基于Curvelet变换的探地雷达资料噪声衰减方法(英文)

噪声衰减是探地雷达信号处理中的关键问题之一。当探测目标埋藏深度比较浅时,其反射信号与直耦信号和地面回波信号相互重叠,直接影响目标反射波到达时刻的检测及目标的正确定位。针对这个问题,本文提出了一种基于Curvelet变换的噪声衰减方法。通过对理论数值模拟数据和实测数据的处理,以及与平均消去法和二维连续小波该方法处理结果的对比,验证了该方法的可行性和有效性。处理结果显示,该方法不仅可以去除背景噪声、同时可以衰减倾斜相关的相干干扰和数据中的随机噪声。与二维连续小波变换方法相比有更高的计算效率。     

边界和振幅特性保持的自适应噪声衰减方法(英文)

由于地震数据中包含的噪声在不同频率或者频带数据中的分布强度存在差异,使得全频带数据上进行的噪声衰减处理改变了地震反射波信号的动力学特征,干扰后期的地震资料解释、储层预测、油气检测等问题,提出边界和振幅特性保持自适应噪声衰减方法。首先应用小波包变换对全频带地震数据进行多频段划分,然后对分频段数据进行非线性各向异性倾角导向边界保持自适应滤波处理。在该方法中,由结构张量计算的扩散张量实现自适应地确定平滑滤波方向,加入的不连续结构置信度量和不连续性算子自适应地控制不连续结构特征的保持程度,引入的去相关滤波迭代停止准则自适应地确定滤波迭代次数。这些参数的引入具有减少处理人员的干预和人为的主观性,且执行简单的特点。对合成地震记录和实际地震记录处理结果表明,提议的方法能够自适应地衰减地震数据中噪声,同时既能保持地震反射波中有效的不连续性信息,也能有效地保持有效信号的频率分布规律。能够为后期的地震资料解释和分析提供高品质的基础数据。     

小波变换在二维瞬时参数分析中的应用

一维复数道的思想经过推广,可以得到二维复数道的理论.同一维情况类似,基于Hilbert变换计算瞬时参数时,信号中的噪声对计算结果有严重的影响,提出了利用小波变换理论求取二维瞬时参数的一种新方法,并且与H1bert变换方法得到的二维瞬时参数进行了比较,理论模型结果表明,小波变换方法得到的瞬时参数有较强的抗噪能力;从理论上分析了小波函数的选择对于瞬时参数计算精度的影响,模拟数据计算结果表明,用接近地震子波的小波函数作为基本小波计算瞬时参数,抗噪能力强,计算精度高.     

基于形态成分分析地震信号二维域面波分离方法研究（英文）

地震数据中的面波是严重降低地震资料信噪比的干扰波,它的存在影响了后续地震资料的处理与解释。本文根据地震记录中面波与反射波信号形态结构的差异,采用基于二维字典形态成分分析方法对面波噪声与反射波进行分离。根据面波信号的低频、低视速度和频散的特性,选择二维非抽样离散小波变换作为面波的稀疏表示字典,根据反射波局部相关性较强的特点,选择二维局部离散余弦变换作为反射波的稀疏表示字典,构建地震记录在联合二维字典下的稀疏表示模型并采用块协调松弛算法进行求解,将地震记录分解为反射波部分和面波部分。对合成地震信号以及实际地震资料的处理结果表明本文方法不仅能有效压制强能量的面波干扰,而且还能很好保护反射波信号的波形。     

基于地震子波支撑和Curvelet域稀疏约束的面波衰减方法

面波噪声衰减是地震数据处理流程中的重要一环,传统的面波衰减方法主要依靠面波与有效信号的几何特征差异,在变换域中将两者进行分离.受复杂近地表因素的影响,面波往往呈现非线性特征,并且在变换域中面波与有效信号存在部分重叠,这都导致面波噪声与有效信号难以彻底分离,消除面波的同时也损伤了有效信号.针对这一问题,本文综合利用Curvelet变换对地震数据的稀疏表征特性以及地震子波支撑来构建方程,通过Curvelet域稀疏约束来恢复压制面波时损失掉的有效信号.文中对该方法进行了模型试算和实际资料处理,处理结果表明:本文方法能够在一定程度上恢复损失的有效信号,提高了面波压制方法的保幅性.     

