法往往适应性不高,因此开发能够保护地震信号时变特征的随机噪声压制方法具有重要的工业价值.压缩感知是近年出现的一个新的采样理论,通过开发信号的稀疏特性,已经在地震数据处理中的数据插值以及噪声压制中得到了应用.本文系统地分析了压缩感知理论框架下的地震随机噪声压制问题,建立了阈值消噪的数学反演目标函数;针对时变有效信息具有的可压缩性,利用有限差分算法求解炮检距连续方程,构建有限差分炮检距连续预测算子(FDOC),在seislet变换框架下,提出一种新的快速稀疏变换域———FDOC-seislet变换,实现地震数据的高度稀疏表征;结合非平稳随机噪声不可压缩的特征,提出了一种整形迭代消噪方法,该方法是一种广义的迭代收缩阈值(IST)算法,在无法计算稀疏变换伴随算子的条件下,仍然能够对强噪声环境中的时变有效信息进行有效恢复.通过对模型数据和实际数据的处理,验证了FDOC-seislet稀疏变换域随机噪声迭代压制方法能够在保护复杂构造地震波信息的前提下,有效地衰减原始数据中的强振幅随机噪声干扰.     

Translation-invariant wavelet denoising of full-tensor gravity –gradiometer data

Denoising of full-tensor gravity-gradiometer data involves detailed information from field sources, especially the data mixed with high-frequency random noise. We present a denoising method based on the translation-invariant wavelet with mixed thresholding and adaptive threshold to remove the random noise and retain the data details. The novel mixed thresholding approach is devised to filter the random noise based on the energy distribution of the wavelet coefficients corresponding to the signal and random noise. The translationinvariant wavelet suppresses pseudo-Gibbs phenomena, and the mixed thresholding better separates the wavelet coefficients than traditional thresholding. Adaptive Bayesian threshold is used to process the wavelet coefficients according to the specific characteristics of the wavelet coefficients at each decomposition scale. A two-dimensional discrete wavelet transform is used to denoise gridded data for better computational efficiency. The results of denoising model and real data suggest that compared with Gaussian regional filter, the proposed method suppresses the white Gaussian noise and preserves the high-frequency information in gravity-gradiometer data. Satisfactory denoising is achieved with the translation-invariant wavelet.     

基于压缩感知重构算法的大地电磁强干扰分离

为压制大地电磁信号中的强人文干扰,提出一种基于压缩感知重构算法的大地电磁信号去噪方法.通过构建与常见典型强干扰相匹配而对有用信号不敏感的冗余字典原子,利用改进的正交匹配追踪算法,分离出大地电磁信号中的强干扰成分.为了验证所述方法的强干扰分离效果,首先通过在实测大地电磁信号中加入理想的强干扰信号进行了仿真分离实验,然后从大量实测数据中选取三种含有不同类型强干扰的时间域片段,用所述方法对实测数据中的强干扰进行分离,最后将所述方法应用于青海试验点以及庐枞矿集区某测点实测数据的综合处理.仿真实验结果表明,该方法在分离出强干扰的同时,能够较好地保留有用信号.实测数据处理结果表明,该方法能够有效压制强干扰,改善强干扰区大地电磁数据的质量.     

地磁台站的城市轨道交通干扰的小波抑制方法研究——以天津轨道交通干扰为例

我国地磁台站观测环境日益受到轨道交通干扰影响,导致地磁观测数据质量下降,制约地磁观测发展.因此,开展干扰抑制的数据处理方法研究,最大限度抑制干扰是提高观测数据质量切实可行的方法.本文提出轨道交通干扰的小波域噪声阈值抑制模型及方法.以天津轨道交通为例,选用受干扰的天津静海地磁台和未受干扰的参考台站河北红山地磁台观测资料,...     

GHM类正交多小波变换及其在地震资料去噪中的应用

多小波是对小波理论的一个新发展,它可以同时满足正交性、对称性、短支撑等良好的特性要求。文中介绍了多小波基本理论、多小波变换具体过程及预处理方法,提出了基于GHM类多小波变换的地震资料软阈值去噪方法,通过对合成数据和实际资料进行处理分析,表明多小波变换在有效压制随机噪声的同时,能较好地保留原信号的特征信息,是一种行之有效的去噪方法     

基于提升算法和百分位数软阈值的小波去噪技术

在地震勘探领域,随机噪声一直是影响地震信号信噪比的主要因素之一,如何从被干扰的地震信号中有效去除随机噪声并保护有用信号具有重要的意义.针对经典小波变换在计算效率方面的缺陷,本文推荐应用提升算法实现第二代小波变换的构建,分析和对比了提升算法(Lifting Scheme)下不同小波变换方法的特性,选取更加符合小波域去噪原理的CDF 9/7双正交小波变换作为基本算法,同时应用了简单、有效的百分位数(Percentiles)软阈值进行信噪分离.通过理论模型处理,本方法可以在去噪能力和保护有用信号之间找到很好的平衡点.实际剖面的处理效果表明,此方法不仅能有效的滤除随机噪声,而且很好地保护有用信号,提高地震数据分析的精确性.