基于自相关函数特性的CEEMD全局阈值去噪方法研究

完备总体经验模态分解(CEEMD)克服了经验模态分解(EMD)的模态混叠问题,依据信号自身的特点,将待分析的复杂信号分解为一系列不同尺度的固有模态函数(IMF)的子信号,且各IMF分量的频率由高到低依次排列,是一种适用于分析处理非线性非平稳信号的强大的信号分析技术.地震资料中的随机噪声一般属于高频率的信号,在CEEMD中往往分布在前几个高频IMF分量,本文针对基于CEEMD的分频去噪和基于CEEMD的小波阈值去噪等方法的不足,在前人基于EMD阈值去噪的基础上设计了自相关函数统计特性与CEEMD全局阈值联合去噪方法.该方法先对CEEMD分解的若干个模态分量进行自相关,寻找到噪声主导模态和信号主导模态,然后利用设计的全局阈值对噪声主导模态进行去噪,最后将处理后和未处理的固有模态函数进行重构,得到最终的去噪结果.模型试算和实际地震资料处理都验证了此方法在提高信噪比,保留原信号高频有效成分和弱信号信息上的有效性.     

CEEMD与小波变换联合去噪方法研究

作为经验模态分解(EMD)的改进型算法,完备总体经验模态分解(CEEMD)不但有效解决了EMD的模态混叠问题,同时也保留了EMD处理非平稳信号的优势,如自适应性、二进滤波特性等.CEEMD能自适应地将一个复杂信号分解为一系列本征模态函数(IMF)分量,且IMF分量满足从高频到低频系列分布,随机噪声往往分布在第一个或前几个高频IMF分量.考虑到地震信号的非平稳性和去噪方法对非平稳信号的适应性,针对CEEMD直接舍弃高频IMF分量去噪容易造成高频有效信息损失以及小波阈值去噪方法存在的不足,本文提出了一种基于CEEMD的小波阈值去噪方法.该方法首先引入自相关曲线判别出含噪较多的高频IMF分量,然后对CEEMD直接去噪要舍弃的这些含噪高频分量进行小波阈值降噪,以保留这些分量中的高频有效信息,最后与不含噪声的其他IMF分量一起重构原信号.模型和实际地震数据试算结果表明,该方法在显著提高地震数据信噪比的同时,能有效地保留原信号中的高频有效成分和弱信号信息,是一种相对保幅的有效去噪方法.     

基于压缩感知的小波阈值和CEEMD联合去噪方法

中深层地质条件复杂,地震资料品质差,主要表现为:地震资料信噪比低、有效信号弱.如何在去噪的同时有效保留弱有效信号,获取高信噪比的地震数据成为地震数据处理的关键问题.传统小波阈值与互补集合经验模态分解(CEEMD)联合去噪方法相比单一方法可以获取更高品质的地震数据.基于压缩感知理论的去噪方法利用地震数据在变换域中的稀疏特性,通过设定稀疏基矩阵和测量矩阵,可以将地震数据去噪问题转化成求解最优化问题,通过最优解重构原始信号,实现对地震资料的去噪处理.该方法能够在有效衰减随机噪声的同时最大限度的保留有效信号.本文基于压缩感知理论开展小波阈值去噪方法研究,并在此基础上结合CEEMD方法对含噪较多的固有模态分量进行有针对性的随机噪声压制.通过对含噪数据开展不同方法的去噪结果对比可见,本文方法可以在保证高信噪比的基础上更为有效的保留弱有效信号,数值试算验证了该方法对弱有效信号地震数据去噪具有显著优势.     

