基于分数阶小波域GSM模型的地震信号随机噪声压制方法

地震信号中的随机噪声是一种干扰波,严重降低了地震信号的信噪比,并影响着资料的后续处理和分析.本文根据地震信号中有效信号和随机噪声的差异,结合分数阶B样条小波变换与高斯尺度混合模型提出了一种地震信号随机噪声压制方法.首先利用分数阶B样条小波变换将含噪地震信号映射到最优分数阶小波时频域内,然后对各小波子带系数分别建立高斯尺度混合模型,由贝叶斯方法估计出源地震信号小波系数,最后使用分数阶B样条小波逆变换重构得到降噪后的地震信号.利用本文方法对合成地震记录和实际地震信号进行降噪处理,实验结果表明本文方法能够有效地压制地震信号中的随机噪声,并且较好地保留了有效信号.     

基于双树复小波包变换的地震信号分析方法

尝试性地将一种双树复小波包变换方法应用于地震信号分析中 .复小波包变换综合了实小波包变换与连续复小波变换各自的优点 ,不但能提取信号的相位信息 ,而且选取与被分析信号相频特性相匹配的复小波包 ,可以对信号产生更好的“聚焦”作用 .本文描述了一种双树复小波包变换算法 ,并给出了模拟信号及实际地震记录的分析实例 .研究结果表明 ,双树复小波包变换是分析具有非线性相位地震信号的一种较为有效的方法 .     

基于双树复小波包变换的地震信号分析方法

尝试性地将一种双树复小波包变换方法应用于地震信号分析中. 复小波包变换综合了实小波包变换与连续复小波变换各自的优点，不但能提取信号的相位信息，而且选取与被分析信号相频特性相匹配的复小波包，可以对信号产生更好的聚焦作用. 本文描述了一种双树复小波包变换算法，并给出了模拟信号及实际地震记录的分析实例. 研究结果表明，双树复小波包变换是分析具有非线性相位地震信号的一种较为有效的方法.      

一种神经网络改进小波的地震数据随机噪声去除方法

地震资料的有效信号反射弱,且易受多次波的影响,不可避免地存在随机噪声干扰。提出一种基于神经网络改进小波的地震数据随机噪声去除方法,采用神经网络模型,识别出随机噪声信号,对该信号进行小波包分解,获取多类别随机噪声信号,采用级联BP神经网络模型提取出多类别随机噪声信号,实现地震数据的随机信号压制。实验结果显示,这种改进小波方法对地震数据随机噪声信号的去噪效果较好,在复杂沉积地质结构被探测介质的地震数据随机噪声压制方面具有较强的适用性。     

叠前地震资料噪声衰减的小波域方法研究

讨论了叠前地震记录中随机噪声的模拟方法，采用定性分析与Monte Carlo仿真相结合的方法，研究了在物理小波为基本小波的变换域该类随机噪声局部小波功率谱的统计特性，得出：其局部小波功率谱服从χ22分布.在此基础上，利用假设检验给出了在给定置信度下确定有效信号在小波变换域内能量分布空间的方法，通过在有效信号能量分布空间重建信号来压制噪声.给出了模型及实际地震资料算例，证明了本文提出的方法的有效性.     

双树复小波变换在时移微重力监测上的应用——以辽河油田SAGD区为例

SAGD开发会引起地下介质密度产生较大的变化,进而引起地表重力值的变化.时移微重力监测技术通过测量地表重力值的变化来监测SAGD开发过程中蒸汽腔的形态变化,从而获得油藏开发动态变化信息.针对微重力监测技术的重力异常提取对于描述储层变化至关重要.本文利用双树复小波变换将微重力数据分解为不同尺度小波系数,结合软硬阈值折中法对小波域系数进行处理,实现不同尺度微重力异常分离的目的,方法应用于方向模型和通用模型,验证了其在异常分离方面的优越性.相对于常用的离散小波变换,双树复小波变换能极大地减小异常分离中的平移敏感性,改善方向选择性.新方法应用于SAGD开发区时移微重力监测中,得到了可靠的剩余重力异常场,并得到了油气生产动态数据中井温数据的验证.     

