压制空间非平稳地震勘探随机噪声的ROAD径向时频峰值滤波算法

径向时频峰值滤波算法是一种有效保持低信噪比地震勘探记录中反射同相轴的随机噪声压制方法,但该算法对空间非平稳地震勘探随机噪声压制效果不理想.本文研究空间非平稳地震勘探随机噪声,即各道噪声功率不同的地震勘探随机噪声,其在径向滤波轨线上表征近似脉冲噪声,在径向时频峰值滤波过程中干扰相邻道滤波结果.为了减小空间非平稳随机噪声的影响,本文提出一种基于绝对级差统计量(ROAD)的径向时频峰值滤波随机噪声压制方法.该方法首先根据径向轨线上信号的绝对级差统计量检测空间非平稳地震勘探随机噪声,然后结合局部时频峰值滤波和径向时频峰值滤波压制地震勘探记录中的随机噪声.将ROAD径向时频峰值滤波方法应用于合成记录和实际共炮点地震记录,结果表明ROAD径向时频峰值滤波方法可以压制空间非平稳地震勘探随机噪声且不损害有效信号,有效抑制随机噪声空间非平稳对滤波结果的影响.与径向时频峰值滤波相比,ROAD径向时频峰值滤波方法更适用于空间非平稳地震勘探随机噪声压制.     

地震随机噪声压缩感知迭代压制方法

复杂地表和复杂介质条件下,随机噪声往往严重影响着复杂地震信号的信噪比,同时深层地球物理目标探查中弱地震信号总是被随机噪声所掩盖,如何有效地压制随机噪声干扰、恢复有效地震信号仍然是高精度地震勘探中的关键问题.压缩感知理论突破了奈奎斯特采样定理的限制,利用有效地震信号的可压缩性和稀疏性,提供了从不可压缩随机噪声中进行有效信号分离的数据原理.本文系统分析压缩感知框架下地震随机噪声压制的稀疏优化反问题,提出了基于迭代软阈值算法的"采集-重建-修复"方案对该问题进行求解.在实现高度稀疏表征的基础上进行地震数据的压缩感知随机观测,通过迭代反演对有效地震信号进行重构,有效提高复杂地震数据的信噪比,同时,当求解稀疏优化问题时,如果出现正则化项引起重构信号衰减现象,可以匹配除偏对衰减的有效信号进行修复.通过与工业标准 f-x预测滤波方法进行比较,理论模型和实际数据处理的结果表明,压缩感知迭代噪声压制方法对复杂地震数据中的随机噪声有较好的压制效果,可以有效恢复出被较强非平稳随机噪声干扰的时空变同相轴信息.     

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.     

自适应非局部均值地震随机噪声压制(英文)

非局部均值滤波是一种基于图像信息冗余的去噪方法,其认为图像自身的有效结构具有一定的重复性,而随机噪声则不具备这一特点,通过利用图像本身的自相似性来达到压制随机噪声的目的,是一种全局的去噪方法。本文把这一思想引入地震数据随机噪声压制中,针对传统非局部均值滤波计算量过大的问题,文章采用分块非局部均值的方式来减少计算量;针对滤波参数选取会影响非局部均值滤波效果的问题,提出一种简单的自适应滤波参数地震数据分块非局部均值算法。模型和实际数据处理结果表明:相对于传统的去噪算法(如f-x反褶积),该方法在压制随机噪声的同时对有效信号保护地更好,具有更高的保真度,更有利于后续的处理和解释工作。     

基于相似度权重算子和f-x域经验模态分解的随机噪声衰减方法（英文）

传统的f-x域经验模态分解法(Empirical mode decomposition,EMD)能够有效地对主要由水平同相轴构成的地震记录进行随机噪声衰减。然而,当同相轴倾斜时,f-x域经验模态分解法在衰减随机噪声的同时去除大部分有效信号。本文提出了一种基于f-x域经验模态分解法的改进算法。我们通过局部相似度对所去除的噪声信号中的有效信号进行提取。局部相似度可以用来检测噪声信号中的有效信号点并用来构造一权重算子进行信号提取。新方法与f-x域经验模态分解法、f-x域预测滤波法以及f-x域经验模态分解预测滤波法相比能够在衰减随机噪声的同时保留更多的有用信号。数值模拟实验以及实际地震资料处理结果均表明该方法能更为有效地去噪。     

基于复数域混合SVD滤波方法及在随机噪声压制中的应用

在低信噪比地震资料处理中,压制随机噪声是其中的关键处理环节.传统的频率空间域预测滤波方法,容易使得去噪后高频段的有效信号严重畸变,不利于进一步提高分辨率.为此,提出了一种基于复数域混合SVD滤波法压制三维地震数据中随机干扰的方法,该方法首先在时空域对地震数据作傅里叶变换,再依据Eigenimage滤波法与Cadzow滤波法建立混合Hankel矩阵,然后对其运行奇异值分解,最后通过秩约化的方法来压制随机干扰.理论模型和实际地震数据的应用表明:该方法可有效地去除随机噪声,保护有效波,明显地改善了叠后三维地震资料的信噪比.     