二进小波变换方法的地震信号分时分频去噪处理

应用二进小波变换理论，对地震记录剖面进行小波分解，在小波变换域，对各分量剖面进行分时分频相关分析，并依此进行加权处理，最后通过小波反交换算法恢复出地震记录剖面．经实验该方法对衰减地震信号的噪声具有比较好的效果．     

多分辨率地震信号反褶积

基于二进小波变换提出了一种新的反褶积方法─-多分辨率地震信号反褶积．在地震信号二进小波变换域中的各尺度上分别进行其分辨率随小波尺度变化的反褶积,利用不同分辨率反褶积结果之间的相关性,以及测量噪声随尺度的衰减特性,从低分辨率反褶积结果逼近高分辨率反褶积结果．理论分析和实验表明,该方法有较高的精度,并且在较低信噪比情况下有好的效果．     

曲波阈值法地震弱信号识别及去噪方法研究

深层勘探及小断裂、小幅度构造等隐蔽油气藏勘探是目前老油区增产的重要手段,而进行这类油藏勘探时所面临的共同问题是在相对较高的噪音中识别信号,即弱信号的识别问题.利用小波的多尺度特性,可以在——定程度上压制噪声,识别弱信号.但小波变换在处理二维数据时,对线性奇异性的边缘的识别有一定局限性,而曲波变换能较好地识别二维奇异性边...     

利用相关域小波变换进行SWD资料预处理

随钻地震(SWD)的波场十分复杂,对钻头有效信号和地表机械干扰成分的分析是SWD重要的资料预处理步骤.本文利用有效信号和噪声带有周期性或时延差异等时间结构特征,引入相关域小波变换进行SWD信号检测和分析.有效信号在钻柱内往复多次传播,因而带有严格的周期性,泥浆泵等机械发出的噪声也是周期性的,这些成分在自相关域内可以得到很好的凸显.SWD波场的各种成分,由于到达各个接收道的时延不同,在互相关域的特定时延处也能够得到凸显.利用小波变换对这些在相关域内得到凸显的成分进行多分辨分析,能够获得优势频率范围、周期、衰减等主要特征.根据这些信息,设计出合理的SWD处理方法,初步得到了有效信号的直达波.数据试处理结果表明,相关域小波变换是随钻地震的一个有效的预处理方法.     

基于连续小波变换的大地电磁信号谱估计方法

在基于连续小波变换的大地电磁信号谱估计方法中 ,通过引入整体平均、小波系数收缩和显著性检验等统计技术 ,以提高谱估计的精度 .文中同时讨论了连续小波变换中各种参数的选取问题 ,给出了Morlet小波函数中尺度与傅里叶频率之间转换的经验公式 ,并给出了谱估计的具体算法 .结果表明 ,本文方法可有效压制较强的白噪声和局部相关噪声 .与FFT谱估计方法相比 ,该方法大大降低了对信号记录长度的要求 ,因而对大地电磁信号的处理有实际意义 .     

基于f-x域流式预测滤波器的地震随机噪声衰减方法

随机噪声的影响在地震勘探中是不可避免的,常规的随机噪声压制方法在处理中往往会破坏具有时空变化特征的非平稳有效地震信号,影响地震数据的准确成像.当前油气勘探的目标已经转变为“两宽一高”,随着数据量的增大,对去噪方法的处理效率也提出了更高的要求.因此,开发高效的非平稳地震数据随机噪声压制方法具有重要意义.预测滤波技术广泛用于地震随机噪声的衰减,本文基于流式处理框架提出一种新的f-x域流式预测滤波方法,通过在频率域建立预测自回归方程,运用直接复数矩阵逆运算代替迭代算法求解非平稳滤波器系数,实现时空变地震同相轴预测,提高自适应预测滤波的计算效率.通过与工业标准的FXDECON方法和f-x域正则化非平稳自回归(RNA)方法进行对比,理论模型和实际数据的测试结果表明,提出的f-x域流式预测滤波方法能更好地平衡时空变有效信号保护、随机噪声压制和高效计算三者之间的关系,获得合理的处理效果.     

Inversion-based data-driven time-space domain random noise attenuation method

Conventional time-space domain and frequency-space domain prediction filtering methods assume that seismic data consists of two parts, signal and random noise. That is, the so-called additive noise model. However, when estimating random noise, it is assumed that random noise can be predicted from the seismic data by convolving with a prediction error filter. That is, the source-noise model. Model inconsistencies, before and after denoising, compromise the noise attenuation and signal-preservation performances of prediction filtering methods. Therefore, this study presents an inversion-based time-space domain random noise attenuation method to overcome the model inconsistencies. In this method, a prediction error filter (PEF), is first estimated from seismic data; the filter characterizes the predictability of the seismic data and adaptively describes the seismic data’s space structure. After calculating PEF, it can be applied as a regularized constraint in the inversion process for seismic signal from noisy data. Unlike conventional random noise attenuation methods, the proposed method solves a seismic data inversion problem using regularization constraint; this overcomes the model inconsistency of the prediction filtering method. The proposed method was tested on both synthetic and real seismic data, and results from the prediction filtering method and the proposed method are compared. The testing demonstrated that the proposed method suppresses noise effectively and provides better signal-preservation performance.     

一种基于频率域偏振分析提高三分量地震资料信噪比的方法

三分量地震资料包含着丰富的运动学和动力学信息，各种随机噪声的存在严重降低了资料的信噪比，给有效信息的提取带来了一定的困难.本文在引入多窗谱分析方法的基础上，通过对谱密度矩阵特征问题的求解提取三分量地震记录的偏振参数，实现频率域偏振分析；根据所求得的偏振参数以及随机噪声和有效信号的偏振特性差异，设计相应的自适应滤波器，通过该滤波器的滤波作用，最终实现压制随机噪声的目的.     

