地震信号随机噪声压制的双树复小波域双变量方法

有效地压制地震信号中的噪声是地震信号解释和后续处理的重要环节之一.本文建立两种双树复小波域双变量模型对地震信号中的随机噪声进行压制.地震信号经双树复小波变换后,同一方向实部与虚部系数、实部(或虚部)系数与对应的模之间存在较强的相关性.鉴于此,对同一方向实部与虚部小波系数建立双变量模型,从含噪地震信号小波系数中估计原始信号的小波系数,再基于双树复小波逆变换重构得到降噪后的地震信号.进一步对同一方向实部(或虚部)系数与对应的模建立双变量模型,得到地震信号随机噪声压制的第二种双树复小波域双变量方法.最后对合成地震记录和实际地震资料中的随机噪声进行压制的实验结果证实本文两种方法都能够有效地压制地震信号中的随机噪声.     

基于平移不变量小波的全张量重力梯度数据滤波（英文）

全张量重力梯度(FTG)数据包含大量场源体的细节信息,其滤波处理对异常的反演和解释结果有重要影响,本文提出一种基于平移不变量小波的自适应混合阈值滤波方法,可有效压制随机噪声并保留数据细节信息。建立了新的混合阈值法,根据信号和随机噪声所对应小波系数的能量分布进行滤波。平移不变量小波能有效压制伪吉布斯现象,混合阈值方法相对传统阈值能得到更好的信噪小波系数的分离,同时,根据每个分解尺度上小波系数的统计特性,使用自适应贝叶斯阈值进行小波系数的处理。此外,应用二维离散小波变换直接处理网格数据,可以提高计算效率。模型数据和实测数据处理的结果表明,相对高斯滤波器,本文所提出的方法不仅能有效去除高斯白噪声,还能更好地保留FTG数据的高频细节信息,具有良好的实际应用前景。     

基于分数阶傅里叶变换的混合Cadzow滤波法

常规频率域SVD滤波法在随机噪声压制处理时,容易造成弯曲同相轴损伤。针对这一问题,本文提出一种基于分数阶傅里叶变换的混合Cadzow滤波法压制三维地震数据中随机噪声的方法。首先应用分数阶傅里叶变换,将地震数据变换到时频面,再依据Eigenimage滤波法与Cadzow滤波法建立混合的高维Hankel矩阵,然后对其运行奇异值分解,最后通过秩约化的方法来压制随机噪声。此方法用于四川某地区的地震数据处理,结果表明该方法可有效地去除随机噪声,保护有效信号,提高叠后地震数据的信噪比。     

三参数小波变换自适应阈值压制地震数据高频随机噪声

在有效压制高频随机噪声的基础上,最大限度保留有效信号一直是地震数据降噪处理中的难点.小波变换阈值降噪因其优秀的降噪效果和较高的计算效率受到地球物理学家们的青睐.在小波变换阈值降噪中,小波基、阈值函数以及阈值是影响降噪效果的3个关键因素.针对这3个关键因素开展相关研究：(1)采用更加适合地震信号分解的三参数小波作为母小波,可以更好进行信噪分离;(2)采用改进的阈值函数克服传统硬、软阈值函数的不足,基于改进阈值函数得到的降噪地震数据不仅波形光滑、连续,而且基本保持原始信号的特征,综合了硬阈值和软阈值函数的优点;(3)针对统一阈值“过扼杀”有效信号这一缺点,提出自适应阈值,自适应阈值不单以能量为标准进行有效信号和噪声的识别,还考虑有效信号小波系数的相关性,避免有效信号被当成噪声舍弃.最后通过模型试算和实际地震数据验证所提方法的有效性和实用性.     

基于正交多项式变换的CMP动校正道集随机噪声压制

本文提出了一种新的基于正交多项式变换来压制动校正后CMP道集上随机噪声的方法,将地震资料经过正交多项式变换,建立正交多项式系数谱,该谱描述了地震资料在正交多项式域的能量分布,可以较好地分离有效波和随机噪声,相对于固定阶次的基于正交多项式变换压制噪声的方法,所提出的方法根据能量随阶次变化的规律,自适应确定表达有效信号的正交多项式阶次,既提高了信号和噪声的分离效果,又有效地保护了地震信号中的AVO信息,对人工合成数据和实际资料的处理结果表明了所提出方法的有效性.     

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.     

叠前地震资料噪声衰减的小波域方法研究

讨论了叠前地震记录中随机噪声的模拟方法，采用定性分析与Monte Carlo仿真相结合的方法，研究了在物理小波为基本小波的变换域该类随机噪声局部小波功率谱的统计特性，得出：其局部小波功率谱服从χ22分布.在此基础上，利用假设检验给出了在给定置信度下确定有效信号在小波变换域内能量分布空间的方法，通过在有效信号能量分布空间重建信号来压制噪声.给出了模型及实际地震资料算例，证明了本文提出的方法的有效性.     

