基于脉冲检测的混合震源数据分离

混合震源采集技术相对于传统地震数据采集具有改善成像质量、提高采集效率的优势.减小混合炮中单炮之间的随机延时范围能够有效的提高采集效率,但这也给之后的混采数据分离带来了影响.混采数据经伪分离后非共炮域数据中的混叠噪声明显更加集中,不利于对混叠噪声进行压制.本文提出基于脉冲检测方法对混采数据进行分离,并且与迭代的多级中值滤波方法作对比,时间延时范围较大时,两种方法都能得到很好的分离结果;时间延时范围较小时,本文方法能更有效的去除混叠噪声,同时也能更好的保留细节信息.实际数据计算结果表明,本文方法一定程度上还能够有效压制其他随机噪声.     

主成分分析和字典学习联合地震数据去噪方法

为能获得高信噪比的地震数据,笔者提出了一种基于K-SVD字典学习和主成分分析(PCA)相结合的主成分字典学习算法。与K-SVD算法对误差项直接采用奇异值分解来更新字典原子不同,笔者采用PCA算法分解误差项,并使用第一主成分作为字典原子的更新。通过对复杂模型合成地震记录与实际地震记录进行对比实验,得出该方法较K-SVD算法信噪比大约提高1～1.5 dB,能更好地保护有效信号。