基于混合时频分析技术的地震数据噪声压制(英文)

针对复杂地质结构、陡倾角相干噪声、空间采样不均匀等情况下F-x域反褶积去噪技术的不足,提出首先应用具有时-频聚集性度量准则的广义S变换将时间-空间域的地震数据变换至时间-频率-空间域(t-f-x)的数据,在t-f-x域中对每一个频率切片应用经验模态分解(EMD),移除噪声占主导地位的本征模态函数以压制相干和随机噪声的滤波方法。模型分析表明第一本征模态函数表征的高频信息以噪声为主,移除第一本证模态函数可以达到压制噪声的目的。经广义S变换后形成t-f-x域中EMD滤波方法等效于具有依赖于空间位置、频率、高波数截断特征的自适应f-k滤波。此滤波方法考虑了数据的局部时-频特征,且具有执行简单的特点。与AR预测滤波方法比较,此法滤除的成分包含较少的低波数的信息,滤除的成分非常的局部化,且获得结果没有表现出过度平滑的特征。实际资料的应用表明在经广义S变换后形成t-f-x域中运用EMD滤波方法能够有效地压制随机和陡倾角相干噪声。     

基于分数阶小波域GSM模型的地震信号随机噪声压制方法

地震信号中的随机噪声是一种干扰波,严重降低了地震信号的信噪比,并影响着资料的后续处理和分析.本文根据地震信号中有效信号和随机噪声的差异,结合分数阶B样条小波变换与高斯尺度混合模型提出了一种地震信号随机噪声压制方法.首先利用分数阶B样条小波变换将含噪地震信号映射到最优分数阶小波时频域内,然后对各小波子带系数分别建立高斯尺度混合模型,由贝叶斯方法估计出源地震信号小波系数,最后使用分数阶B样条小波逆变换重构得到降噪后的地震信号.利用本文方法对合成地震记录和实际地震信号进行降噪处理,实验结果表明本文方法能够有效地压制地震信号中的随机噪声,并且较好地保留了有效信号.

     

地震信号分数阶Gabor变换谱分解方法及应用

本文将分数阶Gabor变换(FrGT)引入到地震信号的分析与处理中,即利用新近兴起的分数域时频分析技术及其良好的局部时频能量聚集特性,进行地震信号的分数域谱分解及特征分析.论文在基本Gobor变换原理基础上推导了FrGT的公式及紧支撑时频带宽积下的最优阶次确定方法,建立了FrGT的一般流程,并进行了信号的数值仿真和性能分析.最后,将该方法应用于实际地震信号的时频分析,可获得最优阶下的各个高分辨率的单频剖面.解释结果表明,该方法具有潜在优势,可为地震储层预测,尤其是储层流体识别应用提供一条新的途径.     

基于数据增广和CNN的地震随机噪声压制

卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容.

     

基于多路径Radon变换的地震数据噪声压制和波型分离方法研究

Radon变换是一种稀疏变换,被广泛应用于地震数据处理,其中线性Radon和抛物Radon最为常用.在实际地震数据中,直达波和面波的同相轴形态为线性,反射波为双曲型,单独使用线性Radon或抛物Radon变换时,不能确保所有同相轴在变换域的系数都是稀疏的,影响地震数据处理效果.本文提出的多路径Radon变换联合了线性Radon变换和抛物Radon变换,每个同相轴都有两种不同的变换参数来与积分路径相适应,能够兼顾不同形态的同相轴;然后利用最小二乘稀疏反演方法对不同形态同相轴匹配最佳积分路径,使其自动分离到两个不同的Radon域剖面且保持系数同时稀疏.从多路径Radon域剖面上,能够很容易地识别不同系数所对应的同相轴形态、时间截距以及速度,这些特征有利于提高利用Radon变换方法进行随机噪声压制、面波压制以及波型分离等技术的处理效果,该变换在模型数据和实际数据中的应用结果证明了本文方法有效性.

