Hilbert-Huang变换与ELF信号处理

Hilbert-Huang变换(HHT)是近年出现的一种自适应的非平稳、非线性信号处理方法,该方法迄今已在许多非线性、非平稳信号处理的研究领域得到了很好的应用.本文简要介绍了Hilbert-Huang变换的基本实现原理与算法基础,通过仿真信号验证了该方法的有效性,并以实际数据为例,探讨了它在极低频(ELF)信号处理及噪声压制方面的应用.利用Hilbert-Huang变换对ELF信号进行频率域滤波,可以对噪声进行有效压制,从而提取已知频率的电磁信号,极大地提高信号质量.     

同态反褶积技术在消除浅层效应中的应用

同态反褶积技术可把时间域中褶积组合的信号转换成倒频(quefrency)域中的求和信号,因而在信号分离方面得到了广泛的运用。笔者利用该方法消除地震记录中的浅层效应。文中对该方法经常遇到的三个问题,即相位模糊问题,信号的有限带宽问题及混合相位问题进行了讨论。这些问题可分别通过“自适应数值积分法”,频率变换及信号指数加权得到解决。     

数学形态学在地震信号处理中的应用研究

数学形态学是一门新兴科学,它建立在严格的数学理论基础之上,是研究数字信号（图像）形态结构特征及其快速并行处理方法的理论,已经成功应用于图像处理、医学信号处理和语音信号处理等领域.地震信号去噪处理和裂缝检测的研究一直都是地质学家和油气藏工程学家感兴趣的问题.本文将数学形态学与地震信号处理相结合,重点探讨了数学形态学在地震信号处理中的应用,针对地震信号的特点,设计了形态滤波器,应用于合成地震资料,得到了理想的结果.在此基础上,本文研究并构造了形态学边缘检测算子,通过理论和实际资料检验,该方法具有良好适用性.以上研究表明,基于形态学的地震信号处理是可行的,具有推广应用前景.     

EMD新技术在数字波形预处理中的初步应用

介绍了EMD技术,给出由该技术产生的固有模态函数重构数字地震波形信号处理中所用滤波器算法。然后利用该方法对实际波形信号进行了初步处理,处理结果表明,基于EMD的滤波技术具有许多其它分析手段所不具备的特点,是一种新的滤波方法,可用于数字地震波形信号的预处理。     

钻柱振动倒谱分析及其钻头源信号提取方法研究

随钻地震参考信号处理的关键是从众多噪音成分中提取较弱的钻头源信号.钻头随机激励源信号由于其频率范围宽,持续时间短,易受钻柱和其他机器噪音的影响.倒谱分析方法是一种非线性滤波技术,该技术不但可以将时域卷积信号转变为倒时域信号的相加,而且通过窗函数的选择,还可消除结构混响,提取源信号.本文根据钻柱模拟实验数据,利用了倒谱滤波技术进行瞬态源信号的提取,并用该方法进行SWD参考信号的处理,从而达到钻头源信号强化的目的.     

Ricker子波核最小二乘支持向量回归滤波方法的稳健性研究

除了信噪比、有效子波畸变等,稳健性(Robustness)也是度量滤波方法效果的一个重要的物理量,它刻画了滤波系统应对异常点值的能力.一般用影响函数作为评价稳健性的工具.支持向量机方法已较成功地应用于信号与图像的滤波中,尤其Ricker子波核方法更适于地震勘探信号处理.通过考察Ricker子波核最小二乘支持向量回归(L...     

基于GPS和MODIS的ENVISAT ASAR数据干涉测量中大气改正方法研究

GPS数据用于改正InSAR中大气延迟误差的方法受GPS站点密度的限制,只利用有限的几个站点所观测到的大气数据来生成干涉图的大气改正图,往往达不到很好的效果.本文研究利用GPS与MODIS数据的联合使用来生成大气改正图,首先用GPS数据对MODIS水汽产品进行分块校准,并且对MODIS水汽数据进行了空间结构函数分析,得到研究区域内水汽场的空间分布规律.然后把这种区域水汽场的空间分布信息结合到Kriging内插法中生成更为合理的水汽图.通过上海地区ENVISAT ASAR数据的实验发现,这种加以改正的GPS和MODIS数据联合改正法不仅可以对长波大气信号有明显的消弱,还能消弱一些短波的大气信号,特别是一些幅度较强的短波信号;经过GPS+MODIS算法改正后,短波信号占优和长波信号占优的两幅差分大气延迟图的整体RMS分别降低了32.74%和38.82%,去除幅度较大.与GPS+ATM(大气传输模型)算法比较,我们发现,在上海地区有限的数据条件下（即研究区域内只有6个GPS点）,GPS+MODIS法在大气去除效果或者说大气信号重现能力方面优于GPS+ATM算法.GPS+MODIS算法在捕获短波大气信号方面要比GPS+ATM更有优势,因此也可以改正短波大气误差.     

