音频大地电磁法强干扰压制试验研究

压制非相关噪声已经有多种比较成熟的技术方法,如多次叠加、远参考、Robust阻抗估计等,但这些方法对压制矿集区存在的强电磁噪声(通常属于相关噪声)基本没有效果.本文在前期提出的针对矿集区大地电磁强噪声压制的数学形态滤波基础上,开展了音频大地电磁法强干扰压制的试验研究.在四川西昌某AMT测点附近,布置了大功率电磁发送站,通过接地导线向地下供20A的方波电流,同时在供电期和间歇期用凤凰公司MTU-5A仪器观测4个水平分量的电磁场.在室内采用数学形态滤波和阈值法相结合的手段在时间域对含有人工源强干扰的电磁场数据进行处理,以视电阻率对比、频谱和极化方向等参数对处理效果进行评价.结果表明:结构元素恰当的数学形态滤波可以对人工源强干扰进行识别、去除,阈值法则可以消除形态滤波后的脉冲干扰,二者结合可以有效地压制AMT中的强干扰噪声,提高数据可靠性.本文结果对AMT实际资料处理具有重要的实用和参考价值.     

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.     

Hilbert-Huang 变换与大地电磁噪声压制

大地电磁信号具有非线性、非平稳、非最小相位特征,不符合以Fourier变换为基础的传统功率谱估计的基本要求. Hilbert-Huang变换是近年发展起来的处理非线性、非平稳信号的完全局部时频分析方法. 本文在简要介绍Hilbert-Huang变换基本原理与算法基础上,以实际数据分析为例,探讨了它在大地电磁信号处理及噪声压制中的应用. 提出利用Hilbert时-频能量谱对大地电磁信号进行时段筛选,以提高信号品质,增强数据处理的质量和资料的可解释性. 利用经验模态分解方法及其多尺度滤波特征,可以有效地分析MT信号中的噪声分布特征,并进行干扰压制.     

基于压缩感知重构算法和形态滤波的AMT近源干扰压制（英文）

进行音频大地电磁法勘探时不可避免的受到近源干扰的影响,限制了该方法的勘探深度。形态滤波法已被证明对于不同形态的大尺度强干扰(通常为低频噪声)有明显的压制作用,但是对于窄脉冲噪声无能为力,为此本文提出一种基于压缩感知重构算法和形态滤波法的近源干扰压制方法(简称MMF-IOMP法),即首先使用形态滤波法滤除大尺度的强干扰,然后采用改进的正交匹配追踪算法进一步滤除形态滤波法残留的类脉冲噪声。为滤除残留的类脉冲噪声并保留AMT有效信号,我们构造了只对类脉冲噪声敏感而对有效部分不敏感的冗余字典。仿真实验以及庐枞矿集区实测数据处理结果表明,所述方法能够克服形态滤波法对于脉冲干扰处理效果不佳以及单一的信号重构算法耗时过长的缺点,在较好的保留有用信号的前提下有效压制音频大地电磁信号中的近源效应。     

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.     

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.     

数学形态滤波在地磁数据干扰抑制中的应用

针对地磁观测信号容易受仪器噪声和脉冲噪声等干扰,提出一种根据干扰特征对地磁信号进行数学形态滤波的新方法.通过谐波拟合地磁日变形态信号中添加随机噪声和瞬态脉冲噪声,模拟抑制含有这类干扰的地磁信号.通过数值模拟,验证了数学形态滤波具有抑制脉冲干扰地磁信号噪声,降低仪器噪声干扰,保留地磁信号特征,提高地磁信号信噪比等良好的特...     

基于灰色判别准则和有理函数滤波的伪随机电磁数据去噪

为压制伪随机多频电磁信号中的强干扰、提高数据质量,本文提出一种基于灰色判别准则和有理函数滤波的数据处理方法.首先通过灰色判别准则剔除各个频点频谱数据中的明显异常值,然后进行有理函数滤波得到充分接近真实值的圆滑数据曲线,进而约束数据的二次优化处理,剔除残余噪声的影响.为验证本文方法的处理效果,在实测无明显噪声数据中加入几种不同类型的强噪声,然后用本文方法进行处理.仿真处理结果表明,本文方法能高精度逼近原始数据,处理后数据误差低达8.09%.最后,将本文方法应用于重庆某工区实测伪随机多频电磁数据处理.结果表明,本文方法可以有效压制干扰,在频谱数据个数少、干扰幅值大（高达有效信号幅值的几个数量级）的情况下,仍可有效压制强干扰.处理后的数据相对误差显著下降,视电阻率曲线形态平滑,达到提高信噪比,改善实测数据质量的目的.     

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.     

