基于Curvelet变换的地震资料信噪分离技术

在地震资料中,噪声干扰严重影响了有效信号的提取,为此必须进行信噪分离处理.本文提出一种基于Curvelet变换和KL变换相结合的软硬阈值折衷处理方法.首先对地震数据进行Curvelet变换,然后对各尺度系数选取适当阈值压制噪声干扰,再利用KL变换提取数据中的相干有效信号,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,该方法与小波变换法相比较,更能有效进行信噪分离,提高地震剖面信噪比和分辨率.     

压缩小波变换和非线性阈值技术压制磁共振尖峰噪声方法研究

地面磁共振是一种新的地球物理探测方法,能够通过探测地下水中氢质子丰度获取地下水含量、孔隙度等水文地质信息.然而,磁共振信号甚为微弱,仅达到纳伏级(10~(-9)V),极易受到噪声干扰.其中,尖峰噪声对磁共振信号影响最为严重,亟待研究有效的噪声抑制方法.小波多尺度分解硬阈值是近两年国际磁共振领域专家提出的尖峰噪声有效消除方法,但硬阈值算法设定阈值的固有缺陷会引发信号震荡,出现伪吉布斯效应,导致信号损失.基于此,本文提出压缩小波变换(Synchrosqueezing Wavelet Transform,SWT)和非线性國值处理(Nonlinear Thresholding,NT)算法联合消除磁共振信号尖峰噪声干扰.首先选择Morlet小波作为基小波,使得信号与噪声数据具有更高的时频集中性,利于尖峰噪声消除.其次,基于压缩小波系数进行非线性处理,可以弥补利用硬阈值和软阈值进行噪声消除时所引起的信号损失.仿真数据和实际数据结果表明,SWT联合NT方法可以利用单次采集数据有效消除尖峰噪声干扰并还原信号.本文提出的消噪方法将为磁共振数据后续反演解释,如多指数弛豫反演,奠定坚实的基础.     

基于EMD小波阈值滤波的地磁数据去噪分析

采用小波阈值滤波、经验模态分解滤波和基于经验模态分解的小波阈值滤波3种方法,对磁通门磁力仪观测数据进行去噪,有效去除或抑制郫县地震台地磁数据的地电干扰.     

元谋地电场观测数据小波阈值去噪

为了解决元谋地电场观测数据的噪声干扰问题,采用小波阈值去噪的方法,根据元谋地电场观测数据特征,选取适当的阈值及不同的小波函数、分解层数进行研究。综合各小波函数去噪效果,通过对相对误差、均方根误差、信噪比等指标进行评价,确定适合元谋地电场观测数据去噪的阈值为软阈值函数、分层阈值;最优小波函数分别为Sym4、Sym5、db6和db8;分解层数分别为5、7、9。最后应用研究结果处理实际地电场观测数据,取得了较好的去噪效果。     

基于小波分解与同步挤压变换的西昌小庙台形变典型干扰的时频响应特征研究

为高精度识别定点潮汐形变观测中干扰信号的时频响应特征,提出一种基于小波分解和同步挤压变换的形变干扰数据分频时频分析方法.首先,选用合适的小波基和分解层数对原始数据做多尺度分解和重构,提取出目标异常干扰分量信号;其次,基于分频策略采用高频分辨率较好的同步挤压广义S变换处理高频干扰分量,采用低频分辨率较好的同步挤压小波变换处理中低频干扰分量,同步挤压变换可以在传统方法结果基础上进一步“挤压”瞬时频带,获得更高精度的时频谱结果.利用该方法处理分析2016—2020年西昌小庙台形变观测中受调零标定、人为进洞、道路施工交通、抽水、降雨、地震波等因素影响的典型干扰数据,得到各类形变观测手段在不同干扰因素下的时频响应特征,为准确识别干扰及异常特征提供时频谱特征方面的参考.     

