双边滤波在探地雷达数据去噪处理中的应用

在探地雷达数据的采集过程中,受外界因素影响会不可避免地混入噪声,严重干扰有效回波的识别与解译。为此,利用双边滤波算法进行探地雷达数据的去噪处理,通过在探地雷达正演记录加入高斯白噪声来模拟实测的探地雷达记录,利用双边滤波器对含噪声的合成记录进行滤波处理,结果表明双边滤波算法能除去大部分高斯噪声,突出有效回波信息,峰值信噪比(PSNR)由初始的15.8451增加到22.1477。进一步将双边滤波器用于实测记录的滤波,从滤波结果来看,噪声除去效果较好,表明双边滤波器能有效应用于探地雷达数据的去噪处理。     

海洋电磁法勘探油气的三维正演模拟

针对海底可控源电磁法( MCSEM) 在油气资源勘探中的实用性,应用矢量有限元进行了多种频率的水平电偶源发射电磁场识别油气层的实例研究,并利用矢量有限元对海底的3D 模型进行了正演数值模拟。利用MCSEM 能较好地识别油气层; 归一化后的电场曲线特征表明,浅海下不易测得油气层,在实验频率内,电场源频率越高对油气层识别能力越强。同时证实了MCSEM 识别油气层是建立在波导理论基础上的。     

抽取滤波在海底大地电磁探测中的应用

海底大地电磁仪使用了△-Σ调制技术来实现微伏级信号的采集.从抽样理论出发,讨论了针对△-∑调制器输出的高频位流信号而进行的抽取滤波的原理及其构成,指出抽取滤波过程中必须使用多级抽取结构进行抽取和滤波,海底大地电磁仪器中使用的三级抽取滤波结构实现了数字抽取、抗混叠和滤除基带以外量化噪声的功能.同时也介绍了滤波模块的接口和海底大地电磁数据采集器中数字通道原理.结合海底大地电磁仪器的海上试验,通过分析采集的时间序列及其频谱曲线,说明海底大地电磁仪中使用的抽取滤波是合理、可行的.     

广义S变换时频分析在广域电磁法数据处理中的应用

广义S变换是一种可逆的局部时频分析方法,是短时傅里叶变换和小波变换的延伸和推广。利用广义S变换对广域电磁时间序列数据进行分析,除了可以划定噪声区域便于实施滤波去噪之外,还可以提高数据频谱分析精度。针对广域电磁数据特点,基于广义S变换提出了适合广域电磁法的广义S变换处理流程,进行了信号的仿真实验。同时,也对广域电磁法实测数据进行了处理,高信噪比数据的处理结果证实了广义S变换的有效性和准确性。强干扰数据处理的结果表明,获取的信号质量比基于傅里叶变换的传统方法有明显提高。处理效果表明,提出的方法适用于广域电磁法数据处理。     

top-hat变换与庐枞矿集区大地电磁强干扰分离

作为一种非线性信号处理方法,基于数学形态学的广义形态滤波已经展现出其在大地电磁时间域信号去噪中的作用;然而,广义形态滤波在滤除大地电磁时间域信号中噪声波形的同时,也滤除了时间域信号中包含有用信息的缓变化。针对这一问题,提出一种基于数学形态学top-hat变换的大地电磁时间域噪声压制方案,利用top-hat变换对波峰和波谷的检测能力,采用直线型结构元素,对大地电磁时间域信号进行去噪。用该方法对庐枞矿集区大地电磁实测数据进行处理后,数据的标准差与曲线相似性参数都优于处理前数据,表明所提方法能够去除噪声波形并保留时间域信号的缓变化,恢复受噪声污染的大地电磁时间域信号,提高大地电磁视电阻率曲线的质量。     

基于CEEMD和自适应中值滤波的大地电磁数据去噪研究

为提高大地电磁数据的信噪比,笔者提出基于互补总体经验模式分解(CEEMD)和自适应中值滤波的去噪方法,利用CEEMD将大地电磁时间序列数据分解成多个固有模态函数(IMF)及趋势项,依据噪声的高低频特征有选择地利用自适应中值滤波对固有模态函数(IMF)进行去噪,再进行数据重构。对实测数据进行处理,该方法能较好地抑制大地电磁数据中、低频部分的噪声干扰,抑制突变点,提高数据的信噪比。     

