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。      

基于小波域的FastICA算法的非常规油气藏地震资料去噪

近年来,随着鄂尔多斯盆地苏里格气田开发规模的不断扩大,全数字三维地震得到广泛应用,数字检波器的高灵敏性使得地震资料噪声极其发育。因此,全数字三维地震资料叠前去噪是资料处理的关键。针对全数字三维地震资料的特点,结合盲信号分离技术的最新发展,特别是神经网络技术的最新发展应用到研究中来,建立适合于理论地震记录的盲信号分离的算法模型,对已知反射地震数据实施盲分离技术,将地震信号变换到小波域中,并用Fast ICA算法进行盲分离去噪,然后将去噪后的信号从小波域变换到时间域信号。试验结果表明,该方法得到的去噪效果较时间域内直接去噪效果好。     

独立分量分析在探地雷达信号处理中的应用初探

针对探地雷达(Ground Penetrating Radar,GPR)信号信噪比低、背景杂波强,事先对探测目标的信息所知甚少,近乎处于“盲”状态,因而实际处理难度大等实际问题,提出了将独立分量分析(In-dependent Component Analysis,ICA)这种盲信号处理技术应用于GPR信号处理,并利用ICA中的Fast-ICA算法,对ICA法在GPR信号处理中的应用进行了初步探索,实现了GPR信号中弱目标信号和强背景杂波的有效分离,并初步解决了对所分离目标信号的正确排序,以及由ICA方法本身带来的所分离目标独立分量信号符号的不确定性等问题,使GPR信号信噪比大幅提高,从而使GPR的目标检测性能也得以显著改善。在对诸如地雷、地下管线等局部目标的时域有限差分法(Finite-dif-ference Time-domain,FDTD)、仿真GPR数据和室外试验观测GPR数据进行ICA处理后,都取得了理想的结果。      

FastICA在地震信号去噪中的应用研究

实际地震资料往往存在很强的随机噪声,干扰有效信号,有时甚至看不清同相轴,使地震资料品质大大降低。通过改进的FastICA方法对理论模型进行处理分析,得到良好的去噪效果,并且对实际地震资料进行处理,不仅能够有效地去除资料中随机噪声,而且能够保护有效信号,取得了良好的效果,表明改进的FastICA方法是有效的。     

改进的小波阈值法及其在地震数据降噪处理中的应用

野外地震数据受到各种随机因素干扰,需要对随机噪声进行去除。小波分析中的软、硬阈值法是有效的地震数据降噪方法,但由于算法本身特性使得降噪具有一定的缺陷。因此,文中提出了一种改进的小波阈值降噪算法。首先构建了改进的阈值方法模型并对其功能进行了研究,确定了sym3为改进的阈值算法的最佳小波基以及最佳小波分解的层数为3层。利用仿真实验证明了改进的阈值方法降噪能力具有有效性,并通过均方差(RMSE)和信噪比(SNR)对新算法降噪效果进行了评价。最后,将本文提出的算法应用于实际地震数据降噪处理,结果发现改进的阈值法能够有效地去除地震数据中的各类随机噪声,通过与软、硬阈值法降噪效果进行对比研究,结果得出改进的阈值方法降噪效果更理想。     

独立分量分析及其在核探测信号预处理中的应用

针对核探测(Nuclear detector)信号信噪比低,背景杂波强;因事先对探测目标的信息所知甚少,近乎处于"盲"状态,因而实际处理难度大等问题,提出了将独立分量分析(IndependentComponent Analysis,ICA)这种盲信号处理技术应用于核探测信号处理中.并利用ICA中的FastICA算法,对ICA法在核探测信号处理中的应用进行了初步探索,实现了核探测信号中各组份信号和背景杂波的有效分离.同时初步解决了由ICA方法本身带来的所分离目标独立分量信号符号的不确定性等问题,使核探测信号信噪比大幅提高,从而使核探测的目标检测性能也得以显著改善,这表明IcA在核探测仪信号处理中具有应用前景.     