改进的正交多项式变换在地震资料去噪中的应用

水平叠加虽然在很大程度上压制了噪声,提高了地震剖面的信噪比,但CMP遭集上还存在不少不是一次波的规则干扰和随机噪声,不利于叠前资料的岩性反演和叠后资料的波阻抗反演.本文提出了基于改进的正交多项式变换压制地震资料中随机噪声的方法,其优势在于:通过对不同时间信号的奇异值分解,确定有效信号正交多项式系数谱的阶数;再利用小波变换,改善有效信号和噪声在低阶上的混叠.文中给出了具体处理的过程,数据试验和实际资料的处理结果表明该方法不仅能有效地压制噪声,而且还能较好地保护地震数据中AVO变化特征.     

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.     

基于经验模态分解的分数维地震随机噪声衰减方法

经验模态分解算法(EMD)是一种基于有效波和噪声尺度差异进行波场分离的随机噪声压制方法,但由于实际地震数据波场复杂,导致模态混叠较严重,仅凭该方法进行去噪很难达到理想效果.本文基于EMD算法对信号多尺度的分解特性,结合Hausdorff维数约束条件,提出一种用于地震随机噪声衰减的新方法.首先对地震数据进行EMD自适应分解,得到一系列具有不同尺度的、分形自相似性的固有模态分量(IMF);在此基础上,基于有效信号和随机噪声的Hausdorff维数差异,识别混有随机噪声的IMF分量,对该分量进行相关的阈值滤波处理,从而实现有效信号和随机噪声的有效分离.文中从仿真信号试验出发,到模型地震数据和实际地震数据的测试处理,同时与传统的EMD处理结果相对比.结果表明,本文方法对地震随机噪声的衰减有更佳的压制效果.     

小波变换的过零点特性与地震勘探信号的信噪比和分辨率

利用小波变换研究地震勘探信号小波变换的过零点特性，本文提出了用小波变换的过零点特性和地震勘探信号相邻道的横向相关性提高信号分辨率和信噪比的新方法．该方法包括两个主要步骤：①利用相邻地震道信号具有很好相关性，而噪音相关性差的特点以及小波变换的过零点特性得到有效反射波同相轴随空间坐标的变化信息．②利用奇异值分解和最小二乘（SVD-TLS）方法沿同相轴对振幅进行多项式拟合去噪并增加信号高频提高信号分辨率．     

Translation-invariant wavelet denoising of full-tensor gravity –gradiometer data

Denoising of full-tensor gravity-gradiometer data involves detailed information from field sources, especially the data mixed with high-frequency random noise. We present a denoising method based on the translation-invariant wavelet with mixed thresholding and adaptive threshold to remove the random noise and retain the data details. The novel mixed thresholding approach is devised to filter the random noise based on the energy distribution of the wavelet coefficients corresponding to the signal and random noise. The translationinvariant wavelet suppresses pseudo-Gibbs phenomena, and the mixed thresholding better separates the wavelet coefficients than traditional thresholding. Adaptive Bayesian threshold is used to process the wavelet coefficients according to the specific characteristics of the wavelet coefficients at each decomposition scale. A two-dimensional discrete wavelet transform is used to denoise gridded data for better computational efficiency. The results of denoising model and real data suggest that compared with Gaussian regional filter, the proposed method suppresses the white Gaussian noise and preserves the high-frequency information in gravity-gradiometer data. Satisfactory denoising is achieved with the translation-invariant wavelet.     

基于提升算法和百分位数软阈值的小波去噪技术

在地震勘探领域,随机噪声一直是影响地震信号信噪比的主要因素之一,如何从被干扰的地震信号中有效去除随机噪声并保护有用信号具有重要的意义.针对经典小波变换在计算效率方面的缺陷,本文推荐应用提升算法实现第二代小波变换的构建,分析和对比了提升算法(Lifting Scheme)下不同小波变换方法的特性,选取更加符合小波域去噪原理的CDF 9/7双正交小波变换作为基本算法,同时应用了简单、有效的百分位数(Percentiles)软阈值进行信噪分离.通过理论模型处理,本方法可以在去噪能力和保护有用信号之间找到很好的平衡点.实际剖面的处理效果表明,此方法不仅能有效的滤除随机噪声,而且很好地保护有用信号,提高地震数据分析的精确性.     

