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。     

形态分量分析在去除地震资料随机噪声中的应用

以数学形态学和稀疏信号理论为依据,采用形态分量分析(MCA)方法去除地震数据中的随机噪声。应用MCA方法的关键在于选取合适的字典,从地震数据的特点和计算复杂性出发,选取UWT字典和Curvelet字典,一个用来稀疏表示地震数据的局部奇异部分,一个用来稀疏表示地震数据的线状变化部分。采用BCR算法求解目标函数,通过将数据分解为形态特征不同的2个分量,舍弃在字典中不能有效稀疏表示的随机噪声来达到去噪目的。作为一种二维去噪方法,MCA去噪方法在时间和空间方向上都具有很强的随机噪声抑制能力;由于UWT字典和Curvelet字典能够比传统的小波变换有更强的稀疏表示能力,MCA去噪方法对有效信息的损害较小,是一种保真保幅的去噪方法。模型测试和实际资料处理验证了该方法的有效性。     

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。     

LIFT去噪方法在低信噪比资料处理中的应用

传统去噪一般都是通过各种方法将原始数据分离为有效信号和噪声,从而达到去噪目的,在去噪的过程中,忽略了信号保真的处理原则,在去掉噪声的同时有可能也损害了有效信号。这里从传统去噪方法存在的问题入手,通过对传统去噪方法的原理分析,研究了LIFT去噪技术。LIFT去噪的核心是首先建立信号模型,然后将原始地震信号和信号模型相减,求得剩余信号。通过对剩余信号进行针对性的去噪处理,去除剩余信号中存在的噪声,然后再与信号模型进行合并重构,得到新的具有高信噪比、高保真的地震信号。将该方法在低信噪比地震资料处理中进行了实例测试,取得了理想的应用效果。     

基于自适应K-SVD的能量泄漏恢复研究

针对现有常规去噪方法手段在参数选择及条件假设的不合理因素,导致去除的噪声剖面中残留部分有效信号(又称能量泄漏)的问题,本文提出了基于自适应K-SVD的能量泄漏恢复方法,实现残存有效信号的回收利用。首先采用小波阈值、f-x域去噪等传统方法处理,获得一个较高品质的样本进行字典的构造,再引入相关系数匹配准则对残差剖面进行稀疏分解,实现随机噪声与残留有效信号的二次分离。试验结果表明,本文算法能较好地兼顾地震信号的去噪与保幅,具有自适应性。     

去噪技术在地震资料处理中的应用

讨论了目前提高地震资料信噪比的方法及应用技术。通过对原始地震记录中普遍存在的噪声进行了分析。对于无规则噪声，应采用f-x域随机噪声衰减或多项式拟合的办法；对于有规则噪声，倾角滤波或FK滤波手段则更为有效。强调了在去噪过程中选择去噪参数的重要性。阐明了同相叠加技术也是一种提高地震资料信噪比的有效手段。总之。针对不同的噪声，应采用不同的去噪方法。实际地震资料处理表明，上述几种去噪方法对提高地震资料的信噪比是行之有效的。     

基于局部阈值曲波变换的叠前去噪技术研究

野外地震数据包含各种随机噪声干扰,降低了地震资料的信噪比,而常规的单一去噪方法效果不理想,为此选用多尺度多方向的曲波变换进行去噪。首先对经过预处理的含噪信号进行多尺度分解,采用局部阈值去噪法,对曲波变换后的每一个尺度都选取一个合适的软阈值因子,然后在各尺度下提取其有效波信号的曲波系数,最后将提取出来的曲波系数进行逆变换重构出地震信号,从而达到去噪目的。理论模型与实际资料的处理结果表明,与常规单一全局阈值去噪相比,该技术最大限度地保留了地震数据的有效信号,具有较好的去噪效果。     

基于广义S变换的地震资料信噪分离方法

基于S变换具有良好的时频聚焦性和分时分频性,将可灵活选取窗函数的广义S变换引入到地震信号去噪处理中,系统研究了广义S变换在地震资料信噪分离中的应用。首先对地震数据进行广义S变换,然后对含噪频率剖面选取适当阈值压制噪声干扰,提取有效信号,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,该方法能有效地进行信噪分离,提高地震剖面信噪比和分辨率。     

基于小波变换的地震信号分时分频相关去噪

介绍了Donoho的小波域阈值去噪处理方法,提出了对小波变换尺度上小波系数进行分时分频相关处理去噪后,再重构小波系数的方法,以去除大部分随机噪声。然后,再对重构后地震剖面进行小波域阈值去噪处理。结果表明,使用上述新方法可以有效改善地震剖面处理效果,提高信噪比。      

