基于中值滤波和seislet阈值法联合压制混叠噪声方法

混采技术可以实现多台震源同时激发产生地震波场,有效提高采集效率,但是混采技术会产生严重的混叠干扰,降低地震数据的信噪比。针对此问题,引入多级中值滤波,设计了一种基于seislet域阈值去噪和多级中值滤波相结合的混叠噪声压制方法。该方法首先采用大步长中值滤波和seislet域阈值去噪相结合的方法得到初始压制混叠噪声的地震数据,再利用混叠算子计算去混叠噪声后地震数据的伪分离数据,然后求取该伪分离数据和原始混叠地震数据的差值,再次应用较小步长中值滤波提取剩余信号,并与上一步骤得到的去混叠后的地震数据相加,并再次进行seislet域阈值去噪,依次循环,直到信噪比达到期望值。通过模拟数据测试,并与F-K域迭代阈值去噪方法和常规seislet域迭代阈值方法相比,本方法在压制混叠噪声的同时,可以更好地保护有效信号。     

基于Cadzow滤波法压制线性干扰

在低信噪比地震资料处理中,压制线性干扰是其中的关键处理环节。传统的频率域线性干扰压制方法容易产生假频及蚯蚓化现象,为此,提出了一种基于Cadzow滤波法压制线性干扰的方法。该方法首先在时间空间域对地震数据进行线性变换,再依据Cadzow滤波法建立二维Hankel矩阵,然后对其运行奇异值分解,最后通过减秩的方法来压制线性干扰。理论模型和实际地震数据的应用表明,该方法可有效地去除线性噪声,保护有效波,明显地改善了叠前地震资料的信噪比。     

分频分时振幅阈值去噪方法在渤海湾盆地的应用研究

具有双曲线特征的非线性外源噪声,会严重影响地震数据的最终成像质量,通常这种外源噪声与有效反射的物理特征差异不大且两者频带近乎重叠,因此常规去噪技术很难取得理想的压制效果。若直接剔除被外源噪声干扰的炮记录将会增加采集成本;反之会在一定程度上降低资料的信噪比,影响资料的后续处理。将分频分时振幅阈值去噪方法应用于渤海地震资料的外源噪声压制,在有效压制外源噪声的同时,能够很好地保护有效信号。同时,测试还表明该方法还可以较好地压制近偏移距多次波。     

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。     

一种改进型seislet域迭代阈值压制混叠噪声方法

高效混叠采集技术可以实现多组激发源同时激发产生地震波场,大大提高采集效率,但是由于相邻激发源之间较短的等待时间,会使得地震数据产生严重的混叠干扰,影响地震数据成像质量。针对此问题,设计了一种改进型seislet域迭代阈值压制混叠噪声方法。该方法首先采用中值滤波对经过NMO后的混叠数据进行滤波,然后利用seislet域迭代阈值去噪技术提取剩余的有效信号,并和经过中值滤波后的结果相加,接着再利用混叠算子计算去混叠噪声后地震数据的伪分离结果,然后求取该伪分离数据和原始混叠地震数据的差值,再次重复上述步骤,将每步骤提取的剩余有效信号进行累加,直到信噪比达到期望值,输出最终压制混叠噪声的地震数据。通过数据验证,本文改进方法可以在压制混叠干扰的同时,有效的保护信号。     

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。     

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。      

二维小波变换与中值滤波联合去噪方法研究

由于随机噪声是一种频带较宽的干扰波,因此依靠单一的去噪处理方式往往难以获得清晰反映目标体的地震信息。小波变换能够较好的去除高斯噪声,保留有效波中、高频成分,提高记录的信噪比,但去除脉冲噪声的效果却并不理想;中值滤波具有良好的边缘保持特性,虽低频去噪声效果有限,但去除脉冲噪声效果明显。因此可利用二维小波变换与中值滤波优势互补的方法,进行叠前去噪处理,达到去除宽频随机噪声的目的。首先运用二维小波变换的理论,采用自适应门限阀值方法进行去噪,同时结合中值滤波方法联合去噪。模型与实际数据的应用效果表明,联合去噪方法可有效压制噪声能量、保留高频有效信号、提高地震记录信噪比与分辨率。     

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A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。     

LIFT去噪方法在低信噪比资料处理中的应用

传统去噪一般都是通过各种方法将原始数据分离为有效信号和噪声,从而达到去噪目的,在去噪的过程中,忽略了信号保真的处理原则,在去掉噪声的同时有可能也损害了有效信号。这里从传统去噪方法存在的问题入手,通过对传统去噪方法的原理分析,研究了LIFT去噪技术。LIFT去噪的核心是首先建立信号模型,然后将原始地震信号和信号模型相减,求得剩余信号。通过对剩余信号进行针对性的去噪处理,去除剩余信号中存在的噪声,然后再与信号模型进行合并重构,得到新的具有高信噪比、高保真的地震信号。将该方法在低信噪比地震资料处理中进行了实例测试,取得了理想的应用效果。     