基于信噪辨识的矿集区大地电磁噪声压制

为了避免形态滤波方法在大地电磁强干扰分离中的"过处理"、进一步保留大地电磁低频段的有用信息,提出基于信噪辨识的矿集区大地电磁噪声压制方法.首先,从信号处理的角度剖析矿集区典型强干扰与天然大地电磁微弱信号之间的定量辨识关系,利用形态分形维数和形态膨胀谱熵对大地电磁信号与强干扰进行信噪辨识.然后,结合形态滤波技术和阈值法,仅对辨识出明显不是天然大地电磁信号的异常波形进行噪声压制.最后,重构大地电磁有用信号,并对算法进行性能评价.仿真结果表明,形态分形维数和形态膨胀谱熵能较好地定量辨识大地电磁信号与强干扰,大地电磁信号中一些缓变化的低频信息得到了更为精细的保留;与形态滤波整体处理相比,本文所提方法获得的卡尼亚电阻率曲线更为光滑、连续,视电阻率值相对稳定,其结果更为真实地反映了测点本身所固有的大地电磁深部构造信息.     

地球物理信号处理的进展和今后方向

本文简要叙述了近年来我国地球物理信号处理的进展和国际动态.其中包括:强干扰背景下微弱地球物理信号的提取;非稳态地震前兆信息的处理;现代谱估计的进展;瞬态谱理论在地球物理资料处理中的应用;畸变信号恢复的研究以及其它有关信号处理的研究.     

人机联作的智能化测井信号对比

我们建立了用于地球物理信号对比的一种人机联作的处理方法.对多种信号匹配的算法做了研究、改进和实现,把算法研究和人工测井对比的知识和经验进行归纳,形成基于规则的信号处理,并设计了层次化分解处理结构,实现多种算法的混合运用和数据驱动的算法参数选择.由于结合了相关资料信息和解释人员判断,信号对比问题才能更为适定.人机联作的处理模式以用户的参与来克服一些智能化处理实现的困难.实测结果证明该方法有效.     

基于稀疏分布特征的井下微地震信号识别与提取方法

井下微震监测获得的地震记录往往包含大量的噪声,记录信噪比很低.有效地震信号的识别与提取是进行后续地震定位等工作之前需要优先解决的问题.经过研究发现,井下水压裂微地震信号具有稀疏分布的特征,而井下环境噪声则具有更多的Gaussian分布特征.为此,本文提出将图像处理领域适宜于稀疏分布信号降噪处理的稀疏码收缩方法应用于井下微震监测数据处理.为解决需要利用与待处理数据中有效信号成分具有相似分布特征的无噪信号序列估算正交基以及计算效率等问题,将原方法与小波变换理论相结合.即通过优选小波基函数作为正交基进行小波变换将信号分解为不同级的小波系数,利用稀疏码收缩方法中对稀疏编码施加的非线性收缩方式作为阈值准则对小波系数进行改造.通过多方面的数值实验证明了该方法在处理地震子波及井下微地震信号方面准确可靠.含噪记录经过处理后有效地震信号的到时、波形、时频谱特征等均能得到良好的识别和恢复.并且该方法具有很强的抗噪能力,当信噪比低至-20~-30db时,仍然能够发挥作用.在处理大量实际井下微震监测数据的过程中,面对多种复杂情况,本方法展现出了计算效率高、计算结果可靠、应用简单等优势,证明了其本身具有实际应用价值,值得进一步的研究和推广.     

Weak Seismic Signal Extraction Based on the Curvelet Transform

Seismic signal denoising is a key step in seismic data processing. Airgun signals are easy to be interfered with by noise when it travels a long distance due to the weak energy of active source signal of the airgun. Aiming to solve this problem, and considering that the conventional Curvelet transform threshold processing method does not use the seismic spectrum information, we independently process the Curvelet scale layer corresponding to valid data based on the characteristics of the Curvelet transform of multi-scale, multi-direction and capable of expressing the sparse seismic signals in order to fully excavate the information features. Combined with the Curvelet adaptive threshold denoising the algorithm, we apply the Curvelet transform to denoising seismic signals while retaining the weak information in the signal as much as possible. The simulation experiments show that the improved threshold denoising method based on Curvelet transform is superior to the frequency domain filtering, wavelet denoising and traditional Curvelet denoising method in detailed information extraction and signal denoising of low SNR signals. The calculation accuracy of the relative wave velocity variation of underground medium is improved.     

