Shearlet域稀疏约束地震数据重建

在地震数据处理流程中,通常对不规则的、稀疏的或者缺失的地震数据进行插值处理,通过插值方法来避免多次波的预测错误和成像假频等现象,使地震数据处理更加精准。Shearlet变换是一种多尺度变换,具有最佳的稀疏性、方向性以及局部化特性。将Shearlet变换与基于Landweber加速下降迭代方法结合起来对地震数据进行插值,在保证求解精度的同时提高了计算效率。信号和噪声在Shearlet域具有不同的分布特点,通过阈值法压制随机噪声,可提高算法的抗噪性。此外,采用jitter采样的方式,更好地压制了假频信息。理论和实际地震数据验证了该方法的有效性。     

基于补偿阈值的曲波变换地面微地震弱信号检测方法

地面微地震弱信号在经过曲波变换后得到的曲波系数有小的幅值,这部分小幅值系数与噪声的曲波系数产生重叠,采用常规阈值函数,不能区分该部分有效弱信号系数,会被当作噪声系数去除。对于地面微地震资料弱信号的处理,应该在尽少损伤弱信号的基础上进行噪声的压制。因此笔者在常规阈值函数的基础上,提出一种补偿阈值函数算法,在弱信号和噪声之间加入一个新的阈值,这样就可对之前损伤的与噪声曲波系数重叠的弱信号进行补偿。通过对模型的试算和实际资料的处理,补偿阈值函数算法能较好地对微地震资料中的随机噪声和相干噪声进行压制,提高资料的信噪比,达到弱信号检测的目的。     

一种基于压缩感知的随机噪声压制方法

随着高精度地震勘探技术的发展,利用高保真的方法提高地震资料信噪比成为了去噪处理的关键。曲波域阈值法能够有效地压制随机噪声,但易产生伪吉布斯震荡现象,造成信号局部畸变,从而影响处理效果。针对这一问题,提出一种基于压缩感知理论（Compressing Sensing,简称CS）的地震信号去噪方法,该方法利用随机噪声和有效信号在曲波稀疏域稀疏表征的差异来分离随机噪声。其实现步骤为:将地震数据变换到曲波域;利用压缩感知理论和全变差正则化算法重构曲波系数;曲波逆变换得到压制噪声后的重构地震数据。理论模型和实际资料应用表明,该方法能够很好规避伪吉布斯现象带来的信号失真问题,进一步提高了资料的信噪比。      

宽频去噪技术在地震资料处理中的应用

提高地震资料的信噪比是地震资料处理的关键,叠前去噪是进行噪声压制的主要处理技术。小波变换方法由于具有同时在时间域与频率域分析的特点,在信号的分析处理方面得到广泛的应用;笔者采用小波变换把叠前地震数据分为不同的频段,并对包含干扰波的频段采用中值滤波消除干扰,再运用小波反变换来重构去噪后的记录;该技术不仅实现了噪声压制,还达到了保持宽频带的目的,应用于实际资料处理中,取得了很好的去噪效果。     

叠前非局部平均滤波压制随机噪音

非局部平均滤波方法的去噪性能优异,但其在地震资料处理中的应用刚刚起步。该方法利用数据具有的结构冗余,以包含局部结构的小窗口或邻域为单元,利用局部结构相似性进行加权运算,增强有效信号,压制随机噪音。针对叠前地震资料数据量大、噪音背景强、局部结构简单;原始非局部平均算法对每一点滤波,需要对数据体内所有点计算权系数后进行加权计算,计算量大,对强噪音背景适用性差等不足,对原始非局部平均算法进行了改进,主要包括:基于速度谱的搜索窗口分割;基于梯度域奇异值分解的局部结构相似集选择方法;基于相似集大小的自适应滤波参数选择方法。试验结果表明,该方法改进后对于叠前地震数据的随机噪声具有较好的压制作用。      

