top-hat变换与庐枞矿集区大地电磁强干扰分离

作为一种非线性信号处理方法,基于数学形态学的广义形态滤波已经展现出其在大地电磁时间域信号去噪中的作用;然而,广义形态滤波在滤除大地电磁时间域信号中噪声波形的同时,也滤除了时间域信号中包含有用信息的缓变化。针对这一问题,提出一种基于数学形态学top-hat变换的大地电磁时间域噪声压制方案,利用top-hat变换对波峰和波谷的检测能力,采用直线型结构元素,对大地电磁时间域信号进行去噪。用该方法对庐枞矿集区大地电磁实测数据进行处理后,数据的标准差与曲线相似性参数都优于处理前数据,表明所提方法能够去除噪声波形并保留时间域信号的缓变化,恢复受噪声污染的大地电磁时间域信号,提高大地电磁视电阻率曲线的质量。     

宽频去噪技术在地震资料处理中的应用

提高地震资料的信噪比是地震资料处理的关键,叠前去噪是进行噪声压制的主要处理技术。小波变换方法由于具有同时在时间域与频率域分析的特点,在信号的分析处理方面得到广泛的应用;笔者采用小波变换把叠前地震数据分为不同的频段,并对包含干扰波的频段采用中值滤波消除干扰,再运用小波反变换来重构去噪后的记录;该技术不仅实现了噪声压制,还达到了保持宽频带的目的,应用于实际资料处理中,取得了很好的去噪效果。     

τ-p变换的两种实现方法

τ-p变换是一种经典的函数投影变换方法,在地震数据处理中有着广泛的应用,可以根据地震数据射线参数的差异,实现信噪分离、地震道插值、平面波分解等。但是,由于τ-p变换的精度和分辨率受到相应数学反问题的限制,在保证较高变换精度的前提下,τ-p变换计算速度的加快,以及相应滤波算子的设计等都值得研究。本文提出了基于径向道变换的τ-p变换方法和基于斜率分解的τ-p变换方法,阐明了两种方法的基本原理并与常规τ-p变换方法进行对比。基于径向道变换的τ-p变换方法利用快速Fourier变换和径向道变换,能有效减少τ-p变换的耗时;基于斜率分解的τ-p变换方法运用斜率分解算法,能进行高分辨率τ-p变换,并且提供冗余变换维度（τ-x-p域）,使滤波器算子的设计更灵活。数值实验结果表明,两种实现方法分别在计算速度和重构精度上优于传统τ-p变换算法。通过面波噪声压制的实际数据处理和比较,证明本文提出的两种τ-p变换实现方法可以为实际处理提供更加有效和灵活的实施方案。     

二维小波变换与中值滤波联合去噪方法研究

由于随机噪声是一种频带较宽的干扰波,因此依靠单一的去噪处理方式往往难以获得清晰反映目标体的地震信息。小波变换能够较好的去除高斯噪声,保留有效波中、高频成分,提高记录的信噪比,但去除脉冲噪声的效果却并不理想;中值滤波具有良好的边缘保持特性,虽低频去噪声效果有限,但去除脉冲噪声效果明显。因此可利用二维小波变换与中值滤波优势互补的方法,进行叠前去噪处理,达到去除宽频随机噪声的目的。首先运用二维小波变换的理论,采用自适应门限阀值方法进行去噪,同时结合中值滤波方法联合去噪。模型与实际数据的应用效果表明,联合去噪方法可有效压制噪声能量、保留高频有效信号、提高地震记录信噪比与分辨率。     

基于中值滤波和seislet阈值法联合压制混叠噪声方法

混采技术可以实现多台震源同时激发产生地震波场,有效提高采集效率,但是混采技术会产生严重的混叠干扰,降低地震数据的信噪比。针对此问题,引入多级中值滤波,设计了一种基于seislet域阈值去噪和多级中值滤波相结合的混叠噪声压制方法。该方法首先采用大步长中值滤波和seislet域阈值去噪相结合的方法得到初始压制混叠噪声的地震数据,再利用混叠算子计算去混叠噪声后地震数据的伪分离数据,然后求取该伪分离数据和原始混叠地震数据的差值,再次应用较小步长中值滤波提取剩余信号,并与上一步骤得到的去混叠后的地震数据相加,并再次进行seislet域阈值去噪,依次循环,直到信噪比达到期望值。通过模拟数据测试,并与F-K域迭代阈值去噪方法和常规seislet域迭代阈值方法相比,本方法在压制混叠噪声的同时,可以更好地保护有效信号。     

小波变换方法在地震资料噪声消除中的应用

小波变换方法由于具有同时在时间域与频率域分析的特点,在信号的分析处理方面得到了广泛的应用,将其应用于地震信号噪声的处理,有着更好的应用前景和研究价值.笔者的研究工作主要围绕小波变换消噪过程中阈值方法的选择及阈值的选取,同时将一维小波方法与F-K滤波方法、二维小波方法与F-K方法以及这3种方法结合起来进行噪声的去除,用于实际数据处理,效果较好.     