电性源时域地空电磁数据小波去噪方法研究

基于飞艇的时间域地空电磁探测系统,具有勘探深度大、效率高、空间分辨率高、飞行控制容易等优势.但在低空飞行测量过程中,飞艇飞行高度、航迹、姿态等受风向、大气气流、地形、地面局部温度场变化等影响而发生变化,导致固定在艇囊前端的接收线圈发生运动,切割大地磁场,产生了电磁噪声、运动噪声、基线漂移等,从而影响电磁数据的电阻率成像质量.因此,研究地空电磁信号中多种噪声的去除方法,对数据的反演解释非常重要.由于地空电磁信号中有效信号频带与部分噪声频带相重叠,使用传统滤波或消噪方法具有一定局限性.因此,本文提出一种综合小波去噪法:根据地空电磁信号的特点,采用sym8小波基;基于小波多分辨率分析原理,利用小波高尺度近似分量估计基线漂移,以校正电磁数据中的基线;基于小波阈值收缩原理,采用5层小波分解、极小极大阈值配合硬收缩函数的消噪方法,来压制数据中的其余噪声.最后,通过异常环模型的理论响应和实测数据进行算法的验证,结果表明这种综合消噪法对多种噪声均有很好的抑制作用,是一种实用有效的时间域地空电磁数据消噪方法.     

基于小波熵与相关性相结合的小波模极大值地震信号去噪

小波模极大值去噪算法中将高频小波系数全部当做噪声处理, 忽略了高频小波系数中仍含有的有用信息, 从而导致了模极大值传播点错选现象以及计算出的噪声方差中仍含有用信息． 针对这些问题, 提出了小波熵与相关性相结合的小波模极大值去噪算法． 将高频小波系数进行相关处理, 确定有效信号的位置; 将最大尺度上的高频小波系数划分成若干个小区间, 计算各区间小波熵; 以小波熵最大区间的高频小波系数的平均值作为噪声方差, 根据Donoho提出的阈值公式计算最大尺度上的阈值; 经阈值比较得到的模极大值点位置与相关处理得到的有用信息的位置进行比较, 保留相同位置的模极大值, 剔除位置不同由噪声引起的模极大值点; 采用即兴(Adhoc)算法逐级搜索各尺度上的模极大值, 并用交替投影算法进行重构． 该算法实现了阈值的自适应选取, 并有效解决了去除错选模极大值传播点的问题． 将本算法和传统去噪方法用于仿真信号处理中, 经对比分析验证了本算法的有效性．      

地磁台站的城市轨道交通干扰的小波抑制方法研究——以天津轨道交通干扰为例

我国地磁台站观测环境日益受到轨道交通干扰影响,导致地磁观测数据质量下降,制约地磁观测发展.因此,开展干扰抑制的数据处理方法研究,最大限度抑制干扰是提高观测数据质量切实可行的方法.本文提出轨道交通干扰的小波域噪声阈值抑制模型及方法.以天津轨道交通为例,选用受干扰的天津静海地磁台和未受干扰的参考台站河北红山地磁台观测资料,...     

基于小波分频叠前相干噪声压制方法

基于小波分析的去噪方法在地震资料叠前处理中得到了广泛应用.本文主要介绍利用小波变换的分频特性来压制相干噪声.通过小波分频技术将叠前地震信号分解为不同频带,然后利用有效波和相干干扰波的频谱差异来区分有效信号和噪声,最后利用加权方法去掉不需要的噪声信息来达到去除相干噪声的目的.实际资料的处理结果表明：基于小波分频方法能很好地压制相干噪声,从而提高地震资料信噪比和分辨率.     