     

沙漠地区地震勘探随机噪声建模及其在噪声压制中的应用

随机噪声是影响地震勘探有效信号的主要因素,其存在大大降低了地震记录的信噪比.在噪声压制方法不断被改进的同时,对随机噪声特性进行研究,了解噪声的产生机制是对其进行压制的先决条件,目前对噪声的研究主要是特性研究以寻找规律性,对其进行定性定量的分析还比较少.本文根据塔里木沙漠地区实际采集环境,考虑到噪声的连续性给计算带来的不便,假设各类噪声源以点源的形式分布在检波器周围,依据相应理论确定各类噪声源的源函数,其激发的噪声经由波动方程传播,将随机噪声作为各类噪声源共同作用的综合波场,建立随机噪声的理论模型.通过分析不同种噪声对地震记录的影响,选取合适的滤波方法对其进行压制,实验结果表明,通过建立沙漠地区随机噪声的理论模型,为选择有效的滤波方法,提高地震记录信噪比起到理论指导作用.     

地震映像数据的时频分析方法及应用

本文研究地震映像数据的时频解释方法.采用短时傅立叶变换方法获得地震映像记录频谱的时间与空间分布,根据介质对地震波频谱影响的基本规律,通过分析已知地质断面地震映像记录频谱的时间与空间分布,研究了综合利用频率域和时间域信息进行地震映像数据解释的效果.时频分析方法提取了地震波的频谱中关于地层岩性、构造方面的信息,为地震映像数据的处理和解释提供了更多的参考信息.实例证明,利用时频分析解释地震映像数据,有助于了解覆盖层下岩性变化、薄层的分布范围、探测隐伏土洞、确定混凝土构件中缺陷位置,提高地震映像数据的解释精度和准确性.     

基于匹配追踪和遗传算法的大地电磁噪声压制

针对匹配追踪计算量大、大地电磁数据处理效率低的问题,提出基于匹配追踪和遗传算法的大地电磁噪声压制方法.首先,利用Gabor原子构建过完备原子库,并对过完备原子库集合进行划分.然后,借助遗传算法的自适应性,快速搜寻最优匹配原子及所在位置.最后,运用最优匹配原子对待处理信号进行稀疏分解,重构有用信号.通过对计算机模拟的典型强干扰和矿集区实测大地电磁数据进行分析处理,实验结果表明,相对于匹配追踪和正交匹配追踪,文中所提方法能从过完备原子库中快速、自适应地选取最优匹配原子与不同噪声干扰类型高精度的匹配,极大地提升了计算效率;大地电磁时间域序列中的大尺度强干扰被有效剔除,视电阻率曲线更为光滑、连续,低频段的数据质量得到明显改善.

     

时频联合分析地震计正弦标定数据

介绍短时傅里叶变换,分析地震计正弦标定信号的特点,提出基于时间域和频率域联合分析正弦标定波形组起始点的方法,可以准确找出每组正弦标定信号的频率和振幅,计算地震计的速度响应灵敏度。     

时频联合分析地震计正弦标定数据

介绍短时傅里叶变换,分析地震计正弦标定信号的特点,提出基于时间域和频率域联合分析正弦标定波形组起始点的方法,可以准确找出每组正弦标定信号的频率和振幅,计算地震计的速度响应灵敏度。     

分数阶S变换:第一部分,理论(英文)

S变换(ST)结合了小波变换和短时傅里叶变换的特性,对信号处理具有良好的局部时频聚集性.分数阶傅里叶变换是一种对非平稳信号分析的工具.本文基于分数阶傅里叶变换和S变换的思想,提出了分数阶S变换(FRST),将S变换从时间-频率域推广到时间-分数阶频率域,推导了它的逆变换公式并研究了其数学性质。分数阶S变换(FRST)具有分数阶傅里叶变换和S变换的优点,增强了S变换对信号处理的灵活性。相比于S变换,分数阶S变换能提高信号时频分辨能力。仿真实验证实了该方法的有效性。     