基于广义S变换时频滤波的MT数据去噪

针对油气勘探中大地电磁(MT)数据易受各类干扰的污染,且信噪难以分离的问题,把基于广义S变换的时频滤波技术应用于MT数据处理中来,得到MT数据的S域时频分布,分析受噪MT数据在S域的时频分布特征,再在S变换时频域进行时频阈值去噪,并对滤波后的S域时频谱进行逆变换重构,分离得到去噪后的MT数据。给出了基于广义S域时频滤波的方法原理与应用步骤,对被污染的仿真和实测MT数据进行了时频阈值滤波,并与小波阈值去噪方法进行了比较研究。结果表明：基于广义S变换的时频滤波方法可有效抑制MT数据中的干扰,从噪声信号中分离出有效的大地电磁数据,且减少了人为参与,提高了MT勘测的数据质量。     

广义S变换时频域滤波在MT数据处理中的应用

短时傅里叶变换是建立在稳态信号基础之上,它仅能提供信号的频域信息,对信号的时间分辨能力差。这影响了它在大地电磁测深数据处理中的应用效果。S变换是一种优于短时傅立叶变换的时频分析方法,能够提供信号时-频域信息。利用S变换对大地电磁测深数据进行时频分析,有助于实现大地电磁测深数据噪声的时频-域滤波,从而提高大地电、磁分量数据的频谱分析精度。从广义S变换理论出发,分析了各类波形噪声的时-频域特征及其对大地电磁测深数据的影响。针对大地电磁测深数据处理特点,利用广义S变换得到时频谱,采用时频比值和门槛值方法,研究适合压制电磁噪声的时频滤波器和滤波方法。对实际大地电磁测深数据的处理结果表明这个方法提高了阻抗张量的估算质量,验证了该方法的有效性。     

基于分类思想的高密度数据去噪方法研究

这里参照图像去噪方法[1～4],提出了一种基于噪声分类的自适应混合滤波去噪方法。由于传统均值滤波[5]和中值滤波[6]对高斯型噪声和椒盐型噪声(脉冲噪声)有着不同的滤波特性,而在野外采集的原始高密度数据中,可能同时存在高斯型噪声和椒盐型噪声。因此,单独采用中值滤波或均值滤波都不会达到最好的去噪效果。为了能有效滤除这对二种不同性质的噪声,现提出了一种新的混合滤波算法。该算法首先利用局部阈值把受高斯型噪声污染的数据点和受脉冲型噪声污染的数据点区别开来,然后对前者采用均值滤波算法,而对后者则采用带自适应的改进中值滤波算法进行去除。     

一种基于连续补偿函数的时变增益限反Q滤波方法

反Q滤波是提高地震资料分辨率和保幅处理的常用方法之一,在地震储层预测中具有重要的实用价值。长期以来人们不断加以研究改进,其中采用时变增益限振幅补偿函数的反Q滤波方法是当前研究改进的方向之一。本文通过对几种常用的反Q滤波方法进行研究,提出了一种基于Teager-Kaiser能量原理求取振幅补偿函数增益限的时变增益限反Q滤波方法,改进了传统反Q滤波方法中存在的不足。新方法基于平滑连续函数而不是基于常用反Q滤波方法中采用的分段函数或截止频率来计算补偿函数的时变增益极限,因此新方法具有稳定调整时变增益极限的优点,从而提高了反Q滤波的可靠性和精度,特别是对于深层介质的保幅及分辨率提高效果较好。本文用理论模型及实际资料证明了新方法的有效性及实用性。     

自适应加权改进窗口中值滤波

针对传统的多级二维中值滤波窗口函数及窗口大小对地震数据噪声处理存在影响,提出了一种自适应加权改进窗口多级二维中值滤波器。对传统的多级二维中值滤波窗口函数进行改进,使其具有保护线性和细节特征。在改进窗口函数的基础上,提出了自适应加权函数,加权函数的自适应性对噪声衰减和有效信号的保真奠定了基础,自适应加权改进窗口中值滤波器去除噪声明显。通过理论模型和实际数据处理的对比,表明本方法去除噪声和保护有效信号能力优于传统的二维多级中值滤波器。     

基于S变换和瞬时旅行时属性的自动初至拾取方法研究

地震波走时拾取是地震资料前期处理过程中的一个重要步骤,同时也是后期层析成像方法中计算速度的重要依据。本文提出了一种新的自动初至拾取的方法,利用地震信号的瞬时旅行时属性进行地震波自动初至拾取,瞬时旅行时属性的计算包括两个独立但相关联的部分,首先通过S变换将地震信号转换到时频域,然后利用映射算子将时频域表征映像回时间域得到瞬时旅行时,从而实现自动拾取初至。理论模型和实际地震资料处理的结果表明,该方法可以有效地拾取地震波初至时间。     