基于ARMA模型非因果空间预测滤波(英文)

常规频域预测滤波方法是建立在自回归(autoregressive,AR)模型基础上的,这导致滤波过程中前后假设的不一致,即首先利用源噪声的假设计算误差剖面,却又将其作为可加噪声而从原始剖面中减去来得到有效信号。本文通过建立自回归-滑动平均(autoregres sive/moving-average,ARMA)模型,首先求解非因果预测误差滤波算子,然后利用自反褶积形式投影滤波过程估计可加噪声,进而达到去除随机噪声目的。此过程有效避免了基于AR模型产生的不一致性。在此基础上,将一维ARMA模型扩展到二维空间域,实现了基于二维ARMA模型频域非因果空间预测滤波在三维地震资料随机噪声衰减中的应用。模型试验与实际资料处理表明该方法在很好保留反射信息同时,压制随机噪声更加彻底,明显优于常规频域预测去噪方法。     

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.     

基于Hessian矩阵的地震随机噪声压制方法

随机噪声的压制在提高地震资料信噪比方面发挥重要作用.考虑到传统去噪方法在构造复杂地区难以取得理想的去噪结果,本文提出基于Hessian矩阵特征值对应的线性目标关系在多个尺度上对随机噪声进行压制.该方法将地震信号看作不同尺度的曲线,从而利用Hessian矩阵在曲线检测方面表现出的良好性能实现信噪分离.该方法与传统方法相比不受地层倾角的限制,因此能够处理构造较为复杂地区的地震数据.利用模型及实际资料对该方法进行了验证并与传统方法F-X反褶积的去噪结果做对比,结果表明基于Hessian矩阵的随机噪声压制方法在构造复杂地区能够保持有效信号的完整性.     

Ground roll attenuation based on an empirical curvelet transform

In the field of seismic exploration, ground roll seriously affects the deep effective reflections from subsurface deep structures. Traditional curvelet transform cannot provide an adaptive basis function to achieve a suboptimal denoised result. In this paper, we propose a method based on empirical curvelet transform (ECT) for ground roll attenuation. Unlike the traditional curvelet transform, this method not only decomposes seismic data into multiscale and multi-directional components, but also provides an adaptive filter bank according to frequency content of seismic data itself. So, ground roll can be separated by using this method. However, as the frequency of reflection and ground roll components are close, we apply singular value decomposition (SVD) in the curvelet domain to differentiate the ground roll and reflection better. Examples of synthetic and field seismic data reveal that the proposed method based ECT performs better than the traditional curvelet method in terms of the suppression of ground roll.     

Time-frequency analysis based on curvelet transforms with time skewing

Oil and gas exploration gradually changes to the deep and complex areas. The quality of seismic data restricts the effective application of conventional time-frequency analysis technology, especially in the case of low signal-to-noise ratio. To address this problem, we propose a curvelet-based time-frequency analysis method, which is suitable for seismic data, and takes into account the lateral variation of seismic data. We first construct a kind of curvelet adapted to seismic data. By adjusting the rotation mode of the curvelet in the form of time skewing, the scale parameter can be directly related to the frequency of the seismic data. Therefore, the curvelet coefficients at different scales can reflect the time-frequency information of the seismic data. Then, the curvelet coefficients, which represent the dominant azimuthal pattern, are converted to the time-frequency domain. Since the curvelet transform is a kind of sparse representation for the signal, the screening process of the dominant coefficient masks most of the random noise, which enables the method to adapt for the low signal-to-noise ratio data. Results of synthetic and field data experiments using the proposed method demonstrate that it is a good approach to identify weak signals from strong noise in the time-frequency domain.     

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.     

基于经验模态分解的分数维地震随机噪声衰减方法

经验模态分解算法(EMD)是一种基于有效波和噪声尺度差异进行波场分离的随机噪声压制方法,但由于实际地震数据波场复杂,导致模态混叠较严重,仅凭该方法进行去噪很难达到理想效果.本文基于EMD算法对信号多尺度的分解特性,结合Hausdorff维数约束条件,提出一种用于地震随机噪声衰减的新方法.首先对地震数据进行EMD自适应分解,得到一系列具有不同尺度的、分形自相似性的固有模态分量(IMF);在此基础上,基于有效信号和随机噪声的Hausdorff维数差异,识别混有随机噪声的IMF分量,对该分量进行相关的阈值滤波处理,从而实现有效信号和随机噪声的有效分离.文中从仿真信号试验出发,到模型地震数据和实际地震数据的测试处理,同时与传统的EMD处理结果相对比.结果表明,本文方法对地震随机噪声的衰减有更佳的压制效果.