压制空间非平稳地震勘探随机噪声的ROAD径向时频峰值滤波算法

径向时频峰值滤波算法是一种有效保持低信噪比地震勘探记录中反射同相轴的随机噪声压制方法,但该算法对空间非平稳地震勘探随机噪声压制效果不理想.本文研究空间非平稳地震勘探随机噪声,即各道噪声功率不同的地震勘探随机噪声,其在径向滤波轨线上表征近似脉冲噪声,在径向时频峰值滤波过程中干扰相邻道滤波结果.为了减小空间非平稳随机噪声的影响,本文提出一种基于绝对级差统计量(ROAD)的径向时频峰值滤波随机噪声压制方法.该方法首先根据径向轨线上信号的绝对级差统计量检测空间非平稳地震勘探随机噪声,然后结合局部时频峰值滤波和径向时频峰值滤波压制地震勘探记录中的随机噪声.将ROAD径向时频峰值滤波方法应用于合成记录和实际共炮点地震记录,结果表明ROAD径向时频峰值滤波方法可以压制空间非平稳地震勘探随机噪声且不损害有效信号,有效抑制随机噪声空间非平稳对滤波结果的影响.与径向时频峰值滤波相比,ROAD径向时频峰值滤波方法更适用于空间非平稳地震勘探随机噪声压制.     

庐枞矿集区大地电磁测深强噪声的影响规律

天然大地电磁场信号微弱,极化方向随机,极易受电磁噪声污染.张量阻抗分析、远参考技术、Robust估计等对随机噪声和不相关噪声有比较好的压制效果,但对强的相关噪声目前还没有有效的压制方法.庐枞矿集区人烟稠密、工业发达,是我国著名的铁、铜、硫等矿产基地之一,区内强烈的工业、通讯、矿山、民用等电磁干扰严重污染了大地电磁测深数据.本文首先根据实测的电磁场时间域波形和卡尼亚电阻率测深曲线形态,挑选出基本未受噪声污染的测点(Y1650).然后利用数学形态学从受严重污染的电磁场时间序列中提取出类方波、三角波、阶跃、脉冲和充放电5种典型噪声的波形,并以不同的方式将这些噪声波形与Y1650的电磁场波形叠加,对比分析加噪后Y1650点电阻率和相位测深曲线的变化,进而归纳出典型强噪声对庐枞大地电磁测深资料的影响规律,为进一步压制强噪声和资料处理提供依据.     

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.     

Near-source noise suppression of AMT by compressive sensing and mathematical morphology filtering

In deep mineral exploration, the acquisition of audio magnetotelluric (AMT) data is severely affected by ambient noise near the observation sites; This near-field noise restricts investigation depths. Mathematical morphological filtering (MMF) proved effective in suppressing large-scale strong and variably shaped noise, typically low-frequency noise, but can not deal with pulse noise of AMT data. We combine compressive sensing and MMF. First, we use MMF to suppress the large-scale strong ambient noise; second, we use the improved orthogonal match pursuit (IOMP) algorithm to remove the residual pulse noise. To remove the noise and protect the useful AMT signal, a redundant dictionary that matches with spikes and is insensitive to the useful signal is designed. Synthetic and field data from the Luzong field suggest that the proposed method suppresses the near-source noise and preserves the signal well; thus, better results are obtained that improve the output of either MMF or IOMP.     

基于匹配追踪和遗传算法的大地电磁噪声压制

针对匹配追踪计算量大、大地电磁数据处理效率低的问题,提出基于匹配追踪和遗传算法的大地电磁噪声压制方法.首先,利用Gabor原子构建过完备原子库,并对过完备原子库集合进行划分.然后,借助遗传算法的自适应性,快速搜寻最优匹配原子及所在位置.最后,运用最优匹配原子对待处理信号进行稀疏分解,重构有用信号.通过对计算机模拟的典型强干扰和矿集区实测大地电磁数据进行分析处理,实验结果表明,相对于匹配追踪和正交匹配追踪,文中所提方法能从过完备原子库中快速、自适应地选取最优匹配原子与不同噪声干扰类型高精度的匹配,极大地提升了计算效率;大地电磁时间域序列中的大尺度强干扰被有效剔除,视电阻率曲线更为光滑、连续,低频段的数据质量得到明显改善.     

Amplitude-compensated Laplacian filtering of reverse time migration and its application

Reverse time migration is an advanced seismic migration imaging method. When the source wavefield and the receiver wavefield are cross-correlated, the cross-correlations of direct arrivals, backscattered waves and overturned waves will produce a lot of low-frequency noise, which will mask the final imaging results. Laplacian filtering, as a common method to suppress low-frequency noise, can adapt to any complex media, just adding a little computational cost. However, simple direct Laplacian filtering will destroy the characteristics of the useful signals. Therefore, the amplitude needs to be compensated before filtering when using the Laplacian filtering method. Zhang and Sun proposed an improved Laplacian filtering method and gave a simple calculation formula and explanation. This method can effectively suppress the low-frequency noise in reverse time migration while retaining the useful signal characteristics, but lacks detailed and strict mathematical derivation. Therefore, this paper gives a detailed and rigorous mathematical derivation of the amplitude-compensated Laplace filtering method from the point of view of amplitude-preserved filtering. The source wavelet is used instead of the source wavefield to compensate amplitude, just adding a little calculation cost. Finally, the amplitude-compensated Laplace filtering method is verified by two theoretical models and compared with the direct Laplacian filtering method.