CEEMDAN和小波包方法在地震信号降噪中的应用

地震信号是典型的非平稳随机信号,容易受到场地条件和周边环境的影响,产生噪声干扰。采用自适应噪声完备集合经验模态分解（CEEMDAN）方法,对地震数据进行分析预处理,将地震信号分解成一系列具有不同特征时间尺度的固有模态函数（IMF）;对各IMF分量进行自相关计算,筛选含噪IMF分量,使用软阈值小波包方法进行去噪处理,与无噪分量进行重构,从而降低噪声干扰,提高数据质量。     

基于CEEMDAN和SWT的地震信号随机噪声压制

完备集合经验模态分解(CEEMD)通过添加正负成对辅助噪声可较好的解决集合经验模态分解(EEMD)中信号被噪声污染的问题,但CEEMD方法分解后的单个本征模态函数(IMF)分量中仍存在部分随机噪声信息.通过转变辅助噪声形式和分解流程提出自适应噪声完备集合经验模态分解(CEEMDAN)方法,该方法在较少集总次数和筛选迭代次数的情况下,即可实现优良的信噪分离功能,大大缩减处理耗时,具备分解精度高、具有完备性的特征.同时,针对传统经验模态分解(EMD)类方法去噪时直接舍弃第1～2阶高频IMF分量,导致其内高波数有效能量损失的问题,通过计算相邻IMF分量互信息熵获取高频噪声和低频有效信号的最优能量分界,对分界点前的各阶IMF分量进行同步压缩小波变换(SWT)处理,分离有效高频信息,最后与低频IMF分量重构达到噪声压制的目的.合成及实际地震资料处理结果表明,本文联合多步骤地震随机噪声压制策略具有较好的去噪效果和能量保持能力,在运算耗时指标上优于传统的EMD噪声辅助类方法.     

一种优化的复曲波变换压制混叠噪声方法

高密度采集可以提高地震资料品质,改善成像精度,但也会增加地震采集成本.为了提高采集效率降低生产成本,混采技术得到了推广应用.但是该采集方式会产生严重的混叠噪声,降低地震数据的信噪比.针对此问题,本文结合中值滤波、动校正(NMO)和复曲波变换阈值去噪的优势,设计了一种优化的复曲波变换压制混源噪声方法.该方法首先采用大步长中值滤波对经过NMO处理的数据进行滤波,再利用基于复曲波域的阈值去噪方法提取剩余信号,计算滤波结果的伪分离记录和原始混叠数据的差值,再将该差值返回到第一步进行迭代,每次迭代中值滤波步长逐步减小,直到达到初始设定的期望信噪比为止.与基于F-K域和curvelet域的迭代阈值方法相比,本文方法可以在压制混叠噪声的同时,更好的保护有效信号,由于本文方法仅需较少的迭代次数,计算效率也可以大大提高.     

基于稀疏表达的OBS去噪方法

海底地震仪（OBS）采集数据的去噪处理是开展OBS震相分析及后续处理反演的基础.本文结合曲波（Curvelet）变换及压缩感知提出一种稀疏化表达的OBS去噪方法,并通过与小波变化对比等探讨去噪效果.曲波变换具有抛物尺度及识别线性异常的优点,可以稀疏地表示OBS数据,再结合压缩感知思想对稀疏表达OBS数据进行去噪处理和重构.通过对变换后的系数进行基于L₁范数的冷却阈值迭代滤波,获得最优的变换系数,本文指出基于曲波变换的冷却阈值迭代法能够很好地对OBS数据去噪.对比小波和曲波两种变换在相同迭代次数下对理论模型数据进行去噪处理,表明曲波变换得到的结果信噪比更高.利用本文方法对渤海地区采集的OBS数据进行去噪处理获得了更加清晰连续的震相,噪声压制效果更明显,为震相拾取及后续速度模型反演奠定了良好的基础.     

基于希尔伯特-黄变换的多分量地震去噪方法研究及应用

针对多分量地震数据具有信噪比低、波场比较复杂等特点,同时为了解决有效波和面波在低频带具有相关性且频带有重叠的部分.本文基于希尔伯特—黄变换(Hilbert—Huang transform,HHT)提出一种多分量地震数据去噪方法.HHT的核心部分是固有模态分解(Empirical mode composition method,EMD),它将地震信号自适应分解为各个尺度的固有模态函数(Intrinsic mode function,IMF);然后根据有效波和噪声分布在不同的分辨尺度范围内进行数据重构;对于一些尺度分布比较宽的,进行更加严格的EMD分解,以及通过瞬时参数阈值大小进行处理以达到更好的去噪效果.本文所做的工作主要针对多波资料中面波的处理,利用面波跟有效波的频率尺度和瞬时属性差异,从仿真数据、模型和实际地震数据进行面波的压制实验,取得了比较满意的压制效果,提高了地震资料的分辨率.也表明了该方法在多分量地震去噪处理中的可行性.     

