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。