基于Shearlet变换的尺度方向自适应阈值地震数据随机噪声压制方法

地震勘探的有效信号常受到随机噪声的干扰而难以识别,需要进行随机噪声和有效信号的分离。传统Shearlet全局阈值不随方向与尺度变化,在去噪的同时也会损失许多有效信号。Shearlet变换作为一种新的多尺度多方向时频分析方法,具有最优的稀疏表示能力、局部化特征和方向敏感性。本文将含噪地震信号通过Shearlet分解后计算各尺度与方向上Shearlet域系数的L₂范数,并对其进行数据重排后发现,随着方向改变L₂范数不断减小,进而提出一种基于L₂范数的尺度方向自适应阈值计算方法。将其与小波变换、曲波变换、Shearlet全局阈值去噪方法对比,模拟数据与实际地震记录去噪结果表明,本文方法在去除随机噪声的同时,深部弱信号也得到了很好的恢复,地震数据的信噪比比其他3种方法有所提高,在0.929 9 dB条件下提升至11.565 1 dB。     

基于广义S变换的地震资料信噪分离方法

基于S变换具有良好的时频聚焦性和分时分频性,将可灵活选取窗函数的广义S变换引入到地震信号去噪处理中,系统研究了广义S变换在地震资料信噪分离中的应用。首先对地震数据进行广义S变换,然后对含噪频率剖面选取适当阈值压制噪声干扰,提取有效信号,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,该方法能有效地进行信噪分离,提高地震剖面信噪比和分辨率。     

混合Radon变换地震噪声压制的应用

如何有效地从地震资料中剔除相干噪声一直是地震勘探十分关心的问题,尤其是多次波的压制和消除。笔者采用相似函数压制端点效应和截断效应的混合Radon变换从地震剖面中一次性分离面波等线性噪声,再应用自适应滤波技术在Radon域识别并剔除多次波,并使用双曲Radon反变换计算获得有效反射地震信号。理论模型及实测资料试算结果表明,该方法对多次波压制效果良好,同时,应用混合Radon变换可简化数据中噪声压制处理流程。     

地震随机噪声压制及其初至走时拾取方法研究

针对具有较强随机噪声干扰的地震波形无法准确拾取初至走时的问题,提出在运用自动拾取算法前对地震随机噪声进行压制处理的思想。采用完备集合经验模态分解(CEEMD)联合小波阈值对地震信号进行噪声压制,与小波阈值法的联合使用可有效改善CEEMD方法中直接舍弃部分IMF高频分量,造成去除高频噪声的同时也将相应分量上的有效信息一并去除,进而导致信号失真的问题。采用改进滑动时窗能量比联合AIC信息准则法对去噪后的地震波拾取初至走时,该方法首先根据改进滑动时窗能量比法识别地震事件并大致确定初至时刻,然后在该时刻前后取一时窗,使用AIC方法计算AR模型在该时窗范围内的极小值,得到精确的初至波走时。合成及实际地震资料处理结果表明,在拾取初至走时前进行地震随机噪声压制,可有效提高初至波走时的拾取精度。     

基于离散小波变换的地震资料自适应高频噪声压制

针对现有的小波变换阈值去噪方法无法适用于地震资料高频噪声压制的缺点,笔者分别对阈值函数和阈值选取方案进行了改进,提出了连续硬阈值函数与自适应阈值相结合的地震资料高频噪声压制方法.连续硬阈值函数兼具软、硬阈值函数的优点,可提高重构地震信号的保真度,减少人为噪声误差;自适应阈值方案可根据非平稳地震数据中的能量时变、空变分布特点,通过引入不同子带小波系数标准差、代数平均值以及几何平均值等统计参数,使阈值能够随不同子带的小波系数能量变化而自动调整,以适应地震资料高频噪声压制的要求.实际地震数据处理结果表明,笔者提出的方法在提高信噪比的同时,可保护陡倾角反射界面信号,提高噪声压制后地震数据的保真度.     

