Seismic data compression based on integer wavelet transform

Due to the particularity of the seismic data, they must be treated by lossless compression algorithm in some cases. In the paper, based on the integer wavelet transform, the lossless compression algorithm is studied. Comparing with the traditional algorithm, it can better improve the compression rate. CDF (2, n) biorthogonal wavelet family can lead to better compression ratio than other CDF family, SWE and CRF, which is owe to its capability in canceling data redundancies and focusing data characteristics. CDF (2, n) family is suitable as the wavelet function of the lossless compression seismic data. Contribution No.04FE1019, Institute of Geophysics, China Earthquake Administration.     

基于提升算法和百分位数软阈值的小波去噪技术

在地震勘探领域,随机噪声一直是影响地震信号信噪比的主要因素之一,如何从被干扰的地震信号中有效去除随机噪声并保护有用信号具有重要的意义.针对经典小波变换在计算效率方面的缺陷,本文推荐应用提升算法实现第二代小波变换的构建,分析和对比了提升算法(Lifting Scheme)下不同小波变换方法的特性,选取更加符合小波域去噪原理的CDF 9/7双正交小波变换作为基本算法,同时应用了简单、有效的百分位数(Percentiles)软阈值进行信噪分离.通过理论模型处理,本方法可以在去噪能力和保护有用信号之间找到很好的平衡点.实际剖面的处理效果表明,此方法不仅能有效的滤除随机噪声,而且很好地保护有用信号,提高地震数据分析的精确性.     

Mallat算法在数字地震信号压缩中的应用

地震台站多、数据采集量大,日产出数据量庞大,研究数字地震信号的压缩方法成为行业热门课题。尝试将Mallat算法应用于数字地震波形数据压缩。选取不同的小波分解函数,对不同类型的数字地震信号进行3—5层的小波分解,将得到的小波系数进行分层硬阈值重构运算,对原始信号和处理信号进行压缩。分析可知,Mallat算法压缩比更高,与原始信号相比,重构信号不失真、能量保留系数高。     

Efficient seismic response data storage and transmission using ARX model‐based sensor data compression algorithm

This paper presents a linear predictor (LP)‐based lossless sensor data compression algorithm for efficient transmission, storage and retrieval of seismic data. Auto‐Regressive with eXogenous input (ARX) model is selected as the model structure of LP. Since earthquake ground motion is typically measured at the base of monitored structures, the ARX model parameters are calculated in a system identification framework using sensor network data and measured input signals. In this way, sensor data compression takes advantage of structural system information to maximize the sensor data compression performance. Numerical simulation results show that several factors including LP order, measurement noise, input and limited sensor number affect the performance of the proposed lossless sensor data compression algorithm concerned. Generally, the lossless data compression algorithm is capable of reducing the size of raw sensor data while causing no information loss in the sensor data. Copyright © 2005 John Wiley & Sons, Ltd.     

地震资料小波剖面制作系统

对不同的小波变换算法和小波基函数进行了研究，得到了适用于地震资料处理的最佳小波基函数，并用Visual C 语言开发了基于Windows操作平台下的地震资料小波剖面制作系统。利用小波剖面制作系统和最佳小波基函数对煤田实际地震资料进行了处理，取得了令人满意的地质效果。     

高阶seislet变换及其在随机噪声消除中的应用

Seislet变换是一种小波类数学变换方法,主要根据不同小波级数上地震同相轴的局部倾角的不同来分析数据.一般意义上,测线方向上的离散小波变换（DWT）是一种特殊的零局部地震倾角的seislet变换.早期的工作基于低阶版本的离散小波变换来构建seislet变换,在本文中,通过使用Cohen-Daubechies-Feauveau (CDF) 9/7双正交小波变换（常用于JPEG2000压缩标准）作为框架,扩展高阶seislet变换方法.通过分析理论模型和实际数据的处理结果,并对比傅里叶变换、离散小波变换和低阶seislet变换,高阶seislet变换可以为地震数据提供更好的压缩比.因此更加适用于地震数据去噪处理.     