基于平面波解构滤波的速度无关动校正及速度分析方法

为了避免速度分析拾取速度参数引起的繁复费时、拾取参数不准确导致的校正效果不佳和传统动校正的拉伸畸变问题,利用速度无关动校正方法进行相关处理。通过数据解构获取局部同相轴斜率,解析斜率数据与速度的关系,由局部斜率可直接获得动校正所需时差参数,其信息足以进行动校正处理。通过模拟和实际数据进行的实验计算,证明此方法优于常规动校正处理效果。     

海洋可控源电磁数据的畸变校正与合成孔径源信号增强方法

我国对海洋可控源电磁勘探方法的研究起步较晚,目前海洋采集数据的处理流程较为单一。在经典的数据处理流程中,仍缺乏针对由存储设备读写、船速和长线源源距变化等造成的畸变电磁响应的数据处理方法。本文针对存储设备运行造成的规则干扰提出一种基于功率谱分析的自动压制方法;对于船速和长线源源距变化的干扰建立了分时窗畸变校正流程;最后,结合合成孔径源技术进一步增强了有效信号的强度。实测数据处理结果表明,文中提出的畸变校正与信号增强方法,在提高电磁数据信噪比的同时,增强了来自海底地层的有效信号幅度。     

基于SVD的叠后地震资料随机噪声分离方法

笔者提出基于SVD的叠后地震资料随机噪声分离方法,在地震剖面的同相轴水平或接近水平时可以有效地分离出地震剖面中的随机噪声,提高地震剖面的分辨率。为了说明SVD随机噪声分离方法的有效性和高效性,建立模型试验,在合成地震记录中加入随机噪声,之后进行实际地震资料处理,分别用SVD方法和基于小波变换的分层阈值方法对加入随机噪声的合成记录和加入随机噪声的实际资料进行随机噪声分离处理。对比发现,SVD随机噪声分离方法相比于基于小波变换的分层阈值方法更加有效且高效。     

中国南海卫星重力数据Butterworth滤波处理

通过对重力模型数据进行Butterworth滤波处理,发现该方法对高频噪声具有很好的滤波效果。对Geosat和ERS—1卫星提供的重力数据进行了网格化和Butterworth滤波处理,得到中国南海自由空气重力异常值为-42~89 m Gal。经与GRACE卫星提供的数据进行比较,发现该方法得到的结果具有更好的精度和分辨率。     

移动平台全张量重力梯度数据的噪声抑制

全张量重力梯度仪器测量数据中包含了大量的白噪声和有色噪声。传统的数字滤波器只能滤除某一频段外的噪声,对于混叠在重力梯度有用信号频段范围内的有色噪声不能很好的对其进行分离。为了同时滤除白噪声和有色噪声,笔者利用卡尔曼滤波器采用增广矩阵法将全张量重力梯度数据中的有色噪声进行估计,在抑制白噪声的同时将有用信号和有色噪声分离,并利用数字滤波器与卡尔曼滤波器的优点,将其结合生了更好的滤波效果,得到了更高质量的梯度信号。通过模型试验验证了本方法对噪声的滤波能力,并满足高精度重力梯度数据处理要求。     

奇异值分解(SVD)在位场数据去噪中的应用

根据奇异值分解原理,分析其在位场去噪中的可行性,提出了一种判断有效阶次k的方法。对多边形厚板模型的重力异常进行奇异值分解去噪和小波去噪效果的对比,证明了奇异值分解去噪的有效性和优势。将其应用于实测重力数据的处理中,取得较好的效果。理论模型和实测资料的处理结果表明:基于奇异值分解的去噪方法可以有效地去除随机噪声,提高数据处理和解释的精度。     

全张量重力梯度数据垂直分量噪声滤除方法研究

全张量重力梯度数据中含有高频成分,为了在去除高频噪声的同时,保留浅部小异常体信息,本文利用最小二乘原理,求解重力梯度垂直分量与重力数据联合约束下的超定方程组。结果表明,随着计算窗口的增大,去噪效果越来越好,对于本文所设计的模型,当计算窗口增大到32×32时,重力数据中99%以上的噪声被去除,张量数据Vxz、Vyz中,分别有大约40%、50%的噪声被去除;同时,浅部小异常体信息几乎全部保存。