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。     

小波变换与SVD结合消除随机噪声的研究及应用

常规的随机噪声压制方法面临着噪声频带与有效信号频带重叠,在压制噪声的同时对有效信号造成损害的局限性,基于小波变换和奇异值分解的思路,提出了一种小波变换与奇异值分解相结合的去噪方法,以单道信号作为处理单元,通过小波变换得到小波系数矩阵,并对此矩阵进行奇异值分解,进而求得能够反应信号与噪声变化的奇异熵,根据奇异熵确定阀值,进行SVD重构小波系数矩阵,最后小波逆变换重构信号,达到去除随机噪声的目的。此种方法对满足高斯白噪和不满足高斯白噪条件的随机干扰,均有去除效果。经理论信号与相关实际资料的处理证明,这种小波变换与奇异值分解相结合的去噪方法有效而实用。     

基于奇异值分解的f-x-y域滤波方法

在简单回顾奇异值法压制随机噪音的基础上,提出了基于奇异值分解的f-x-y域滤波方法。该方法是一种三维去噪方法,它不需求取同相轴的倾角就可以去除倾斜同相轴的随机噪音,同时还可以较好地保持地震信号的振幅。经理论模型试算表明,该方法运算速度快,效果明显,是一种可行的去噪方法。     

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。     

两种压制随机噪声的滤波方法对比研究

介绍了f-x-y 域预测滤波方法,提出了基于奇异值分解的三维f-x-y域预测滤波方法。该去噪方法是在奇异值分解滤波的基础上进行f-x-y域预测滤波,从而实现频率空间的预测滤波。2种滤波方法详细的对比研究及理论模型试算的结果表明,该方法较f-x-y域预测滤波能更好地提高地震资料的信噪比,并有更高的保真度。     

基于小波变换的分频最小光滑滤波去噪

在地震勘探中,随机噪音是一种频带较宽,严重影响有效波信噪比的干扰波。一般的去噪方法有:f-x、w-x、f-x奇异值分解等,但这些都只考虑横向上随机噪音的不相关性,而在一维方向上研究甚少。小波变换是一种时频分析的方法,根据它的分频和局部分析能力,结合一维方向上去噪的光滑滤波,就能有效地消除随机干扰,且保证了有效波的中、高频成份,经过小波包重构,可恢复有效波信号。该方法在去噪方面是十分有效的。     

小波阈值去噪方法在重力资料处理中的应用

简要介绍了小波变换的基本理论与小波阈值去噪实现过程。通过单球体与双球体模型试验,探讨了阈值去噪时小波基以及分解层数的选择问题;最后利用小波阈值去噪方法,对某实测布格重力资料进行处理,有效滤除了随机噪声。去噪后计算的水平方向导数明显比去噪前直接计算的水平方向导数效果好。     

基于小波变换的分频最小光滑滤法去噪

在地震勘探中，随机噪音是一种频带较宽，严重影响有效波信噪比的干扰波，一般的去噪方法有：f-x、w-x、f-x奇异值分解等，但这些都只考虑横向上随机噪音的不相关性，而在一维方向上研究甚少。小波变换是一种时频分析的方法，根据它的分频和局部分析能力，结合一维方向上去噪的光滑滤波，就能有效地消除随机干扰，且保证了有效波的中、高频成份，经过小波包重构，可恢复有效波信号，该方法在去噪方面是十分有效的。     

基于混合类小波变换的随机噪声消减方法研究

介绍一种基于Seislet变换的混合类小波变换方法。小波变换可以对地震数据在时间方向上作进一步分解,利用小波去噪原理联合Seislet反变换共同对随机噪声进行消减。同时,基于信号噪声正交化模型,利用局部正交权重(LOW)对上一步的去噪结果进行信号能量补偿,从噪声中提取同相轴相干有效信息。理论模型和实际数据处理结果验证本文提出的方法可使地震资料中的随机噪声得到较好的消减。     

基于经验模态分解法与小波变换的长周期大地电磁信号去噪方法

针对大地电磁信号具有非线性、非平稳和非最小相位的特点,提出了一种基于经验模态分解法结合小波变换的联合信号去噪方式,将时间序列信号通过经验模态分解,利用连续均方误差准则确定原始信号能量转折点,进而再使用小波阈值去噪法对剩余固有模态函数分量进行去噪,最后重构出消噪信号。通过对实测信号处理前后结果的对比,表明了本方法能够有效地应用于信号时域去噪。     

