优化滤波方法及其在中国大陆布格重力异常数据处理中的应用

在优选延拓法的理论基础上,研究提出基于格林等效层概念和维纳滤波器的优化滤波法,用于对重力异常数据进行去噪和分离.与传统向上延拓法和优选延拓法相比,优化滤波法分离异常与延拓高度无关,不需要已知延拓高度,具有一定的优势.理论重力模型数据的去噪和异常分离试验表明优化滤波法有效,异常分离效果优于传统向上延拓法和带通滤波法.利用优化滤波法对中国大陆重力异常数据去噪和异常分离,得到有效的布格重力异常和区域重力异常.以中国大陆深地震探测推断的莫霍面深度信息为约束,对区域重力异常数据进行密度界面约束反演,得到中国大陆莫霍面深度分布.本文方法为中国大陆深部探测和区域构造研究提供一定的技术支撑.     

基于MEEMD和时变VARMA模型的地震动噪声清除及基线修正

受背景噪声、仪器倾斜以及外部环境因素产生的低频信号和直流分量影响,由原始地震动信号得到的位移信号会产生波形偏移(基线漂移)现象.目前,常用的地震动去噪方法有滤波法、多项式拟合法、经验模态分解(简称EMD)去噪法、小波去噪法等,但上述方法均有局限性.在探索地震动信号基线修正和去噪过程中,以改进的集合经验模态分解(简称ME...     

基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法

在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解（CEEMDAN）算法与Hurst指数相结合的地震数据去噪方法。首先通过CEEMDAN方法将信号分解为一系列本征模函数（IMF）,然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪。与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32%,将高信噪比波形的去噪效果提高6倍。同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除。     

塔河地区地震道距大小对去噪效果的分析

目前塔河地区开发地震采用了30m道距,中-近炮检距面波干扰较严重.本文对实际单炮的波场特征进行分析后,分别建立了该区5m、10m、20m和30m道距的单炮模型,然后对不同道距单炮模型进行了FK谱分析,发现采用30m道距时,由于干扰波的空间假频与反射波混叠在一起,FK滤波去噪效果有限;当采用20m道距时,虽然干扰波仍存在空间假频现象,但已能与反射波信号明显区分开,滤波去噪效果明显改善;当道距小于10m时,干扰波不存在空间假频现象,去噪效果最理想.结合实际单炮资料的FK谱及去噪效果分析,说明塔河地区通过减小检波器道距仍有改善地震资料品质的潜力.     

基于深度卷积自编码网络地震数据去噪方法

在采集得到地震数据中,随机噪声常常与有效信号混合在一起,并且毫无规律,使用常规去噪方法不能够达到理想的效果,影响后续的地震数据处理工作.为有效压制地震数据中的随机噪声,本文根据深度学习的相关理论,提出了一种基于深度卷积自编码网络的数据驱动的去噪方法,可以解决随机噪声难以去除的问题.在卷积自编码器的基础之上,网络使用了较多的层数并加入跳跃连接构造,从而增加了网络的深度,能够提取并结合数据中深层与浅层特征,增强对随机噪声的处理能力,更好地恢复有效信号的细节.经过实验证明该方法对于不同水平的随机噪声的压制均有优异的表现,在去噪的效果上远超中值滤波、小波变换等传统去噪方法,同时也比经典的DnCNN网络更加优秀,能够完整地保留有效信号,极大提升地震数据的质量.     

微地震信号的参数辨识建模及其Kalman滤波

由于微地震信号能量微弱、信噪比低,需要对采集到的微地震数据进行去噪处理,从而提高微地震记录的信噪比,提高震源定位的精度.目前存在许多基于模型的先进滤波方法,如基于机理模型的卡尔曼滤波已经成功应用在微地震信号去噪中.为了建立微地震信号的数学模型,改善卡尔曼滤波效果,本文通过数据辨识方法,对微地震信号建立了ARMA模型,并进一步转化为适用于卡尔曼滤波算法的状态空间模型.在此基础上研究了卡尔曼滤波方法,设计了适用于微地震去噪的卡尔曼滤波实现算法.理论模型和实际微地震监测数据处理结果表明,基于辨识模型的卡尔曼滤波算法能够有效抑制微地震信号中的随机噪声,显著提高微地震监测信号的信噪比,从而验证了该辨识模型的准确性和滤波算法的可行性.     