基于曲波变换的航空电磁数据去噪方法研究

航空电磁法作为一种地形复杂地区资源探测的有效方法,近年来得到了广泛的应用.然而,由于系统所处的动态环境,噪声干扰严重.为了改善航空电磁数据质量,提高地下电性反演的准确性,需要研发相关去噪技术.传统航电去噪大多针对特定噪声或单一测线上的信号进行处理,难以兼顾相邻测线之间观测信号的相关性.本文采用曲波变换进行二维航空电磁数据去噪.由于曲波变换具有多尺度和多方向性特征,可以在对噪声精细分析的基础上进行有效去除,同时还保证了整个测区内信号的相关性.进而,我们提出Sigmoid阈值函数对传统阈值函数进行改进,以进一步改善去噪效果.为了验证曲波变换方法对航空电磁数据去噪的有效性,将曲波变换和传统去噪方法分别应用于理论模型和实测数据进行对比.试验证明本文曲波变换用于航空电磁数据去噪具有明显的优越性.     

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.     

过渡内蕴模态函数对经验模态分解去噪结果的影响研究及改进算法

经验模态分解(Empirical Mode Decomposition, EMD)是一种具有较大应用潜力的去噪算法.目前,该算法存在的一个较大问题是过渡内蕴模态函数(Intrinsic Mode Function, IMF)中混叠噪声不能有效处理.过渡内蕴模态函数中混叠噪声不易剔除,限制了该算法的应用.本文针对此问题,通过研究过渡IMF的特点,首次提出一种有效去除过渡IMF中混叠噪声的方法.该方法首先对原信号进行一次EMD处理,得到包含过渡IMF的初步去噪结果,并将其与合适的余弦信号结合,改变其包络分布,然后对其结果再次进行EMD处理,仿真实验表明该方法在保留有效信号的同时,可以有效的去除过渡IMF中混叠的噪声,并将该方法用于实际地震资料随机噪声压制,处理效果令人满意.     

二维经验模态分解及其在位场去噪和分离中的应用

由于实际工作中测量的位场数据存在混叠效应,并且这些观测数据具有多源性、非线性和非稳态性的特点,如何从其中提取研究对象所产生的异常信息是位场数据处理中的关键环节.二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)在处理非线性、非平稳信号方面具有明显的优势,且具有分解的自适应性,实现了对信号的多尺度分解.文中采用BEMD方法首先对模型试验中带噪声的重力数据进行分解,得到各级固有模态函数和剩余分量,去掉一个或多个固有模态函数实现初步去噪,或结合小波阈值实现准确、圆滑去噪;再次,对三峡地区的布格重力异常进行了多尺度分解,并且利用径向对数功率谱分析方法估计了各级模态函数所反映的地下场源似深度,定性或半定量地解释了不同深度下的场源产生的异常,较好地揭示了场源赋存的地质信息,对上述分解得到的各分量进行组合叠加,重构出局部异常和区域异常,并且同常规分场方法进行了对比分析,结果表明BEMD方法能够准确、有效地实现位场的异常分离.     

基于广义S变换、经验模态分解叠前去噪方法的比较

高频噪声压制是高分辨率地震数据处理中的关键性问题.基于广义S变换、经验模态分解的时频域地震去噪技术具有时变、分频和高保真特性,可有效处理非平稳地震信号,但二者在去噪原理、去噪效果、保真度、计算效率等方面尚存差异.对比分析表明:两种算法在提高地震信号信噪比的同时,可保持地震信号的保真度,保护陡倾角反射界面能量;基于广义S...     

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.     