HOMOMORPHIC FILTERING — THEORY AND PRACTICE*

The application of homomorphic filtering in marine seismic reflection work is investigated with the aims to achieve the estimation of the basic wavelet, the wavelet deconvolution and the elimination of multiples. Each of these deconvolution problems can be subdivided into two parts: The first problem is the detection of those parts in the cepstrum which ought to be suppressed in processing. The second part includes the actual filtering process and the problem of minimizing the random noise which generally is enhanced during the homomorphic procedure. The application of homomorphic filters to synthetic seismograms and air-gun measurements shows the possibilities for the practical application of the method as well as the critical parameters which determine the quality of the results. These parameters are:

• a) the signal-to-noise ratio (SNR) of the input data
• b) the window width and the cepstrum components for the separation of the individual parts
• c) the time invariance of the signal in the trace.

In the presence of random noise the power cepstrum is most efficient for the detection of wavelet arrival times. For wavelet estimation, overlapping signals can be detected with the power cepstrum up to a SNR of three. In comparison with this, the detection of long period multiples is much more complicated. While the exact determination of the water reverberation arrival times can be realized with the power cepstrum up to a multiples-to-primaries ratio of three to five, the detection of the internal multiples is generally not possible, since for these multiples this threshold value of detectibility and arrival time determination is generally not realized. For wavelet estimation, comb filtering of the complex cepstrum is most valuable. The wavelet estimation gives no problems up to a SNR of ten. Even in the presence of larger noise a reasonable estimation can be obtained up to a SNR of five by filtering the phase spectrum during the computation of the complex cepstrum. In contrast to this, the successful application of the method for the multiple reduction is confined to a SNR of ten, since the filtering of the phase spectrum for noise reduction cannot be applied. Even if the threshold results are empirical, they show the limits fór the successful application of the method.     

Application of a cascading filter implemented using morphological filtering and time–frequency peak filtering for seismic signal enhancement

Inspired by the idea of the iterative time–frequency peak filtering, which applies time–frequency peak filtering several times to improve the ability of random noise reduction, this article proposes a new cascading filter implemented using mathematic morphological filtering and the time–frequency peak filtering, which we call here morphological time–frequency peak filtering for convenience. This new method will be used mainly for seismic signal enhancement and random noise reduction in which the advantages of the morphological algorithm in processing nonlinear signals and the time–frequency peak filtering in processing nonstationary signals are utilized. Structurally, the scheme of the proposed method adopts mathematic morphological operation to first preprocess the signal and then applies the time–frequency peak filtering method to ultimately extract the valid signal. Through experiments on synthetic seismic signals and field seismic data, this paper demonstrates that the morphological time–frequency peak filtering method is superior to the time–frequency peak filtering method and its iterative form in terms of valid signal enhancement and random noise reduction.     

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.     

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     

三种阵列声波测井数据频散分析方法的应用与比较

针对正交偶极声波测井检测地层各向异性和确定构造应力中频散分析的必要性，本文利用合成和实测阵列声波测井数据分析和比较了三种频散分析方法：Prony方法、同态处理方法和谱域加权相似法. 这三种频率域处理方法提取得到了合理的、一致的慢度结果. 谱域加权相似法只能用于每一频率下单一波模式的慢度估计；同态处理方法还可以同时估计单一波模式的衰减、幅度和初相位；利用SVD_TLS算法确定波模式的阶数后，Prony方法可以有效地估计每一频率下多个模式的上述参数. 另外，通过谱域加权相似法对正交偶极声波测井阵列数据进行频散分析，观察到了弯曲波频散曲线的交叉现象，从而确定出了对应地层所受最大水平主应力的方向.     

基于压缩感知的信号重建方法及在气枪震源信号处理中的应用

在气枪源探测过程中,由于各种干扰因素的影响,导致部分有效信号缺失或受随机干扰严重,为了重构出连续完整的数据,依据气枪源信号在傅里叶变换域中具有稀疏性的特点,构建了一种基于压缩感知(Compressive Sensing,简称CS)的缺失信号重建方法。首先进行数值模拟,并将该方法与传统的插值方法处理效果进行对比,对重建效果进行均方根误差及信噪比(SNR)分析,结果显示:压缩感知方法重建前后信号的波形吻合度高、振幅一致性更强、同相轴清晰且连续性相同,对噪声压制较好。综上表明:该方法重建效果优于传统的三次样条插值方法。将该方法应用于实际资料,结果显示受干扰的有效信号能够得到很好的恢复重建。