F-X域经验模式分解法压制地震信号噪声CSCD

地震信号属于典型的非线性、非平稳信号,其中通常夹杂一定的噪声,噪声会对后续的数据处理和解释产生一定的影响。经验模式分解(Empirical Mode Decomposition,EMD)是一种有效且自适应的非线性、非平稳信号分解方法。当原始地震记录转换到F-X域进行EMD时,可以将噪声分频分波数析出,首先通过Fourier变换将原始含噪的地震信号变换到频率域中,对实部和虚部分别进行EMD;然后剔除第一固有模式函数,将其余固有模式函数叠加,将叠加后的实部和虚部分量组合成新的复数序列;最后通过反Fourier变换将此序列转换至时间域,达到F-X域EMD压制地震信号噪声的目的。应用该方法对合成的单炮记录剖面和实测地震记录进行实验,结果表明,F-X域EMD法能有效且自适应地压制地震信号中的噪声。     

小波分析的原理及其在电磁感应仪EM38数据分析中的应用

利用小波变换对澳大利亚新南威尔士Mandamah地区所测得EM38数据进行全局阈值消噪处理,通过分解与重构,从中提取有效信息,去除干扰,得到去噪后的数据。将去噪后的数据与地球化学铜元素的异常特征和已知的铜矿化区域进行分析与对比,推测出该地区的铜矿化预测区。该方法能有效地去除噪声,又不会损失有用信息。实际资料处理结果表明：小波分析方法在EM38数据处理中可以起到独特的作用与效果。     

F-X域经验模式分解法压制地震信号噪声

地震信号属于典型的非线性、非平稳信号,其中通常夹杂一定的噪声,噪声会对后续的数据处理和解释产生一定的影响.经验模式分解(Empirical Mode Decomposition,EMD)是一种有效且自适应的非线性、非平稳信号分解方法.当原始地震记录转换到F-X域进行EMD时,可以将噪声分频分波数析出,首先通过Fourier变换将原始含噪的地震信号变换到频率域中,对实部和虚部分别进行EMD;然后剔除第一固有模式函数,将其余固有模式函数叠加,将叠加后的实部和虚部分量组合成新的复数序列;最后通过反Fourier变换将此序列转换至时间域,达到F-X域EMD压制地震信号噪声的目的.应用该方法对合成的单炮记录剖面和实测地震记录进行实验,结果表明,F-X域EMD法能有效且自适应地压制地震信号中的噪声.     

高密度3D3C资料多域分步噪声压制技术的应用

针对高密度宽方位3D3C地震资料处理要求,考虑有效信号与噪声在类型、时间、频率、数据域、处理步骤、地表区域等方面存在的差异,选择多域分步去噪策略,在不损害有效信号的前提下,首先使用十字排列锥形滤波去除面波、线性噪声,然后采用低频噪声编辑去除残余面波及低频噪声,接着进行分频去噪来去除各类随机噪声,最后去除折射波。从单炮记录和叠加剖面的监控显示上都证明了该方法的有效性,资料信噪比也得到提高。     

基于Shearlet变换的尺度方向自适应阈值地震数据随机噪声压制方法

地震勘探的有效信号常受到随机噪声的干扰而难以识别,需要进行随机噪声和有效信号的分离。传统Shearlet全局阈值不随方向与尺度变化,在去噪的同时也会损失许多有效信号。Shearlet变换作为一种新的多尺度多方向时频分析方法,具有最优的稀疏表示能力、局部化特征和方向敏感性。本文将含噪地震信号通过Shearlet分解后计算各尺度与方向上Shearlet域系数的L₂范数,并对其进行数据重排后发现,随着方向改变L₂范数不断减小,进而提出一种基于L₂范数的尺度方向自适应阈值计算方法。将其与小波变换、曲波变换、Shearlet全局阈值去噪方法对比,模拟数据与实际地震记录去噪结果表明,本文方法在去除随机噪声的同时,深部弱信号也得到了很好的恢复,地震数据的信噪比比其他3种方法有所提高,在0.929 9 dB条件下提升至11.565 1 dB。     