GNMF小波谱分离在地震勘探噪声压制中的应用

地震勘探资料噪声压制及信噪比提高是整个地震勘探信号处理过程中的重要任务,随着地震勘探深度的增加及其复杂性,人们对地震数据质量的要求越来越高.勘探环境的复杂化使得采集到的地震资料中有效信号被大量噪声淹没,无法清晰辨识,严重影响后续的数据处理与解释.小波去噪是地震勘探中常用且发展较成熟的一种方法,但是其涉及到的阈值函数选取问题一直令人困扰,虽然已有多种阈值函数被提出,但仍存在各自的缺陷.本文利用小波分解在时域及频域良好的信号细节体现特性,引入模式识别中的非负矩阵分解(NMF)谱分离思想,针对小波系数阈值优化问题,提出了一种小波域图非负矩阵分解(GNMF)消噪算法.该方法首先在小波分解基础上,利用GNMF算法实现小波分解系数谱中信号分量与噪声分量的谱分离,然后通过反变换重构各分离子谱对应的子信号,最后利用K均值聚类算法将得到的多个子信号划分为信号类及噪声类,最终得到重构信号及分离噪声.合成记录和实际地震资料的消噪结果验证了新方法在提高信号与噪声分离准确性和精度方面的有效性,同时新方法避免了阈值选取造成的噪声压制不理想或有效成分损失问题.与小波消噪结果的对比及数值分析也说明了新方法在噪声压制及有效成分保持方面的优势.     

基于时频变换的低信噪比地震信号初至拾取

初至拾取是勘探地震资料处理中最基础的工作之一,现有的初至拾取方法日趋成熟.但当信号信噪比较低时,常规方法的拾取精度随之降低,因此一些适用于低信噪比数据的拾取方法被提出.其中应用较广泛的是基于时频分析的初至拾取方法,由于拾取过程涉及时频正变换和逆变换,效率较低,鉴于此,基于时频系数的叠加结果和时间域信号具有相同波形特征的特点,提出了一种在时频域直接开展初至拾取的方法,首先将数据转入时频域,然后采用自适应的噪声衰减方法进行噪声压制,最后在时频域直接拾取初至.模拟和实际数据的拾取结果证实,该方法在低信噪比的环境下,可以获得高于常规方法的拾取精度,并且比基于小波变换的其他方法更节省计算成本.     

基于孪生网络的人工震源分布式光纤传感数据噪声压制

受耦合效应和其他诸多因素的影响,野外实际采集的分布式光纤声波传感(Distributed Fiber-optic Acoustic Sensing,DAS)数据的信噪比通常较低.因此,在后续处理之前,需要首先对DAS数据进行去噪处理.传统的基于人工智能监督学习的去噪方法能够对DAS数据中的噪声进行压制,但它需要大量含噪声和无噪声数据进行成组标记,人工标记工作量巨大.为此,本文提出了基于自监督学习孪生网络的DAS地震数据去噪方法.该方法基于自监督学习中的孪生网络结构,采用U-Net网络建立深度学习框架.所提框架通过对输入的含噪声数据进行数据自我特征学习,迭代获取去噪目标函数的最优解,从而实现自监督高精度深度学习去噪网络构建.合成数据和实际资料处理结果表明,本文方法可以有效抑制人工震源DAS采集数据中的随机噪声,显著提高去噪结果的信噪比和同相轴的连续性.此外,本文方法能够避免常规监督学习方法需要进行数据标记的人工工作量,有效提高实际地震数据去噪处理效率.

     

小地震与人工爆破记录的时频分析

基于Matlab软件,编制了对近震记录进行时-频分析试验研究的程序,搜集2006—2008年间首都圈地区震级介于ML2.4~2.7的5次天然地震和5次人工爆破的27个台站的宽频带记录,根据震中距离的相似性挑选5组天然地震和人工爆破地震,分析其时频特征。对于所有的数据都给出其三分向的时频图、原始波形图和频谱图,以及水平向和三分向的叠加图。分析结果表明,天然地震和人工爆破的记录具有明显不同的时频特征,天然地震的时频呈现出"多峰"特征,而人工爆破的时频分布则相对"少峰";天然地震的时频峰值分布在较宽的频率范围内,人工爆破的峰值则分布在频率较低的相对狭窄的范围内。通过以上实践,发现时频分析在分析不同时间点的频谱信息以及整个数据的时频分布特点时比傅里叶变换具有优势。     