基于重磁不同阶比值的场源相关成像法研究

重磁异常相关成像法是一种快速确定场源位置的有效方法,其相关系数极大值表征地质体中心位置.现有方法需已知地质体构造指数,本文提出重磁不同阶梯度比值的相关成像方法,可有效去除构造指数的影响,并讨论不同组合梯度比值的应用效果.对于磁异常数据,考虑到剩磁的影响,将采用解析信号及其梯度的比值来获取地质体的分布.通过理论模型试验,证明梯度比值相关成像法可以确定地质体中心位置,也具备良好的抗噪性.此外,解析信号二阶垂直梯度与解析信号比值的相关成像结果最稳定,精度和分辨率最高,为了降低噪声的干扰,在二阶及以上导数计算时采用Laplace方程来完成.将本文方法应用于埃及Hamrawien地区的实测磁数据的解释,反演获得地下异常体的深度在680 m和808 m.     

基于分数域自适应滤波的地震信号去噪方法

提出了一种基于分数域自适应滤波的地震信号去噪方法.先论述了分数阶傅立叶变换(FrFT)的基本原理及分数域滤波的采样与信号重构定理.根据FrFT具有时频旋转特性,分析了时频域信噪重叠情况下实现噪声分离的可行性.通过时频面旋转交互方式求取最佳阶数以及滤波器的带宽,最后利用理想信号与处理结果的相关系数来验证该方法的有效性.合成记录及实际资料的处理结果表明,分数域滤波与常规Fourier变换相比,具有良好的去噪性能,可有效解决时频域信噪重叠的信噪分离难题,达到信号保真与去除噪声的目的.     

多小波方法及其在深地震测深数据去噪中的应用

在宽角反射/折射地震测深数据处理中,仍多用基于傅里叶变换的滤波方法和小波去噪方法。鉴于傅里叶方法对稳态信号很有效但对非稳态的地震信号效果不佳的状况以及小波不能同时具有正交性、紧支性、对称性,本文给出了基于多小波的去噪方法,多小波具有正交性、对称性、紧支性,克服了传统小波的缺陷。编写了多小波去噪方法的人机交互软件。该软件可以方便快捷地显示宽角反射/折射地震记录截面,进行多小波域的阈值去噪。实例计算结果表明,本文所述方法和编写的软件有效且可行。     

基于曲波变换的航空电磁数据去噪方法研究

航空电磁法作为一种地形复杂地区资源探测的有效方法,近年来得到了广泛的应用.然而,由于系统所处的动态环境,噪声干扰严重.为了改善航空电磁数据质量,提高地下电性反演的准确性,需要研发相关去噪技术.传统航电去噪大多针对特定噪声或单一测线上的信号进行处理,难以兼顾相邻测线之间观测信号的相关性.本文采用曲波变换进行二维航空电磁数据去噪.由于曲波变换具有多尺度和多方向性特征,可以在对噪声精细分析的基础上进行有效去除,同时还保证了整个测区内信号的相关性.进而,我们提出Sigmoid阈值函数对传统阈值函数进行改进,以进一步改善去噪效果.为了验证曲波变换方法对航空电磁数据去噪的有效性,将曲波变换和传统去噪方法分别应用于理论模型和实测数据进行对比.试验证明本文曲波变换用于航空电磁数据去噪具有明显的优越性.     

Enhancing Geophysical Signals Through the Use of Savitzky-Golay filtering method

In the Sidi Chennane basin exploitation inclusions of sterile hardpan—so-called “derangements” — are hard to detect and interfere with phosphate extraction. A Schlumberger resistivity survey over an area of 50 hectares was carried out. The Savitzky-Golay filtering method was used as a tool for denoising the data.Savitzky-Golay (S-G) filters are one of the filters which can smoothen out the signal without much destroying its original properties. Despite their exceptional features, they were rarely used so far in the geophysical signal processing. The aim of this paper is the investigation of their properties in detail from the geoelectrical signal processing aspect. The experimental results indicate that S-G filter is better for denoising geoelectrical signal. Models of the geology were successfully obtained from Savitzky-Golay filtering method, which help mapping the phosphate deposit inclusions and the estimations of phosphate reserves were improved and better constrained.     