地电场观测中城市轨道交通干扰剔除

应用基于EMD的小波阈值去噪方法,去除地电场观测资料中轨道交通干扰,并将小波阈值去噪法和EMD去噪法的效果相比较,结果表明:该方法能够滤除地电场信号中的地铁干扰,同时保留原始信号中微小的突变,突出有用信息,提高地电场台站观测数据的使用率,有较好的去噪效果。基于EMD的小波阈值去噪方法可推广到其他地球物理观测资料的去噪分析,甚至地电场与地电阻率同场地观测中人工供电干扰信号的剔除。     

基于解析信号重构的同步挤压小波变换的时频谱影响因素分析

受测不准原理的制约,小波变换、S变换等时频分析算法无法同时获得高时间分辨率和高频率分辨率。为了满足更高的要求,出现了一种联合小波变换和时频谱重组的新方法—同步挤压小波变换。本文从同步挤压小波变换和基于解析信号重构的同步挤压小波变换的原理出发,通过模型分析算法中参数设置对时频分析结果的影响,包括小波母函数、小波母函数的参数选择和小波阈值等,分析瞬时频率变化率不为零的信号所存在的时频谱模糊现象,并通过控制小波母函数、小波母函数参数以及小波阈值有效地减轻瞬时频率变化率不为零的信号所存在的时频谱模糊现象,时频谱的质量得到一定程度的提高。研究结果对获取高分辨率地震时频谱具有一定的指导意义。      

GNMF小波谱分离在地震勘探噪声压制中的应用

地震勘探资料噪声压制及信噪比提高是整个地震勘探信号处理过程中的重要任务,随着地震勘探深度的增加及其复杂性,人们对地震数据质量的要求越来越高.勘探环境的复杂化使得采集到的地震资料中有效信号被大量噪声淹没,无法清晰辨识,严重影响后续的数据处理与解释.小波去噪是地震勘探中常用且发展较成熟的一种方法,但是其涉及到的阈值函数选取问题一直令人困扰,虽然已有多种阈值函数被提出,但仍存在各自的缺陷.本文利用小波分解在时域及频域良好的信号细节体现特性,引入模式识别中的非负矩阵分解(NMF)谱分离思想,针对小波系数阈值优化问题,提出了一种小波域图非负矩阵分解(GNMF)消噪算法.该方法首先在小波分解基础上,利用GNMF算法实现小波分解系数谱中信号分量与噪声分量的谱分离,然后通过反变换重构各分离子谱对应的子信号,最后利用K均值聚类算法将得到的多个子信号划分为信号类及噪声类,最终得到重构信号及分离噪声.合成记录和实际地震资料的消噪结果验证了新方法在提高信号与噪声分离准确性和精度方面的有效性,同时新方法避免了阈值选取造成的噪声压制不理想或有效成分损失问题.与小波消噪结果的对比及数值分析也说明了新方法在噪声压制及有效成分保持方面的优势.     

基于递归分析和聚类的大地电磁信噪辨识及分离

为了剖析大地电磁信号和强干扰的本质特征,进一步精细分离出微弱的大地电磁有用信号,提出基于递归分析和聚类的大地电磁信噪辨识及分离方法.首先,运用递归分析法扩展大地电磁一维时间序列的维数,分析了嵌入维数、延迟时间和判别阈值对递归图的性能,并研究了不同长度的序列对递归定量分析参数的影响情况,然后,构建典型的大地电磁强干扰类型和微弱的大地电磁有用信号样本库,针对样本库讨论了强干扰和微弱大地电磁信号之间的递归定量分析参数,分析了K均值聚类和模糊C均值聚类的信噪辨识效果.最后,对实测大地电磁数据进行信噪辨识处理,并仅对辨识为强干扰的时间段采用数学形态滤波进行噪声压制.实验结果表明,递归分析能定性及定量地描述大地电磁信号时间序列的非线性特征和原动力系统的本质规律,与聚类算法相结合能对矿集区实测大地电磁信号进行信噪辨识;处理后的卡尼亚电阻率-相位曲线更为光滑、连续,其结果更为精细地保留了大地电磁信号低频段的缓变化信息,整个低频段的大地电磁数据质量得到了明显改善.     

