排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
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。 相似文献
2.
在微地震监测中有效微地震信号的识别是关键步骤。常规的微地震有效信号识别方法基于单道长短时窗能量比,受噪音影响较大,对于信噪比较低的事件无法准确识别。利用多道记录数据之间的信号相关性好而信号与噪音相关性差的特点,通过记录道自相关求取总能量和相邻记录互相关求取信号能量,以有效信号能量所占比即含信能量比作为门槛值进行有效信号识别,信号识别过程中利用多道互相关对噪音进行了有效压制,提高了微地震信号识别的压噪能力,通过模型数据和实际资料处理验证了方法的有效性。 相似文献
3.
地球物理反演是获取地球信息的重要手段,其求解具有严重的不适定性.为获得稳定的反问题结果,通常需要在目标泛函中加入正则化约束项.正确地估计正则化参数一直是地球物理反问题中的难点.目前存在的选取方法需要根据大量的试验来确定正则化参数,工作量十分巨大,并且存在很大的经验性,很难得到最优的正则化参数.针对这个问题,本文提出了一种基于广义Stein无偏风险估计的正则化参数求取方法.该方法的具体思路是通过求解模型参数均方误差的广义Stein无偏风险估计函数,在反问题求解过程中自动求取正则化参数.本文模型测试结果表明,相比于目前常用的方法,通过该方法得到的正则化参数是最优的. 相似文献
1