Applications of Savitzky-Golay Filter for Seismic Random Noise Reduction

This article utilizes Savitzky–Golay (SG) filter to eliminate seismic random noise. This is a novel method for seismic random noise reduction in which SG filter adopts piecewise weighted polynomial via leastsquares estimation. Therefore, effective smoothing is achieved in extracting the original signal from noise environment while retaining the shape of the signal as close as possible to the original one. Although there are lots of classical methods such as Wiener filtering and wavelet denoising applied to eliminate seismic random noise, the SG filter outperforms them in approximating the true signal. SG filter will obtain a good tradeoff in waveform smoothing and valid signal preservation under suitable conditions. These are the appropriate window size and the polynomial degree. Through examples from synthetic seismic signals and field seismic data, we demonstrate the good performance of SG filter by comparing it with the Wiener filtering and wavelet denoising methods.     

A regularized Wiener–Hopf filter for inverting models with magnetic susceptibility

For a magnetic target, the spatial magnetic signal can be expressed as a convolutional integral over Green's function of an assumed model with susceptibility as its parameter. A filter can be used to obtain the susceptibility by minimizing the mismatch between observed and the computed magnetic anomalies. In this perspective, we report the development of an advanced digital filter, which is efficient and can be used to map rock susceptibility from the acquired magnetic data. To design the new filter, we modified the space‐domain standard Wiener–Hopf filter by imposing two different constraints: (i) the filter energy constraint; and (ii) normalization of the filter coefficients. These constraints make it capable to characterize source bodies from their produced magnetic anomalies. We assume that the magnetic data are produced by induced magnetization only and interpretation can be as good as the subsurface model. Our technique is less sensitive to the data noise, which makes it efficient in enhancing the interpretation model. The modified filter demonstrates its applicability over the synthetic data with additive white Gaussian noise. In order to check the efficacy and adaptivity of this tool in a more realistic perspective, it is also tested on the real magnetic data acquired over a kimberlitic district adjoining to the western margin of the Cuddapah Basin in India to identify the source bodies from the anomalies. Our result shows that the modified Wiener–Hopf filter with the constraint for the magnetic data is more stable and efficient than the standard Wiener–Hopf filter.     

A seismic interpolation and denoising method with curvelet transform matching filter

A new seismic interpolation and denoising method with a curvelet transform matching filter, employing the fast iterative shrinkage thresholding algorithm (FISTA), is proposed. The approach treats the matching filter, seismic interpolation, and denoising all as the same inverse problem using an inversion iteration algorithm. The curvelet transform has a high sparseness and is useful for separating signal from noise, meaning that it can accurately solve the matching problem using FISTA. When applying the new method to a synthetic noisy data sets and a data sets with missing traces, the optimum matching result is obtained, noise is greatly suppressed, missing seismic data are filled by interpolation, and the waveform is highly consistent. We then verified the method by applying it to real data, yielding satisfactory results. The results show that the method can reconstruct missing traces in the case of low SNR (signal-to-noise ratio). The above three problems can be simultaneously solved via FISTA algorithm, and it will not only increase the processing efficiency but also improve SNR of the seismic data.     

三维共偏移距叠前地震数据反假频射线束形成偏移成像

对稀疏/非规则采样或者低信噪比数据,射线束提取困难并伴随有假频产生,对叠加剖面和道集造成严重干扰.为了提升射线束偏移在稀疏和低信噪比地震数据采集中的成像效果,本文提出基于三角滤波的局部倾斜叠加波束形成偏移假频压制方法.射线束偏移首先将地震数据划分为超道集,经过部分NMO后转化为以射线束中心定义的共偏移距数据,倾斜叠加和反假频操作均在局部共中心点坐标上实现.时间域倾斜叠加是对地震数据的时移累加操作,三角低通滤波同样可以在时间域完成,在对地震数据进行因果和反因果积分后,亦为地震数据的时移累加.因此,三角低通滤波与倾斜叠加可在时间域结合同时完成,避免了频域滤波的正反傅里叶变换.本文在反假频公式中加入权重系数,用以对反假频的程度进行控制,达到分辨率和噪声压制的最佳折衷.以某海上三维实际数据为例,文中展示了反假频射线束形成对偏移叠加剖面和共成像点偏移距道集中的噪声进行了有效压制.     