MAXIMUM LIKELIHOOD ESTIMATION OF SEISMIC REFLECTION COEFFICIENTS*

A seismic trace is modeled as a moving average (MA) process both in signal and noise: a signal wavelet convolved with a reflection coefficient series plus colored random noise. Seismic reflection coefficients can be estimated from seismic traces using suitable estimation algorithms if the input wavelet is known and vice versa. The maximum likelihood (ML) algorithm is used to estimate the system order and the reflection coefficients. The system order is related to the arrival time of the latest signal in a complex seismic reflection event. The least-squares (LS) method does not provide such information. The ML algorithm makes assumptions only about the Gaussian nature of the noise. It is better suited for seismic applications since the LS method inherits the white noise assumption. The Gauss-Newton (G-N) and Newton-Raphson (N-R) optimization algorithms are used to obtain the ML and the LS estimates. Reflection coefficient estimations are affected by the choice of sampling rate of seismic data. Theoretically, the optimum choice in system identification is the Nyquist rate. Experience with synthetic data confirms the theory. In practice, good estimates of reflection coefficients are possible only up to certain pulse separations (or, equivalently, orders). This is mostly due to numerical problems with the optimization algorithms used and partly due to the limited bandwidth of seismic signals. Good estimates from data simulated using three airgun array pulses recorded with 6–128 Hz filter setting are possible up to about 40.0 ms pulse separations. Successful estimations from pinchout and thin layer simulations and well controlled offshore “bright-spots” are given.     

基于非稳态多项式拟合的地震噪声衰减方法研究(英文)

基于非稳态多项式拟合理论,针对地震数据中同相轴振幅变化这一特征,我们提出了一种地震噪声衰减的新方法。非稳态多项式拟合系数是时变的,通过整形正则化约束多项式拟和系数的光滑性,自适应的估计地震数据的相干分量。基于动校正后的共中心点道集(CMP)中地震信号的相干性,利用非稳态多项式拟合估计有效信号,从而衰减随机噪声。对于线性相干噪声,如地滚波,首先利用径向道变换(RadialTraceTransform,RTT)将地震数据变换到时间一视速度域,在时间—视速度域利用非稳态多项式拟合估计出相干噪声,然后减去相干噪声。该方法可以有效的估计振幅变化的相干分量,不需要相干分量振幅为常量的假设。模拟和实际资料处理结果表明,与传统的稳态多项式拟合和低切滤波相比,该方法可以更为有效的衰减地震噪声,同时保真了地震有效信号。     

Contourlet based seismic reflection data non-local noise suppression

In this paper, we propose a non-local, transform domain noise suppression framework to improve the quality of seismic reflection data. The original non-local means (NLM) algorithm measures similarities in the data domain and we generalize it in the nonsubsampled contourlet transform (NSCT) domain. NSCT gives a multiscale, multiresolution and anisotropy representation of the noisy input. The redundancy information in NSCT subbands can be utilized to enhance the structures in the original seismic data. Like the wavelet transform, NSCT coefficients in each subband follow the generalized Gaussian distribution and the parameters can be estimated using appropriate techniques. These parameters are used to construct our proposed NSCT domain filtering algorithm. Applications for synthetic and real seismic data of the proposed algorithm demonstrate its effectiveness on seismic data random noise suppression.     

Vibrator Data Denoising Based on Fractional Wavelet Transform

In this paper, a novel data denoising method is proposed for seismic exploration with a vibrator which produces a chirp-like signal. The method is based on fractional wavelet transform (FRWT), which is similar to the fractional Fourier transform (FRFT). It can represent signals in the fractional domain, and has the advantages of multi-resolution analysis as the wavelet transform (WT). The fractional wavelet transform can process the reflective chirp signal as pulse seismic signal and decompose it into multi-resolution domain to denoise. Compared with other methods, FRWT can offer wavelet transform for signal analysis in the timefractional-frequency plane which is suitable for processing vibratory seismic data. It can not only achieve better denoising performance, but also improve the quality and continuity of the reflection syncphase axis.     

一种神经网络改进小波的地震数据随机噪声去除方法

地震资料的有效信号反射弱,且易受多次波的影响,不可避免地存在随机噪声干扰。提出一种基于神经网络改进小波的地震数据随机噪声去除方法,采用神经网络模型,识别出随机噪声信号,对该信号进行小波包分解,获取多类别随机噪声信号,采用级联BP神经网络模型提取出多类别随机噪声信号,实现地震数据的随机信号压制。实验结果显示,这种改进小波方法对地震数据随机噪声信号的去噪效果较好,在复杂沉积地质结构被探测介质的地震数据随机噪声压制方面具有较强的适用性。     

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.