基于匹配小波包算法的地震信号去噪

地震资料的信噪比是影响地震资料质量的关键因素之一。目前的去噪方法中,在滤波的同时会损伤有效信号,因此提出基于匹配算法的去噪方法,利用和地震信号匹配的小波包对信号进行分解,用选出的波形代表有效信号达到去噪的效果。实验分析表明,利用匹配小波包算法能够很好地压制地震信号白噪声,提高信噪比。当噪声能量小于有效信号周期能量时,小波包算法去噪效果比小波收缩阈值法好,信噪比提高5 dB ±。     

基于小波域的FastICA算法的非常规油气藏地震资料去噪

近年来,随着鄂尔多斯盆地苏里格气田开发规模的不断扩大,全数字三维地震得到广泛应用,数字检波器的高灵敏性使得地震资料噪声极其发育。因此,全数字三维地震资料叠前去噪是资料处理的关键。针对全数字三维地震资料的特点,结合盲信号分离技术的最新发展,特别是神经网络技术的最新发展应用到研究中来,建立适合于理论地震记录的盲信号分离的算法模型,对已知反射地震数据实施盲分离技术,将地震信号变换到小波域中,并用Fast ICA算法进行盲分离去噪,然后将去噪后的信号从小波域变换到时间域信号。试验结果表明,该方法得到的去噪效果较时间域内直接去噪效果好。     

小波去噪在地震信号处理中的应用

在地震信号处理的若干环节中,将有效信息从含有噪声的干扰背景中提取出来,进而提高地震数据信号的信噪比和分辨率成为地震信号处理的关键一步。利用小波变换方法可对地震信号进行去噪,更准确地将有效信号和噪声区分开来,并可在最大限度去除噪声的同时,尽可能多地保留有效信号。本文结合小波变换的阈值去噪方法,探讨小波变换技术在地震信号去噪中的应用。     

改进阈值法在二代小波变换去噪中的应用

地震信号去噪能有效提高信号的信噪比和分辨率。二代小波变换可以在不同尺度上对含噪信号进行小波分解和多分辨率分析,实现窗口宽度自适应调整的局部化分析。但小波变换阈值法在去噪过程中会在信号的不连续邻域会产生伪吉布斯效应,而平移不变量阈值去噪方法通过平移-去噪-平均的思想可以很好的解决该问题。因此本文在已有的二代小波变换阈值去噪的基础上将平移不变量这一改进方法应用于二代小波变换中,实现了对地震信号更加快速有效的去噪处理,并在模拟数据试算和实际数据试算中取得了良好的去噪效果。     

局部奇异值分解法压制随机干扰

对于低信噪比资料,压制随机噪声,增强有效信号是地震资料处理的首要任务。而传统的奇异值分解去噪算法,在有效信号横向相干性较强时,去噪效果明显,但当有效信号同相轴呈倾斜、弯曲或孤立状态时,其在压制随机噪声的同时,存在滤除部分有效信号的弊端,为此通过对不同时窗内的地震数据进行拉平、奇异值分解数据重构与反拉平等处理方法,对常规奇异值分解算法进行改进,以克服其对包含非水平连续信号资料去噪效果差的局限。理论数据和实际资料的去噪结果表明,改进后的算法去噪效果明显优于常规奇异值分解法,能在保证有效波不被滤除的前提下有效提高地震资料的信噪比。     

新疆喀拉通克铜镍矿地震资料噪声分析与压制

金属矿地震勘探中原始数据的信噪比较低,多种干扰波混杂在地震记录中,严重影响了金属矿地震资料的成像质量。因此,选择有效的去噪方法是提高资料品质的关键。以新疆喀拉通克铜镍金属矿区地震资料处理为基础,在FOCUS5.4处理软件平台下采用多方法联合去噪技术压制单频波、声波、面波以及机械振动等干扰。通过模块测试和参数调试,找到适合该金属矿区的去噪方法技术。经过去噪处理,大幅提高了金属矿地震资料的信噪比。     

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。     

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。     

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。     

基于重构信号模型的去噪技术

面波和多次波等噪音的产生是海上地震勘探的突出特点,如何高保真地对其进行压制一直是信号处理工作的难题。基于重构信号模型的去噪技术通过不同的方法,充分考虑不同入射角度和横波地震信息,重构信号模型,分离出剩余信号,然后针对剩余信号进行去噪处理,利用建立的信号模型和剩余有效信号结合,得到有效地震信号,达到突出有效信号衰减噪声的目的。     

基于改进混沌果蝇优化小波阈值法地震信号随机噪声压制

由于野外采集地震资料往往带有较多的随机噪声,给资料解释造成困难。针对小波阈值去噪的阈值选取通常需要对信号进行先验估计,带有较强猜测性,阈值选取难以获得最优结果。本文提出基于改进混沌果蝇优化的小波阈值法,将基于广义交叉验证(GCV)函数设定为阈值选取目标函数,在混沌果蝇优化算法中引入调节系数实现对该目标函数的迭代寻优,在无先验信息前提下,获取最优小波阈值。通过将本文算法用于合成地震记录和实际地震记录进行去噪处理,并对比常用小波阈值去噪算法,证明了本文算法的有效性。