基于核主成分分析的时间域航空电磁去噪方法

时间域航空电磁数据往往在测量过程中受到天然和人文噪声的干扰.如果不能很好滤除这些电磁噪声,那么将会降低资料质量、影响反演的精度,甚至获得错误的解释结果.本文提出了一种基于核主成分分析的去噪方法,通过核主成分分析提取叠加后衰减曲线的主成分,然后使用能量占比方法分离反映地下介质的有效信号和噪声,最后使用反映地下介质的特定成分进行重构.本文所推荐的去噪方法不仅能剔除天然噪声,例如天电产生的尖脉冲或者振荡,而且能有效地抑制人文噪声.分别使用基于核主成分分析的去噪方法,以及AeroTEM软件的处理方法对同样的吊舱式时间域直升机航空电磁勘查系统实测数据进行处理,并比较其结果.处理结果表明：所推荐的去噪方法要优于AeroTEM软件.     

Seismic data reconstruction based on CS and Fourier theory

Traditional seismic data sampling follows the Nyquist sampling theorem. In this paper, we introduce the theory of compressive sensing (CS), breaking through the limitations of the traditional Nyquist sampling theorem, rendering the coherent aliases of regular undersampling into harmless incoherent random noise using random undersampling, and effectively turning the reconstruction problem into a much simpler denoising problem. We introduce the projections onto convex sets (POCS) algorithm in the data reconstruction process, apply the exponential decay threshold parameter in the iterations, and modify the traditional reconstruction process that performs forward and reverse transforms in the time and space domain. We propose a new method that uses forward and reverse transforms in the space domain. The proposed method uses less computer memory and improves computational speed. We also analyze the antinoise and anti-aliasing ability of the proposed method, and compare the 2D and 3D data reconstruction. Theoretical models and real data show that the proposed method is effective and of practical importance, as it can reconstruct missing traces and reduce the exploration cost of complex data acquisition.     

基于迭代去噪的多源地震混合采集数据分离

多源地震混合采集采用随机线性编码方式同时激发多个震源,检波器连续接收地震信号,获得波场混叠的炮记录.该采集技术能够显著提升采集效率和成像质量,其实现关键在于炮分离,即将相互混叠的多源波场数据彼此分离,获得传统采集的单炮记录.最小平方算法只能得到伪分离记录,不能去除混叠噪声.在高混合度的混叠数据中,混叠噪声的能量往往数倍于有效信号,炮分离难度倍增.但在伪分离记录中,该噪声在除共炮点道集以外的其它时域均为随机分布.本文研究提出了一种多时域组合迭代去噪的炮分离技术:通过运用多级中值滤波与Curvelet阈值迭代去噪算法,在不同时域根据混叠噪声特性采用相应的去噪手段,并设计迭代算法优化炮分离结果.实际资料处理结果证明:将本方法应用于高混合度的混叠数据,无论是分离质量还是计算效率,都有明显提升.     

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.     

S变换在面波去噪中的应用r

S变换是一种用于分析非平稳信号的时频变换方法, 可以很好地刻画地震信号的时频特性. 本文将S变换用于地震面波数据的噪声去除中, 首先介绍了S变换的理论基础, 然后设计了时频滤波和阈值滤波两种方法, 分别对天然地震面波数据和背景噪声数据进行去噪处理, 并与相位匹配滤波进行了比较． 结果表明, 面波数据经S变换去噪后, 群速度频散曲线的短周期部分得到改善, 能够连续追踪至6 s左右, 但长周期部分出现了缺失; S变换去噪的效果优于相位匹配滤波, 两者相结合会得到更加理想的结果．