小波分析在地震资料去噪中的应用

小波变换方法已广泛应用于信号处理领域。应用多尺度小波分析方法来消除地震观测信号中的噪声是一种行之有效的方法。这里从小波变换的基本原理出发,详细介绍了地震信号的阈值去噪原理,并根据模拟信号和实测地震信号的频谱分析,讨论了如何选择小波基及去噪过程中的阈值取值问题。从小波分解理论知道,利用多尺度分解方式对地震资料进行分析处理,相当于对实测地震资料进行不同尺度的细化分析,由于对不同地区、不同资料的精度要求不同,我们只要使用不同的尺度进行小波变换处理,就可以得到去除原信号的细部巨变(噪声干扰)特征的信号。同时,我们对小波变换处理后重构的地震信号与原信号进行了对比分析,误差结果分析表明该方法切实可行。我们还利用MATLAB语言及其小波工具箱,实现了对地震资料的去噪处理。     

基于奇异值分解和小波阈值方法的地震资料处理方法

奇异值分解是一种基于代数特征值的提取方法,小波变换是一种时间频率域的去噪方法,两者在去噪方面各有特点。将奇异值分解和小波阈值去噪的方法有机地结合起来,用于消除地震勘探资料中的随机噪声。仿真实验显示对于较低信噪比资料仍有很好的处理效果。     

基于改进混沌果蝇优化小波阈值法地震信号随机噪声压制

由于野外采集地震资料往往带有较多的随机噪声,给资料解释造成困难。针对小波阈值去噪的阈值选取通常需要对信号进行先验估计,带有较强猜测性,阈值选取难以获得最优结果。本文提出基于改进混沌果蝇优化的小波阈值法,将基于广义交叉验证(GCV)函数设定为阈值选取目标函数,在混沌果蝇优化算法中引入调节系数实现对该目标函数的迭代寻优,在无先验信息前提下,获取最优小波阈值。通过将本文算法用于合成地震记录和实际地震记录进行去噪处理,并对比常用小波阈值去噪算法,证明了本文算法的有效性。     

形态分量分析在去除地震资料随机噪声中的应用

以数学形态学和稀疏信号理论为依据,采用形态分量分析(MCA)方法去除地震数据中的随机噪声。应用MCA方法的关键在于选取合适的字典,从地震数据的特点和计算复杂性出发,选取UWT字典和Curvelet字典,一个用来稀疏表示地震数据的局部奇异部分,一个用来稀疏表示地震数据的线状变化部分。采用BCR算法求解目标函数,通过将数据分解为形态特征不同的2个分量,舍弃在字典中不能有效稀疏表示的随机噪声来达到去噪目的。作为一种二维去噪方法,MCA去噪方法在时间和空间方向上都具有很强的随机噪声抑制能力;由于UWT字典和Curvelet字典能够比传统的小波变换有更强的稀疏表示能力,MCA去噪方法对有效信息的损害较小,是一种保真保幅的去噪方法。模型测试和实际资料处理验证了该方法的有效性。     

Denoising and improving the quality of seismic data using combination of DBM filter and FX deconvolution

Seismic data denoising, random noise attenuation (RNA) and spike-like noise suppression, is a main consideration for improving the quality of records. RNA could increase signal to noise ratio (S/N) to avoid misinterpretation of seismic data. In this research, a novel method is created by using the combination of frequency-offset deconvolution (FXD) and decision-based median (DBM) filter for RNA from seismic data. The method is applied in two main phases; FXD is focused to remove the Gaussian noise and DBM filter is focused to attenuate the impulsive noise and spikes. To implement and verify the method, three types of data are used: two synthetic models (a model with linear events and a model with hyperbolic events) and an observed seismic section. The ability of the proposed method (FXD-DBM) in comparison of applying each in seismic RNA application is proven. The noise level is reduced obviously, and hence, the S/N of all examined seismic records is increased considerably after denoising by the combination of FX deconvolution and DBM filter. About the real seismic section, suppressing random noise and spikes show up improving the seismic reflector continuity and hence enhancing the interpretability of data. Moreover, some masked events by random noise are clarified in different parts of data after denoising using the planned method.     

一种基于压缩感知的随机噪声压制方法

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。      

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。