共查询到20条相似文献,搜索用时 125 毫秒
1.
2.
《物探化探计算技术》2018,(6)
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。 相似文献
3.
4.
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。 相似文献
5.
两种压制随机噪声的滤波方法对比研究 总被引:1,自引:0,他引:1
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。 相似文献
6.
基于小波变换的分频最小光滑滤波去噪 总被引:1,自引:3,他引:1
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。 相似文献
7.
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。 相似文献
8.
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。 相似文献
9.
10.
11.
12.
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。 相似文献
13.
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。 相似文献
14.
小波分析在地震资料去噪中的应用 总被引:3,自引:1,他引:3
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。 相似文献
15.
基于小波变换的阈值降噪方法在地震资料处理中的应用 总被引:2,自引:0,他引:2
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。 相似文献
16.
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 总被引:1,自引:0,他引:1
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。 相似文献
17.
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。 相似文献
18.
19.
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. 相似文献