基于倾角中值滤波法的浅层反射地震叠前信噪分离技术

浅层反射地震资料中面波一般比较发育,对有效信号形成干扰,现有压制面波等相千干扰的处理手段主要适用于中深部、深部地震勘探,但并不适用于浅层反射地震资料的处理。为此提出了倾角中值滤波法。该方法是基于叠前地震单炮道集上反射波与强线性干扰在￡吨域视速度上的差异,在多组视倾角范围内,求取一个最佳视倾角,将最佳视倾角的振幅序列的中值视为相干干扰,利用“减去法”,达到信噪分离。通过模型与实际资料的处理,汪明该方法能够有效分离强线性干扰,并保留了强线性干扰的特性,提高了资料的信噪比,保真度高,是浅层高分辨率地震勘探的一种理想的叠前信噪分离技术。     

基于经验低秩表示的自适应多次波减去方法

多次波压制一直是海洋地震数据处理的研究重点,SRME（surface-related multiple elimination）方法通过多次波预测、自适应减去两个步骤实现多次波压制,具有压制精度高、模型依赖度低等优点,是工业界广泛采用的方法。但是常规减去方法在一次波、多次波交叉位置易出现一次波损伤、多次波残留等现象,进而增加后续地震处理、解释的难度。本文在前人研究的基础上,提出了基于经验低秩表示的自适应多次波减去方法。首先,采用经验低秩表示方法,将地震数据自适应地分解为信噪比高、倾角单一、同相轴相位圆滑的低秩倾角分量,简化地震数据倾角成分的复杂程度,以优化低秩表示过程中局部窗口的参数选择问题;然后,在不同低秩倾角分量中分别采用基于能量最小原则的匹配减去方法,避免匹配过程出现同相轴交叉,并重构各分量,在保证计算效率的前提下提升多次波压制效果。针对理论数据和实际数据进行了有效性测试,本文方法在多次波压制结果和保幅性两方面优于传统方法,并采用抗噪性测试证明了该方法的鲁棒性。     

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。     

奇异值分解(SVD)在位场数据去噪中的应用

根据奇异值分解原理,分析其在位场去噪中的可行性,提出了一种判断有效阶次k的方法。对多边形厚板模型的重力异常进行奇异值分解去噪和小波去噪效果的对比,证明了奇异值分解去噪的有效性和优势。将其应用于实测重力数据的处理中,取得较好的效果。理论模型和实测资料的处理结果表明:基于奇异值分解的去噪方法可以有效地去除随机噪声,提高数据处理和解释的精度。     

基于多t-x域联合的多震源地震数据混叠噪声分离方法

随着多震源同时激发采集方法在地震油气勘探领域的应用逐年增加,许多学者对其关键技术多震源地震数据混叠噪声分离进行了研究,就目前为止,仍需开展保真度更高的方法研究。基于以下设想:对多震源地震数据做正常时差校正(NMO),可以加强反射信号的线性分布程度(尤其在共中心点CMP道集内),并扩大反射信号和混叠噪声的分布差异;单域分离混叠噪声,仅针对混叠噪声和反射信号的某一分布特性差异进行分离,多t-x域联合分离可综合利用各t-x域内混叠噪声和反射信号在各域内的分布差异,其分离效果更好。首先,通过对多震源数据CMP道集做NMO以强化反射信号的线性程度、扩大随机分布混叠噪声的离散程度,利用中值滤波分离大部分混叠噪声,再在其他t-x域内(如共炮点CSG道集、共检波点CRG道集和共偏移距COG道集等)根据残余混叠噪声分布特征利用随机噪声衰减等方法进一步分离,并在整个分离处理中使用保幅处理方法。提出的多t-x域联合分离混叠噪声方法,经理论数据验证,相较于单域分离方法可以有效且保真分离多震源数据中的混叠噪声,并对其他噪声和横波有一定的压制作用;实际数据应用效果表明,该方法比单域方法分离效果较好,叠后成像效果品质较高。多t-x域联合分离混叠噪声方法,能够稳定、可靠和保真地分离多震源地震数据中的混叠噪声。      

去噪技术在地震资料处理中的应用

讨论了目前提高地震资料信噪比的方法及应用技术。通过对原始地震记录中普遍存在的噪声进行了分析。对于无规则噪声，应采用f-x域随机噪声衰减或多项式拟合的办法；对于有规则噪声，倾角滤波或FK滤波手段则更为有效。强调了在去噪过程中选择去噪参数的重要性。阐明了同相叠加技术也是一种提高地震资料信噪比的有效手段。总之。针对不同的噪声，应采用不同的去噪方法。实际地震资料处理表明，上述几种去噪方法对提高地震资料的信噪比是行之有效的。