一种神经网络改进小波的地震数据随机噪声去除方法

地震资料的有效信号反射弱,且易受多次波的影响,不可避免地存在随机噪声干扰。提出一种基于神经网络改进小波的地震数据随机噪声去除方法,采用神经网络模型,识别出随机噪声信号,对该信号进行小波包分解,获取多类别随机噪声信号,采用级联BP神经网络模型提取出多类别随机噪声信号,实现地震数据的随机信号压制。实验结果显示,这种改进小波方法对地震数据随机噪声信号的去噪效果较好,在复杂沉积地质结构被探测介质的地震数据随机噪声压制方面具有较强的适用性。     

第二代小波变换及其在地震信号去噪中的应用

本文讨论了第二代小波变换的基本原理和变换过程，并将第二代小波变换引入到地震资料去噪处理中，基于提升法的小波变换是一种柔性的小波构造方法，它使用线性、非线性或空间变化的预测和更新算子，并能确保变换的可逆性。通过对模拟数据和实际资料的处理，证明了的它对地震信号去噪具有很好的效果。离散信号的小波去噪可分为三步：小波分解，系数缩减（切除噪声部分），信号重建。目前常用的小波去噪的方法有硬阈值法和软阈值法，这里采用软阈值法去噪。本文的提升变换采用的是Deslauriers-Dubuc（4，2）小波，基于以上变换方法，分别对含噪的模拟数据及实际地震数据进行3级可逆提升变换，对每一级上的细节信号按上述的软域值法进行处理，削减小波系数中的噪声部分，从而实现了信号去噪，结果证明去除随机噪声的效果是令人满意的。     

Seismic signal analysis based on the dual-tree complex wavelet packet transform

We tried to apply the dual-tree complex wavelet packet transform in seismic signal analysis. The complex wavelet packet transform (CWPT) combine the merits of real wavelet packet transform with that of complex continuous wavelet transform (CCWT). It can not only pick up the phase information of signal, but also produce better “focalizing” function if it matches the phase spectrum of signals analyzed. We here described the dual-tree CWPT algorithm, and gave the examples of simulation and actual seismic signals analysis. As shown by our results, the dual-tree CWPT is a very effective method in analyzing seismic signals with non-linear phase. Foundation item: Cultural Heritage Protection Program of State Administration of Cultural Heritage (200001).     

利用多分辨率小波网络方法进行伪井反演

利用小波网络,对地震资料和小波多尺度分解属性资料,进行了虚井声波时差反演.讨论了利用地震信号的小波分解和网络学习、训练的理论方法.为了提高反演分辨率和精度，研究了信号分段相似小波时—频分析技术方法.在对对这些技术方法综合研究和算法的实现设计以后，对实际资料进行了反演计算，并对反演结果进行验证.取得了很好的效果.     

基于粒子群优化算法的叠前角道集子波反演

本文探讨了粒子群优化(PSO)算法在叠前地震角道集子波反演中的应用.在基本最优PSO算法的基础上,提出了对粒子更新速度进行平滑滤波的改进最优粒子群算法.由于代表子波的粒子的维数较大,如果粒子的各维元素相互独立,将导致粒子速度更新紊乱,影响搜索速度.通过对粒子速度进行三点均值滤波,加强了单个粒子各维元素的相互联系,并防止了粒子速度逃逸,使粒子更快地向有利于最优解的位置收敛.该方法应用于叠前角道集子波的反演中,取得了较好的子波反演效果,证明了本文方法的有效性.     

多分辨率地震信号反褶积

基于二进小波变换提出了一种新的反褶积方法─-多分辨率地震信号反褶积．在地震信号二进小波变换域中的各尺度上分别进行其分辨率随小波尺度变化的反褶积,利用不同分辨率反褶积结果之间的相关性,以及测量噪声随尺度的衰减特性,从低分辨率反褶积结果逼近高分辨率反褶积结果．理论分析和实验表明,该方法有较高的精度,并且在较低信噪比情况下有好的效果．     

基于小波分频叠前相干噪声压制方法

基于小波分析的去噪方法在地震资料叠前处理中得到了广泛应用.本文主要介绍利用小波变换的分频特性来压制相干噪声.通过小波分频技术将叠前地震信号分解为不同频带,然后利用有效波和相干干扰波的频谱差异来区分有效信号和噪声,最后利用加权方法去掉不需要的噪声信息来达到去除相干噪声的目的.实际资料的处理结果表明：基于小波分频方法能很好地压制相干噪声,从而提高地震资料信噪比和分辨率.     

利用多分辨率小波网络进行地震资料反演

在讨论小波网络理论方法的基础上,研究了利用地震纪录小波多尺度分解属性资料进行虚井声波时差反演的技术方法。分析了利用地震信号进行小波分解和网络学习、训练的理论方法。研究中发现:对于相邻的地震道,较小一段的相似性比整个地震道的相似性要好。据此,利用小波时-频分析技术方法,可以把相邻道的信息外推到其它地震道上。通过以上综合研究及对实际资料进行反演计算、分析,认为小波网络与人工神经网络相比其网络结构要容易选定,并且收敛速度快。同时,利用地震资料分段时-频分析的相似性较好和小波网络学习、训练及记忆能力较强的特点,可以较好地把井旁道的高、低频信息转换到相邻道上。这样在提高分辨率的同时,又增加了反演结果的真实可靠性     