局部奇异值分解法压制随机干扰

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。     

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。     

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。      

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。     

改善地震勘探记录的4项技术

为改善地震勘探记录、提高信噪比,近年来提出了基于混沌理论的混沌振子滤波技术（CVM）、基于多道最小平方原理和CVM的时空域双曲滤波技术（HTDF）、基于时频分析和Wigner-Ville分布的时频峰值滤波技术（TFPF）以及基于独立分量分析（ICA）的多次波消减技术。用CVM技术可以在强随机噪声背景中确定同相轴的时空位置;HTDF是CVM的后续处理,使湮没在噪声中的同相轴显现出来。大量仿真实验和实际资料处理表明,TFPF技术可应用于消减地震记录中的随机噪声。基于ICA的多次波消减技术可确定输出信号的振幅和次序。上述4项技术若应用于实际资料,尚需要分别解决诸如计算时间、辅助性处理、因子振幅谱补频、变时窗技术、处理流程的系统工程等问题。     

应用PCA和ICA法对岩心光谱的定量解译

岩心光谱属于混合像元光谱,维度多、数据量大,在端元数量、端元光谱及混合矩阵未知的情况下,定量解译岩心光谱以提取岩心所含矿物信息难度大,噪声的存在使问题更加复杂。文章应用PCA和ICA法定量解译岩心光谱主要有三步:采用PCA法预处理混合像元光谱矩阵,在新的特征空间中保留特征值较大的少量特征矢量,有效滤除能量较小的成分,只保留主要成分信息,同时滤除数据中的噪声;采用ICA法分离岩心混合像元,得到混合像元中的端元光谱集,通过矿物识别获取岩心矿物成分;对端元光谱进行归一化处理,基于线性光谱混合模型进行丰度反演,得到岩心混合像元中各端元丰度。通过研究仿真数据获得光谱定量解译的一般规律,创建有效的算法模型,再处理实际测量的岩心光谱,获得了比较理想的结果。     

基于SVD的叠后地震资料随机噪声分离方法

笔者提出基于SVD的叠后地震资料随机噪声分离方法,在地震剖面的同相轴水平或接近水平时可以有效地分离出地震剖面中的随机噪声,提高地震剖面的分辨率。为了说明SVD随机噪声分离方法的有效性和高效性,建立模型试验,在合成地震记录中加入随机噪声,之后进行实际地震资料处理,分别用SVD方法和基于小波变换的分层阈值方法对加入随机噪声的合成记录和加入随机噪声的实际资料进行随机噪声分离处理。对比发现,SVD随机噪声分离方法相比于基于小波变换的分层阈值方法更加有效且高效。     

Simulation of seismic-prospecting random noise in the desert by a Brownian-motion-based parametric modeling algorithm

Random noise has a negative impact on seismic-prospecting record processing. An important step to improve the methods aimed at the attenuation of random noise is to scientifically characterize the properties of the noise. Numerical modeling is useful to understand the nature of the random noise. In this study, we present a Brownian-motion-based parametric modeling algorithm for the simulation of seismic-prospecting random noise in the desert. The optimal Hurst exponent required to implement the method can be determined by comparing the spectral properties related to the noise data and the simulated results. The data used to analyze the properties of the noise were acquired in the Tarim Basin (Northwest of China). We verify the performance of the modeling algorithm by comparing the results obtained after the simulation with the real noise data in both the time domain and the spatio-temporal domain. The experimental results thus obtained prove the accuracy and efficiency of the proposed modeling algorithm. This study can be used as a basis to investigate the seismic-prospecting random noise characteristics and thus contribute to its mitigation.     

Random seismic noise attenuation data using the discrete and the continuous wavelet transforms

In this paper, we propose a technique of random noise attenuation from seismic data using discrete and continuous wavelet transforms. Firstly, the discrete wavelet transform (DWT) is applied to denoise seismic data using the threshold method. After, we calculate the continuous wavelet transform of the denoised seismic seismogram, the final denoised seismic seismogram is the continuous wavelet transform coefficients at the lower scale. Application to a synthetic seismogram shows the robustness of the proposed tool for random noise attenuation. Application to real vertical seismic profile recorded in Algeria clearly shows the efficiency of the proposed tool for random noise attenuation.     