F-X域经验模式分解法压制地震信号噪声CSCD

地震信号属于典型的非线性、非平稳信号,其中通常夹杂一定的噪声,噪声会对后续的数据处理和解释产生一定的影响。经验模式分解(Empirical Mode Decomposition,EMD)是一种有效且自适应的非线性、非平稳信号分解方法。当原始地震记录转换到F-X域进行EMD时,可以将噪声分频分波数析出,首先通过Fourier变换将原始含噪的地震信号变换到频率域中,对实部和虚部分别进行EMD;然后剔除第一固有模式函数,将其余固有模式函数叠加,将叠加后的实部和虚部分量组合成新的复数序列;最后通过反Fourier变换将此序列转换至时间域,达到F-X域EMD压制地震信号噪声的目的。应用该方法对合成的单炮记录剖面和实测地震记录进行实验,结果表明,F-X域EMD法能有效且自适应地压制地震信号中的噪声。     

F-X域经验模式分解法压制地震信号噪声

地震信号属于典型的非线性、非平稳信号,其中通常夹杂一定的噪声,噪声会对后续的数据处理和解释产生一定的影响.经验模式分解(Empirical Mode Decomposition,EMD)是一种有效且自适应的非线性、非平稳信号分解方法.当原始地震记录转换到F-X域进行EMD时,可以将噪声分频分波数析出,首先通过Fourier变换将原始含噪的地震信号变换到频率域中,对实部和虚部分别进行EMD;然后剔除第一固有模式函数,将其余固有模式函数叠加,将叠加后的实部和虚部分量组合成新的复数序列;最后通过反Fourier变换将此序列转换至时间域,达到F-X域EMD压制地震信号噪声的目的.应用该方法对合成的单炮记录剖面和实测地震记录进行实验,结果表明,F-X域EMD法能有效且自适应地压制地震信号中的噪声.     

EMD方法在长周期大地电磁测深资料去噪中的应用

在电磁干扰大的地区进行长周期大地电磁测量,如何有效地抑制各种电磁噪声,提高信噪比,从而保证数据质量,是长周期大地电磁资料采集与处理的核心问题。针对长周期大地电磁信号具有非线性、非平稳和非最小相位的特点,提出了利用经验模态分解(EMD)方法对长周期大地电磁信号进行噪声压制。讨论了EMD算法的具体实现流程,并将该算法应用于长周期大地电磁信号的噪声压制。实际应用结果表明,该方法可以有效地压制长周期大地电磁中的噪声。     

Radon变换多次波压制方法及应用研究

多次波在地震资料中是普遍存在的。Radon变换是现行商业地震资料多次波压制处理软件应用最多的模块之一。这里在详细阐述Radon变换基本原理和离散采样计算的基础上,给出了理论模拟地震数据的多次波压制算法和计算结果。进而将Radon变换多次波压制方法应用于松辽盆地地震资料处理中,在对实际的CRP道集合理设计滤波切除函数后,应用本文的Radon变换算法,得到多次波压制的地震剖面。对比多次波压制前、后的叠前时间偏移地震剖面,压制多次波后地震剖面的信噪比很高,地质构造特征清晰,可应用于后续的地质构造解释,地震属性提取和油气储层预测。该方法的计算效率较高,算法易于实现。理论和实际地震数据的多次波压制结果表明,该算法具有高精度和实用性强的特点。     

基于小波包分析的地震资料联合去噪方法研究

在地震记录中,随机噪声严重影响了有效信号的提取,为此必须进行消噪处理。这里首先使用小波包变换对不同频段的信号进行精细分离,有效信号和噪声经小波包分解后,其小波包系数将表现出不同特性,然后根据这种不同特性进行去噪处理,对小波包分析法处理后的剩余地震信号再进行KL(Karhunen-Loeve)变换,提取相关有效信号,最后对提取的有效信号进行中值滤波处理,进一步去除剩余噪声。经合成地震剖面和实际地震剖面处理实验证明,小波包分析、KL变换和中值滤波联合去噪方法,能有效地消除较强的随机噪声,提高地震剖面信噪比和分辨率。     

