第二代小波变换及其在地震信号去噪中的应用

本文讨论了第二代小波变换的基本原理和变换过程，并将第二代小波变换引入到地震资料去噪处理中，基于提升法的小波变换是一种柔性的小波构造方法，它使用线性、非线性或空间变化的预测和更新算子，并能确保变换的可逆性。通过对模拟数据和实际资料的处理，证明了的它对地震信号去噪具有很好的效果。离散信号的小波去噪可分为三步：小波分解，系数缩减（切除噪声部分），信号重建。目前常用的小波去噪的方法有硬阈值法和软阈值法，这里采用软阈值法去噪。本文的提升变换采用的是Deslauriers-Dubuc（4，2）小波，基于以上变换方法，分别对含噪的模拟数据及实际地震数据进行3级可逆提升变换，对每一级上的细节信号按上述的软域值法进行处理，削减小波系数中的噪声部分，从而实现了信号去噪，结果证明去除随机噪声的效果是令人满意的。     

多小波方法及其在深地震测深数据去噪中的应用

在宽角反射/折射地震测深数据处理中,仍多用基于傅里叶变换的滤波方法和小波去噪方法。鉴于傅里叶方法对稳态信号很有效但对非稳态的地震信号效果不佳的状况以及小波不能同时具有正交性、紧支性、对称性,本文给出了基于多小波的去噪方法,多小波具有正交性、对称性、紧支性,克服了传统小波的缺陷。编写了多小波去噪方法的人机交互软件。该软件可以方便快捷地显示宽角反射/折射地震记录截面,进行多小波域的阈值去噪。实例计算结果表明,本文所述方法和编写的软件有效且可行。     

小波分析在地震资料去噪中的应用

本文阐述了小波变换和去噪的基本原理,根据模拟信号和实际地震信号的频谱分析,讨论了如何选择小波基,及去噪中的阈值问题,从小波分解出发,利用多尺度分解对地震资进行分析,并基于MATLAB语言和小波工具箱,实现了对地震资料的去噪.     

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.     

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.     

瞬变电磁数据交叉型组合域去噪技术研究与应用

高效的瞬变电磁数据处理对后续的精确地质解译具有决定性的作用,而数据信号的去噪是数据处理环节的重中之重.时频分析方法是当前广泛应用于瞬变电磁数据处理去噪领域的主要方法技术,但其基本是单域方法的应用探索,各自单域方法实际应用效果不尽人意.本文基于曲波变换、小波变换及高阶相关统计技术,进行了交叉型组合域瞬变电磁数据去噪技术的研究与探索.通过引入高阶相关统计理论提供自适应的阈值函数、采用小波变换进行残留噪声成分小波系数分解,结合曲波变换正反过程实现交叉型组合域去噪技术.设计了包含随机噪声、相关噪声的数值模拟合成数据去噪算例验证了本文方法的可行性.将本文方法应用于两个实测数据去噪分析,表明本文方法可有效解决不同复杂程度的含噪声瞬变电磁数据去噪领域.研究成果为瞬变电磁高精度数据处理提供了新的技术手段.     

位场小波变换研究进展

小波变换的具有多尺度分析的特点,在位场资料分析中得到了广泛应用.本文总结了位场小波变换的理论基础及应用现状,介绍了位场小波基函数的概念.小波分析可以应用于位场分离、去噪、反演及综合地质解释等分析.文中从小波的数学性质和物理意义等角度讨论了位场资料处理中小波基函数的选取问题.     

小波与曲波变换探地雷达数据去噪对比分析

探地雷达勘探工程目标及观测工程环境越加复杂给其精确的数据处理带来极大挑战,高效的探地雷达数据去噪算法是当前关注的重要研究领域.基于阈值去噪思想,小波变换和曲波变换去噪算法在探地雷达数据去噪应用中受到限制,有必要开展上述两种去噪算法适用性和实用性系统评价及改进.基于传统高阶相关统计阈值和块状复数域阈值函数,本文开展了小波变换及曲波变换去噪算法在合成含噪数据去噪效果对比分析;提出窗口高阶相关统计阈值小波变换去噪算法、探讨了块状复数域阈值函数取值变化对曲波变换去噪效果影响规律.通过对实测数据去噪分析,验证了窗口高阶相关统计阈值小波变换和估计块状复数域阈值函数曲波变换去噪算法的可行性及有效性.     

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.     

基于小波模极大值的地震信号去噪研究

小波分析在时域和频域具有很好的局部化特性,是分析和处理数字信号强有力的工具。文章将基于小波变换的模极大值去噪算法应用到地震信号的去噪研究中。首先依据相关理论验证算法的有效性,并对红山基准台的地震数据进行去噪分析处理。结果表明,去噪后的信号有效去除了大部分毛刺,去噪效果良好,噪声得到很好的抑制。为实现数据处理的界面化及易操作,在基于小波变换模极大值去噪算法比较分析的基础上,设计一个地震信号去噪系统分析界面,从而实现数据去噪的可视化应用。     

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.     

Vibrator Data Denoising Based on Fractional Wavelet Transform

In this paper, a novel data denoising method is proposed for seismic exploration with a vibrator which produces a chirp-like signal. The method is based on fractional wavelet transform (FRWT), which is similar to the fractional Fourier transform (FRFT). It can represent signals in the fractional domain, and has the advantages of multi-resolution analysis as the wavelet transform (WT). The fractional wavelet transform can process the reflective chirp signal as pulse seismic signal and decompose it into multi-resolution domain to denoise. Compared with other methods, FRWT can offer wavelet transform for signal analysis in the timefractional-frequency plane which is suitable for processing vibratory seismic data. It can not only achieve better denoising performance, but also improve the quality and continuity of the reflection syncphase axis.     

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.     

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.     

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。     

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.     

Applications of Savitzky-Golay Filter for Seismic Random Noise Reduction

This article utilizes Savitzky–Golay (SG) filter to eliminate seismic random noise. This is a novel method for seismic random noise reduction in which SG filter adopts piecewise weighted polynomial via leastsquares estimation. Therefore, effective smoothing is achieved in extracting the original signal from noise environment while retaining the shape of the signal as close as possible to the original one. Although there are lots of classical methods such as Wiener filtering and wavelet denoising applied to eliminate seismic random noise, the SG filter outperforms them in approximating the true signal. SG filter will obtain a good tradeoff in waveform smoothing and valid signal preservation under suitable conditions. These are the appropriate window size and the polynomial degree. Through examples from synthetic seismic signals and field seismic data, we demonstrate the good performance of SG filter by comparing it with the Wiener filtering and wavelet denoising methods.     

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.     

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.