Application of sub-image multiresolution analysis of Ground-penetrating radar data in a study of shallow structures

Fourier-based algorithms originally developed for the processing of seismic data are applied routinely in the Ground-penetrating radar (GPR) data processing, but these conventional methods of data processing may result in an abundance of spurious harmonics without any geological meaning. We propose a new approach in this study based essentially on multiresolution wavelet analysis (MRA) for GPR noise suppression. The 2D GPR section is similar to an image in all aspects if we consider each data point of the GPR section to be an image pixel in general. This technique is an image analysis with sub-image decomposition. We start from the basic image decomposition procedure using conventional MRA approach and establish the filter bank accordingly. With reasonable knowledge of data and noise and the basic assumption of the target, it is possible to determine the components with high S/N ratio and eliminate noisy components. The MRA procedure is performed further for the components containing both signal and noise. We treated the selected component as an original image and applied the MRA procedure again to that single component with a mother wavelet of higher resolution. This recursive procedure with finer input allows us to extract features or noise events from GPR data more effectively than conventional process.To assess the performance of the MRA filtering method, we first test this method on a simple synthetic model and then on experimental data acquired from a control site using 400 MHz GPR system. A comparison of results from our method and from conventional filtering techniques demonstrates the effectiveness of the sub-image MRA method, particularly in removing ringing noise and scattering events. Field study was carried out in a trenched fault zone where a faulting structure was present at shallow depths ready for understanding the feasibility of improving the data S/N ratio by applying the sub-image multiresolution analysis. In contrast to the conventional methods, the MRA sub-image filtering technique provides an overall improvement in image quality of the data as shown in the field study.     

一种小波综合阈值地震信号降噪方法

小波阈值方法中硬、软阈值方法是地震信号降噪常用方法,但容易造成信号中高频信息丢失导致地震误判和漏判情况发生。小波综合阈值方法继承和发展了硬、软阈值降噪方法的优点,对信号高频部分用硬阈值方法,以提高高频信号能量,对信号低频部分用软阈值方法,提高信号降噪能力的同时保证信号连续性和光滑性。利用噪声信号小波系数小和地震信号小波系数大的特征,进行雷克子波降噪仿真实验和实际地震信号降噪实验。仿真实验表明,小波综合阈值方法降噪后波形MSE值最小,且降噪后与原信号波形最近似,降噪后波形高频部分能量增强且抑制低频部分能量。最后,对实际采集的地震信号进行降噪处理,处理后信号中能量增强被压制,利用处理后的信号可得到地震的初至时间。     

基于压缩感知重构算法的大地电磁强干扰分离

为压制大地电磁信号中的强人文干扰,提出一种基于压缩感知重构算法的大地电磁信号去噪方法.通过构建与常见典型强干扰相匹配而对有用信号不敏感的冗余字典原子,利用改进的正交匹配追踪算法,分离出大地电磁信号中的强干扰成分.为了验证所述方法的强干扰分离效果,首先通过在实测大地电磁信号中加入理想的强干扰信号进行了仿真分离实验,然后从大量实测数据中选取三种含有不同类型强干扰的时间域片段,用所述方法对实测数据中的强干扰进行分离,最后将所述方法应用于青海试验点以及庐枞矿集区某测点实测数据的综合处理.仿真实验结果表明,该方法在分离出强干扰的同时,能够较好地保留有用信号.实测数据处理结果表明,该方法能够有效压制强干扰,改善强干扰区大地电磁数据的质量.     

MT时间序列的小波去噪分析

从本质上说 ,MT时间序列中噪声的强度与类型是能否取得MT响应参数无偏估计的决定性因素。当MT时间序列中磁场和电场中都含有相关噪声时 ,传统的去噪方法已无能为力。结合小波分析与MT时间序列的特征 ,提出了一种基于小波分析的MT时间序列去噪方法 ,讨论了基于小波分析的噪声识别 ,分析了理论数据通过小波分解与重构实现的去噪处理 ,探讨了对实测时间序列的固定源和随机干扰的去噪处理