基于高通滤波的频率-空间域经验模态分解压制高频噪声

高频噪声压制是高分辨率地震数据处理中提高信噪比的关键性问题.本文针对f-x(频率-空间)反褶积空间预测滤波器无法处理非平稳、非线性信号的缺点,提出了一种基于高通滤波的频率-空间域经验模态分解(Empirical Mode Decomposition in the frequency-space domain,f-xEMD)压制地震剖面中高频噪声的方法.该方法采用全域高通滤波从原始数据中分离出含有部分有效信号的高频数据,将其变换到f-x域,然后在滑动的短窗口内提取每一个频率的空变数据序列进行EMD分解得到高频复本征模态函数(Intrinsic Mode Function,IMF)IMF1,将所有频率的IMF1序列反Fourier变换到时间域得到噪声剖面,将其与原始数据相减,达到高频噪声压制的目的.该方法可克服传统EMD分解方法中的模态混叠现象,保护陡倾角反射同相轴;压制后的噪声剖面中不包含有效信号能量,地震剖面的信噪比得到了提高.模拟数据和实际数据处理结果充分证明了该方法的有效性.     

基于VMD算法在地震数据时频分析中的应用

受新开发的变分模态分解(VMD)的启发,本文引入一种基于VMD的时频分析方法来分析地震数据.VMD的原理是将信号分解成具有一定中心频率的模态分量,通过这些分量来重构原始信号.这种分解方式可以降低各个模态中的残余噪声,同时进一步减少冗余的模态,很好的克服了模态混叠问题.此外,VMD是一种自适应信号分解技术,它可以非递归地将多分量信号分解为几个准正交固有模态函数,与EMD及其推广(如EEMD,CEEMD)相比,有坚实的数学基础.将VMD方法与CEEMD方法进行比较,对合成数据进行测试显示了基于VMD的时频分析方法具有更好的时频聚焦性,同时对实际数据处理也表明该方法具有突出地质特征和地层信息的潜力.     

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.     

基于经验模态分解的车载探地雷达探测信号强干扰处理

随着铁路货运量的不断增大和列车的提速,针对铁路路基出现的病害进行快捷的检测方面的需求逐渐加强.探地雷达是一种无损高效的检测手段,但其应用于铁路路基探测中,其探测记录易受轨枕等介质的强干扰反射所湮没.为了更准确地实现探地雷达在铁路路基检测中的应用,提出了一种针对轨枕等高频噪声的方便、快捷、自适应的压制算法,降低了人工解译方法的低效率和主观性.本文首先介绍了经验模态分解原理及实现方法并对铁路路基病害建模获得探地雷达仿真数据,提取探地雷达仿真信号同一采样点上不同扫描道的数据组成一维信号,将一维信号进行经验模态分解并对固有模态函数重构,分析高频信号消除效果.其次,对探地雷达仿真数据所有采样点依次行经验模态分解并对固有模态函数重构从而压制轨枕等的高频噪声.最后,将车载雷达实测数据进行经验模态分解压制噪声,得到了压制强噪声后的雷达图像.处理结果表明:车载雷达原始数据经过经验模态分解的压制噪声处理后,干扰信号被降低,提高路基病害的弱反射信号的信噪比.因此,经验模态分解能压制轨枕等强干扰信息,便于铁路路基病害的识别.     

HHT的滤波特性及在声波测井波列信号处理中的应用(英文)

阵列声波信号是典型的非线性、非平稳信号,Hilbert～Huang变换（HHT）是处理非平稳信号的一种比较新的时频分析方法。通过对信号进行经验模态分解（EMD）和对瞬时频率的求解,可以获得声波信号的时一频谱。其关键技术就是进行经验模态分解,任何非平稳的信号都可以分解为有限数目并且具有一定物理意义的固有模态函数。EMD方法可以理解为以声波信号极值特征尺度为度量的时频滤波过程。滤波器充分保留了声波信号本身的非线性和非平稳特征,在声波信号的滤波和去噪中具有很大的优势。文中介绍了HHT时频滤波的实现过程,并列举了一些声波测井波列实例,说明了该方法的有效性。     

基于特征矩阵联合近似对角化和经验模态分解的储层识别

地震信号是非线性和非平稳的信号.本文提出了基于特征矩阵联合近似对角化和经验模态分解相结合的算法,将地震信号分解为多个相互独立的固有模态函数分量.然后利用已知井储层发育情况,选取对储层识别有效的IMF分量进行储层预测.仿真和实际地震数据应用表明了该方法的有效性.