基于小波和CEEMDAN的地震信号噪声压制

通过小波变换与CEEMDAN相结合的方式对地震信号进行降噪处理,对小波分解的高频信号进行CEEMDAN分解,再根据自相关函数剔除高频IMF分量进行重构达到提取有效反射波,压制噪声干扰的目的,最后对信号进行小波重构并进行信噪比和均方差计算。结果表明,通过小波变换和CEEMDAN降噪后,有效地减少了噪声对于地震信号的影响,对于信噪比和分辨率都有提高。     

一种基于AR 模型的预测滤波压制随机噪声方法

在地震勘探中,随机噪声是一类不可避免的噪声,它的存在极大地降低了地震资料的信噪比,导致偏移成像效果差甚至不能成像。自适应线性预测滤波方法是在时间--空间域自回归( AR) 模型系数变化的假定下,把自回归( AR) 模型数学表达式进行变换,引入代价函数以提高解的稳定性、唯一性,推导得到压制一维和二维随机噪声的递归算法。通过模拟和实际地震资料验证表明,该方法能较好地压制低信噪比资料中的随机噪声干扰,同时能较好地保护有效地震信号。     

f-x域共偏移距道集的EEMD随机噪声压制方法

f-x域随机噪声压制方法面临着2个问题:叠前共炮点道集或CMP道集反射波同相轴为双曲线型,去噪同时会损害有效波;地震信号为复杂的非平稳信号,要求去噪方法具有自适应性。基于f-x EEMD的共偏移距道集随机噪声压制方法利用了共偏移距道集反射波同相轴为水平满足f-x域去噪假设条件和EEMD算法对非平稳信号的良好适应性,对f-x域每一个等频率切片做EEMD分解,并去除以高频随机噪声为主的第一个IMF分量,最后将f-x域数据反变换回t-x域,实现噪声分离。正演模拟和实际地震数据试算结果表明:该方法在压制随机噪声的同时,能够保持有效信号。      

局部时频变换域地震波吸收衰减补偿方法

地震信号在地下传播时会受到地层吸收衰减的影响,从而降低了地震资料的分辨率。因此地震波吸收衰减补偿是地震资料处理中的一项重要环节。本文研究的地层吸收衰减补偿方法主要基于局部时频变换(LTFT),该方法能够调节选取谱分解的频率范围和频率采样间隔,解决了短时傅里叶变换固定时窗和小波系数无法提供波形频率的精确估计值问题,适用于非平稳地震信号的时频分析。在求取地层Q值的方法中,频谱比值法具有高效简单的特点,有着广泛的应用范围。本文假设地下介质为层状变Q模型,使用局部时频变换将信号转换为时频域,通过频谱比值法求出各层的Q值,最后根据Kolsky衰减模型来补偿地震信号。理论模型测试和实际资料处理的结果表明,本文提出的方法能够有效恢复衰减信号,提高地震资料的分辨率。     

Shearlet域尺度角度自适应深反射地震数据随机噪声压制方法

深反射地震探测技术是研究地球深部地质结构最为有效的手段之一。受大地滤波作用的影响,地震波能量成指数衰减,造成深层有效反射能量弱,受背景噪声干扰严重,难以实现深部地质结构的准确成像。本文通过研究深反射地震数据在Shearlet域中各个尺度角度上有效信号和随机噪声的分布差异,发现在不同的尺度角度上地震信号受随机噪声的影响程度不同。进一步将深反射地震数据尺度角度域中的信噪比、Shearlet系数二范数及随机噪声残差作为阈值的估计参数,实现随尺度角度自适应的随机噪声压制方法,最大限度地去除随机噪声的影响。通过理论模型数据和实际深反射地震数据测试,验证了Shearlet域自适应阈值随机噪声压制方法可以有效地去除随机噪声干扰,提升地震剖面的整体信噪比,实现深层微弱反射信号的精准成像。