F-X域复数经验模态分解去噪方法（英文）

F-X域经验模态分解去噪方法在处理非稳态地震数据时存在两个局限,一是单纯剔除第一个固有模态分量将导致有效信号缺失及去噪能力偏弱问题,二是分解复信号时对实部和虚部分别分解存在分解数目不一致的风险。本文对上述两个方面进行了改进,提出了一种新的F-X域投影法复数经验模态分解预测滤波方法,首先采用基于空间投影的复数经验模态分解将F-X域地震数据直接分解为不同的复固有模态分量,然后再对这些分量分别进行F-X域预测滤波。合成记录及实际资料测试表明,本文的新方法能更好地衰减随机噪声,更有效地保持地震信号。     

改进的正交多项式变换在地震资料去噪中的应用

水平叠加虽然在很大程度上压制了噪声,提高了地震剖面的信噪比,但CMP遭集上还存在不少不是一次波的规则干扰和随机噪声,不利于叠前资料的岩性反演和叠后资料的波阻抗反演.本文提出了基于改进的正交多项式变换压制地震资料中随机噪声的方法,其优势在于:通过对不同时间信号的奇异值分解,确定有效信号正交多项式系数谱的阶数;再利用小波变换,改善有效信号和噪声在低阶上的混叠.文中给出了具体处理的过程,数据试验和实际资料的处理结果表明该方法不仅能有效地压制噪声,而且还能较好地保护地震数据中AVO变化特征.     

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.     

基于正交多项式变换的CMP动校正道集随机噪声压制

本文提出了一种新的基于正交多项式变换来压制动校正后CMP道集上随机噪声的方法,将地震资料经过正交多项式变换,建立正交多项式系数谱,该谱描述了地震资料在正交多项式域的能量分布,可以较好地分离有效波和随机噪声,相对于固定阶次的基于正交多项式变换压制噪声的方法,所提出的方法根据能量随阶次变化的规律,自适应确定表达有效信号的正交多项式阶次,既提高了信号和噪声的分离效果,又有效地保护了地震信号中的AVO信息,对人工合成数据和实际资料的处理结果表明了所提出方法的有效性.     

Seismic signal analysis based on the dual-tree complex wavelet packet transform

We tried to apply the dual-tree complex wavelet packet transform in seismic signal analysis. The complex wavelet packet transform (CWPT) combine the merits of real wavelet packet transform with that of complex continuous wavelet transform (CCWT). It can not only pick up the phase information of signal, but also produce better “focalizing” function if it matches the phase spectrum of signals analyzed. We here described the dual-tree CWPT algorithm, and gave the examples of simulation and actual seismic signals analysis. As shown by our results, the dual-tree CWPT is a very effective method in analyzing seismic signals with non-linear phase. Foundation item: Cultural Heritage Protection Program of State Administration of Cultural Heritage (200001).     

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.     

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.     

Translation-invariant wavelet denoising of full-tensor gravity –gradiometer data

Denoising of full-tensor gravity-gradiometer data involves detailed information from field sources, especially the data mixed with high-frequency random noise. We present a denoising method based on the translation-invariant wavelet with mixed thresholding and adaptive threshold to remove the random noise and retain the data details. The novel mixed thresholding approach is devised to filter the random noise based on the energy distribution of the wavelet coefficients corresponding to the signal and random noise. The translationinvariant wavelet suppresses pseudo-Gibbs phenomena, and the mixed thresholding better separates the wavelet coefficients than traditional thresholding. Adaptive Bayesian threshold is used to process the wavelet coefficients according to the specific characteristics of the wavelet coefficients at each decomposition scale. A two-dimensional discrete wavelet transform is used to denoise gridded data for better computational efficiency. The results of denoising model and real data suggest that compared with Gaussian regional filter, the proposed method suppresses the white Gaussian noise and preserves the high-frequency information in gravity-gradiometer data. Satisfactory denoising is achieved with the translation-invariant wavelet.     

GHM类正交多小波变换及其在地震资料去噪中的应用

多小波是对小波理论的一个新发展,它可以同时满足正交性、对称性、短支撑等良好的特性要求。文中介绍了多小波基本理论、多小波变换具体过程及预处理方法,提出了基于GHM类多小波变换的地震资料软阈值去噪方法,通过对合成数据和实际资料进行处理分析,表明多小波变换在有效压制随机噪声的同时,能较好地保留原信号的特征信息,是一种行之有效的去噪方法     

基于Curvelet变换的探地雷达资料噪声衰减方法

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。     

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.