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 ±。     

二维小波变换与中值滤波联合去噪方法研究

由于随机噪声是一种频带较宽的干扰波,因此依靠单一的去噪处理方式往往难以获得清晰反映目标体的地震信息。小波变换能够较好的去除高斯噪声,保留有效波中、高频成分,提高记录的信噪比,但去除脉冲噪声的效果却并不理想;中值滤波具有良好的边缘保持特性,虽低频去噪声效果有限,但去除脉冲噪声效果明显。因此可利用二维小波变换与中值滤波优势互补的方法,进行叠前去噪处理,达到去除宽频随机噪声的目的。首先运用二维小波变换的理论,采用自适应门限阀值方法进行去噪,同时结合中值滤波方法联合去噪。模型与实际数据的应用效果表明,联合去噪方法可有效压制噪声能量、保留高频有效信号、提高地震记录信噪比与分辨率。     

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。     

小波分析在地震资料去噪中的应用

小波变换方法已广泛应用于信号处理领域。应用多尺度小波分析方法来消除地震观测信号中的噪声是一种行之有效的方法。这里从小波变换的基本原理出发,详细介绍了地震信号的阈值去噪原理,并根据模拟信号和实测地震信号的频谱分析,讨论了如何选择小波基及去噪过程中的阈值取值问题。从小波分解理论知道,利用多尺度分解方式对地震资料进行分析处理,相当于对实测地震资料进行不同尺度的细化分析,由于对不同地区、不同资料的精度要求不同,我们只要使用不同的尺度进行小波变换处理,就可以得到去除原信号的细部巨变(噪声干扰)特征的信号。同时,我们对小波变换处理后重构的地震信号与原信号进行了对比分析,误差结果分析表明该方法切实可行。我们还利用MATLAB语言及其小波工具箱,实现了对地震资料的去噪处理。     

基于小波变换的阈值降噪方法在地震资料处理中的应用

这里主要讨论了小波变换阈值降噪方法的基本原理,并且将广泛使用的通用阈值方法与Birge-Massart阈值方法进行了比较,展现了Birge-Massart阈值选取方法的优越性。通过对模拟数据和实际地震资料的处理结果表明,基于小波变换的Birge-Massart阈值降噪方法对地震信号降噪具有很好的效果。     

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。     

小波降噪与粒子群优化综合回归爆破震动参数

爆破震动测试得到的数据常常具有较大的离散性,采用剔除错误数据和小波降噪对爆破震动检测数据进行预处理,以标准残差平方和作为爆破振动实测数据与萨道夫斯基公式拟合值偏差大小的判断依据,应用小波降噪对实测数据进行处理的方法,优化了粒子群算法对萨道夫斯基公式中的k和 的回归分析。研究结果表明,小波降噪和粒子群优化算法结合使用,能够较真实地反映爆破震动测试的真实情况,从而提高了对爆破震动测试模拟的精度。研究结果对爆破振动测试理论和工程实践具有一定的参考价值。     

Curvelet变换在位场数据去噪中的应用

为了解Curvelet变换在位场数据去噪处理中的效果,从Curvelet变换的原理着手,通过对多矩形棱柱体模型进行Curvelet变换去噪和普遍应用的小波阈值去噪试验对比,验证了Curvelet变换去噪的有效性问题。将其应用于实测位场数据的处理中,取得了较好的效果。理论和实测数据的处理结果都表明,Curvelet变换在位场数据的去噪处理中是可行有效的。     

Estimating observation error covariance matrix of seismic data from a perspective of image denoising

Estimating observation error covariance matrix properly is a key step towards successful seismic history matching. Typically, observation errors of seismic data are spatially correlated; therefore, the observation error covariance matrix is non-diagonal. Estimating such a non-diagonal covariance matrix is the focus of the current study. We decompose the estimation into two steps: (1) estimate observation errors and (2) construct covariance matrix based on the estimated observation errors. Our focus is on step (1), whereas at step (2) we use a procedure similar to that in Aanonsen et al. 2003. In Aanonsen et al. 2003, step (1) is carried out using a local moving average algorithm. By treating seismic data as an image, this algorithm can be interpreted as a discrete convolution between an image and a rectangular window function. Following the perspective of image processing, we consider three types of image denoising methods, namely, local moving average with different window functions (as an extension of the method in Aanonsen et al. 2003), non-local means denoising and wavelet denoising. The performance of these three algorithms is compared using both synthetic and field seismic data. It is found that, in our investigated cases, the wavelet denoising method leads to the best performance in most of the time.     

小波阈值去噪黄金分割法

在小波去噪的方法中,应用最广泛的是Donoho阈值法,但由于其阈值的单一性,使它不能在每级尺度上将信号与噪声做最大分离,去噪效果并不理想。通过分析Donoho硬阈值和软阈值方法的特点,提出了一种黄金分割法,这种方法结合了硬阈值和软阈值方法各自的优点。仿真去噪结果表明,这种改进的小波阈值方法能够得到更好的去噪效果,信号的信噪比得到了进一步提高。