Denoising and improving the quality of seismic data using combination of DBM filter and FX deconvolution

Seismic data denoising, random noise attenuation (RNA) and spike-like noise suppression, is a main consideration for improving the quality of records. RNA could increase signal to noise ratio (S/N) to avoid misinterpretation of seismic data. In this research, a novel method is created by using the combination of frequency-offset deconvolution (FXD) and decision-based median (DBM) filter for RNA from seismic data. The method is applied in two main phases; FXD is focused to remove the Gaussian noise and DBM filter is focused to attenuate the impulsive noise and spikes. To implement and verify the method, three types of data are used: two synthetic models (a model with linear events and a model with hyperbolic events) and an observed seismic section. The ability of the proposed method (FXD-DBM) in comparison of applying each in seismic RNA application is proven. The noise level is reduced obviously, and hence, the S/N of all examined seismic records is increased considerably after denoising by the combination of FX deconvolution and DBM filter. About the real seismic section, suppressing random noise and spikes show up improving the seismic reflector continuity and hence enhancing the interpretability of data. Moreover, some masked events by random noise are clarified in different parts of data after denoising using the planned method.     

基于二维小波变换的随机噪声压制方法在GPR数据中的应用

在探地雷达探测工作中,为了尽可能多的获取回波信息,通常采用宽频带记录,这就不可避免地将各种干扰波也记录下来,其中随机噪声由于其频带较宽,分布于整个数据剖面,常规滤波方法对随机噪声的压制效果往往不佳。由于小波变换具有较强的分频和局部分析能力,根据需要选择合适的小波基函数和去噪方法,可较好地压制随机噪声,提高信噪比。基于二维小波变换理论,提出了采用自适应分层阈值法对探地雷达数据进行压制随机噪声的方法。通过不同模型、不同信噪比下正演模拟数据的验证以及对实测数据的处理,并与中值滤波法和全局阈值法的去噪效果进行了对比分析,结果表明自适应分层阈值法去噪效果更好,实用性更强。     

Attenuation of random noise in GPR data by image processing

Random noise in ground penetrating radar (GPR) data affects the signal-to-noise ratio, blurs the details, and complicates reconnaissance of the useful information. Many methods with different advantages and disadvantages have been proposed to eliminate or weaken the random noise. We have reviewed basic principles of various signal processing techniques including the curvelet transform (CT), non-local mean (NLM), median, and mean filters to remove the random noise and compared their performances using synthetic and actual GPR data. The performances of the four filters were analyzed on synthetic GPR data both in time and frequency domains. On noisy synthetic data, results indicate that the CT filter performs better than NLM, mean, and median filters at attenuating random noise and improving S/N of the GPR data. On the real data, the performance of only the NLM and CT filters was investigated. Comparing the results clearly shows the CT filter robustness for the random noise attenuation and simultaneously its signal preservation.     

Shearlet变换在GPR数据随机噪声压制中的应用

随机噪声是探地雷达(ground penetrating radar,GPR)数据处理存在的主要问题之一,直接影响到GPR数据后续处理及最终解释的准确性和可靠性。为了有效地去除随机噪声,同时更好地保留GPR信号的有效信息,本文提出基于Shearlet变换的GPR数据随机噪声去除方法。作为一种非自适应多尺度、多方向性的几何分析方法,Shearlet变换能够近乎最优地表示含奇异点的高维曲线。在Shearlet域,GPR数据能够得到更加稀疏的表示,通过阈值去噪的方法,有效地去除了随机噪声,使信噪比提高了4dB,最大程度地保留了GPR有效信号。利用理论和实际数据进行验证,体现了Shearlet变换阈值去噪方法的有效性和准确性。     

基于第二代Curvelet变换的地震资料随机噪声衰减

噪声衰减是地震资料处理中的关键问题之一。根据Curvelet变换对含有光滑边界的二维二阶连续可微函数所具有的稀疏表示性能,给出了Curvelet变换域地震资料随机噪声衰减的阈值方法;并给出了基于地震资料中随机噪声是独立同分布的高斯白噪假设条件下的阈值估计方法。通过合成数据和叠后实际数据算例,对该方法的有效性进行验证。结果表明,Curvelet变换不仅可以很好地衰减随机噪声,并且能较好地保持有效信号。