基于改进双边滤波的GPR图像强振幅噪声压制算法

目前探地雷达数据处理更多地是直接引入其他领域的图像和信号处理方法,如中值滤波、小波变换和剪切变换等去噪方法．存在效率低、图像边缘保持差、噪声处理不彻底等缺点,且滤波效果取决于噪声的类型．为此,提出了一种结合探地雷达倾角信息和相关性信息的改进双边滤波算法．首先,分别基于梯度平方的结构张量算法和相似系数分析方法提取了探地雷达局部倾角信息和相关性信息;然后利用所提取的角度信息构建高斯角度相似权值函数,并将该函数代替双边滤波算法中的高斯空间权值函数,增强噪声压制的方向性;将双边滤波算法中的高斯像素相似度权值函数中心点代替为邻域内的中值,提高雷达图像中的奇异点噪声压制能力;最后在权值函数中结合相关系数信息,进一步压制强振幅噪声．数值模拟和实际数据分析结果表明,本文改进算法能够有效压制随机噪声和强振幅噪声,增强振幅的连续性．     

Hilbert-Huang 变换与大地电磁噪声压制

大地电磁信号具有非线性、非平稳、非最小相位特征,不符合以Fourier变换为基础的传统功率谱估计的基本要求. Hilbert-Huang变换是近年发展起来的处理非线性、非平稳信号的完全局部时频分析方法. 本文在简要介绍Hilbert-Huang变换基本原理与算法基础上,以实际数据分析为例,探讨了它在大地电磁信号处理及噪声压制中的应用. 提出利用Hilbert时-频能量谱对大地电磁信号进行时段筛选,以提高信号品质,增强数据处理的质量和资料的可解释性. 利用经验模态分解方法及其多尺度滤波特征,可以有效地分析MT信号中的噪声分布特征,并进行干扰压制.     

基于深度卷积神经网络的地震数据随机噪声压制

本文以提高地震数据的成像质量为目标,提出一种智能的卷积神经网络降噪框架,从带有噪声的地震数据中自适应地学习地震信号。为了加速网络训练和避免训练时出现梯度消失现象,我们在网络中加入残差学习和批标准化的方法,并采用了ReLU激活函数和Adam优化算法优化网络。此外,Marmousi和F3数据集被用来对网络进行训练和测试,经过充分训练的网络不仅能在学习中保留地震数据特征,而且能去除随机噪声。首先充分地训练网络,从中提取出随机噪声,并保留学习到的地震数据特征,之后通过重建地震数据估算测试集中的波形特征。合成记录和实际数据的处理结果显示了深度卷积神经网络在随机噪声压制任务中的潜力,并通过实验验证表明了深度卷积神经网络框架有很好的去噪效果。      

间歇湍流的分形特征——分数维及分数阶导数的应用

分数维由Mandelbrot创立已有30年,分数阶导数在1695年由L’Hospital提出已有400年的历史.本文用物理学中的间歇湍流问题说明分数维及分数阶导数的物理意义.由于间歇湍流涡旋不完全充满空间,所以其维数为2相似文献   

数学形态滤波与大地电磁噪声压制

数学形态滤波是一种新型的非线性滤波方法.介绍了形态学滤波的基本原理,针对大地电磁信号表现出的非线性、非平稳性和非最小相位特性,综合结构元素特征我们提出一种基于数学形态滤波的大地电磁噪声压制方法.为了有效抑制目标信号中的噪声干扰及修正统计偏倚现象,通过选用合理的结构元素及形态开-闭、闭-开组合,将正、负结构元素级联构造组合广义形态滤波器对实测大地电磁信号进行噪声压制.实验结果表明,该方法是切实可行的,有效地剔除了大尺度干扰及基线漂移,较好地还原了大地电磁信号的原始特征,修正了标准形态算子所产生的统计偏倚现象,去噪精度高.该方法计算速度快,具有潜在优势,为矿集区海量大地电磁信号与强干扰的分离提供了一条新的途径,应用前景广阔.