地震信号随机噪声压制的双树复小波域双变量方法

有效地压制地震信号中的噪声是地震信号解释和后续处理的重要环节之一.本文建立两种双树复小波域双变量模型对地震信号中的随机噪声进行压制.地震信号经双树复小波变换后,同一方向实部与虚部系数、实部(或虚部)系数与对应的模之间存在较强的相关性.鉴于此,对同一方向实部与虚部小波系数建立双变量模型,从含噪地震信号小波系数中估计原始信号的小波系数,再基于双树复小波逆变换重构得到降噪后的地震信号.进一步对同一方向实部(或虚部)系数与对应的模建立双变量模型,得到地震信号随机噪声压制的第二种双树复小波域双变量方法.最后对合成地震记录和实际地震资料中的随机噪声进行压制的实验结果证实本文两种方法都能够有效地压制地震信号中的随机噪声.     

地震数据有损压缩与失真分析

文中提出了应用双正交小波变换有损压缩地震数据的方法,该方法具有实现简单、在高压缩比情况下失真小等特点。以信噪比、剩余能量作为评价指标,分析了压缩引起的信号失真。结果表明压缩比在0~31范围内取值时,信噪比较高,剩余能量在99%以上,原始信号与重构信号有很好的相关度。即使在不太理想的情况下,将重构信号用于地震参数快速测定,对震级的计算误差最大为8.6×10-3,震中距的最大计算误差为3.69 km。     

An Approximation to Sparse-Spike Reflectivity Using the Gold Deconvolution Method

Wiener deconvolution is generally used to improve resolution of the seismic sections, although it has several important assumptions. I propose a new method named Gold deconvolution to obtain Earth’s sparse-spike reflectivity series. The method uses a recursive approach and requires the source waveform to be known, which is termed as Deterministic Gold deconvolution. In the case of the unknown wavelet, it is estimated from seismic data and the process is then termed as Statistical Gold deconvolution. In addition to the minimum phase, Gold deconvolution method also works for zero and mixed phase wavelets even on the noisy seismic data. The proposed method makes no assumption on the phase of the input wavelet, however, it needs the following assumptions to produce satisfactory results: (1) source waveform is known, if not, it should be estimated from seismic data, (2) source wavelet is stationary at least within a specified time gate, (3) input seismic data is zero offset and does not contain multiples, and (4) Earth consists of sparse spike reflectivity series. When applied in small time and space windows, the Gold deconvolution algorithm overcomes nonstationarity of the input wavelet. The algorithm uses several thousands of iterations, and generally a higher number of iterations produces better results. Since the wavelet is extracted from the seismogram itself for the Statistical Gold deconvolution case, the Gold deconvolution algorithm should be applied via constant-length windows both in time and space directions to overcome the nonstationarity of the wavelet in the input seismograms. The method can be extended into a two-dimensional case to obtain time-and-space dependent reflectivity, although I use one-dimensional Gold deconvolution in a trace-by-trace basis. The method is effective in areas where small-scale bright spots exist and it can also be used to locate thin reservoirs. Since the method produces better results for the Deterministic Gold deconvolution case, it can be used for the deterministic deconvolution of the data sets with known source waveforms such as land Vibroseis records and marine CHIRP systems.     

声子波及其在地震波资料分解中的应用

声子波是由声波波动方程的解构成的一种物理子波,如果不考虑吸收和散射,声子波的传播是相当简单的;相反地,数学子波的传播即使在均匀介质中也是极其复杂的.作为波动方程的解,声子波比一般的数学子波更能有效地应用于复杂声波和地震波的分解和分析.本文从Kaiser的声子波理论出发,给出了通过分别引入点源波形的复时间函数和点源虚时间坐标来构成声子波的两种解释,并对点源模型的合成地震图和实际复杂模型的地震波资料进行了时-空域的声子波变换,说明了声子波应用于地震波资料分解的有效性.     

复数子波匹配追踪算法识别薄层砂体

针对东营凹陷滩坝砂岩薄砂体的预测识别问题,研究了复小波匹配追踪方法.从地震信号morlet小波分解及重构分析入手,讨论了重构地震信号时关于频率、振幅、相位及时移参数的选取方法及其具体的选取变量.并就关键的振幅参数,研究了改善的计算方法.常规的匹配追踪算法扫描地震信号的所有时间点和频率.在本文中,为了改善时频分辨率,采用局部扫描主频和子波的时间延迟.在具体实现过程中,采用计算地震信号的平均瞬时频率和地震信号的瞬时包络处的时间,做为采样频率和时间采样点,得到与地震信号最佳相关的子波.对研究的方法从理论模型和实际资料进行了论证分析,证明理论上正确合理,实际应用效果显著.