基于二维希尔伯特变换的地震倾角求取方法及其在构造导向滤波中的应用（英文）

在地震勘探数据采集中,随机噪声严重影响地震资料质量,给后期解释工作带来很大困难。如何在不损失剖面有效信息的前提下压制随机噪声,有效地提高地震资料的信噪比和保真度,是本文的研究目标。构造导向滤波技术的核心是构造方向表征的求取以及如何实现非平稳滤波,来达到提高地震数据信噪比和保真度的目的。本文首先通过分析函数二维导数与希尔伯特变换的频率响应关系,推导出了基于二维希尔伯特变换的非迭代地震同相轴倾角求取算子,进而达到了构造方向表征的求取;其次选取多项式拟合作为构造导向滤波中的非平稳滤波方法,扩展了非平稳多项式拟合的应用范围;最后沿构造倾角方向进行变振幅同相轴的非平稳多项式拟合,实现和构建了新的自适应构造导向滤波方法。理论模型和实际地震资料处理的结果表明,所提出的方法实现了既保护构造信息又有效地压制了随机噪声的目的。     

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.     

连续缺失地震数据的高阶流式预测滤波插值方法

由于观测系统实施以及经济因素的限制,采集到的勘探地震数据在空间方向上总是不规则分布的,并且往往会出现数据的大范围连续缺失情况.许多后续地震数据处理方法(例如：多次波压制和波动方程偏移等)都需要空间上规则分布的数据.插值技术是一种解决地震数据缺失问题的有效手段,但是传统的数据插值方法在进行连续缺失数据重建时往往会出现失效的情况,尤其在处理非平稳地震同相轴时精度不高,并且大多数的方法需要迭代计算,在处理高维大规模数据时效率较低.针对连续缺失地震数据的快速插值问题,本文提出了一种非迭代的时空域高阶流式预测滤波插值方法,通过使用高阶限制条件来提高连续缺失数据的滤波器估计精度,提高局部约束条件的稳定性,改善低阶流式计算由于滤波器系数无法连续更新所造成的插值失效情况.同时,空间非因果滤波器和蛇形插值路径的设计方案可以有效减小大范围连续缺失数据和数据边界对于预测滤波器的计算误差,本方法能够有效处理包括近炮检距缺失情况在内的连续缺失数据插值重建.通过与工业标准傅里叶凸集投影(POCS)方法进行比较,理论模型和实际数据处理结果表明,本文提出的高阶流式预测滤波插值方法对高维连续缺失地震数据有较好的重建效果...     

基于分数阶傅里叶变换的混合Cadzow滤波法

常规频率域SVD滤波法在随机噪声压制处理时,容易造成弯曲同相轴损伤。针对这一问题,本文提出一种基于分数阶傅里叶变换的混合Cadzow滤波法压制三维地震数据中随机噪声的方法。首先应用分数阶傅里叶变换,将地震数据变换到时频面,再依据Eigenimage滤波法与Cadzow滤波法建立混合的高维Hankel矩阵,然后对其运行奇异值分解,最后通过秩约化的方法来压制随机噪声。此方法用于四川某地区的地震数据处理,结果表明该方法可有效地去除随机噪声,保护有效信号,提高叠后地震数据的信噪比。     

基于非平稳相似性系数的构造导向滤波及断层检测方法

不连续地质体（如断层）的自动检测一直以来都是叠后地震数据解释中的关键问题之一,尤其在三维情况中尤为重要.然而,大多数边缘检测和相干算法都对随机噪声很敏感,随机噪声衰减是叠后地震数据解释的另一个主要问题.针对构造保护去噪和断层检测问题,本文基于非平稳相似性系数完善一种构造导向滤波方法并且提出一种自动断层检测方法,形成了一套匹配的处理技术.该构造导向滤波既能够有效地衰减随机噪声又可以很好地保护地震资料中的断层等信息不被破坏,增强地震剖面中弯曲、倾斜同相轴的连续性.根据地震数据局部倾角走向,利用相邻道构建当前地震道的预测,通过预测道的叠加得到参考道,计算预测道与参考道之间的非平稳相似性系数可以设计出数据驱动的加权中值滤波.另一方面,预测道与原始道之间的非平稳相似性系数能够用于带有断层指示性的相干分析.这两种方法都基于构造预测和非平稳相似性系数,但是使用不同的调节参数和处理方案.理论模型和实际数据的处理结果证明了本文提出构造导向滤波和断层检测方法的有效性.     

Inversion-based data-driven time-space domain random noise attenuation method

Conventional time-space domain and frequency-space domain prediction filtering methods assume that seismic data consists of two parts, signal and random noise. That is, the so-called additive noise model. However, when estimating random noise, it is assumed that random noise can be predicted from the seismic data by convolving with a prediction error filter. That is, the source-noise model. Model inconsistencies, before and after denoising, compromise the noise attenuation and signal-preservation performances of prediction filtering methods. Therefore, this study presents an inversion-based time-space domain random noise attenuation method to overcome the model inconsistencies. In this method, a prediction error filter (PEF), is first estimated from seismic data; the filter characterizes the predictability of the seismic data and adaptively describes the seismic data’s space structure. After calculating PEF, it can be applied as a regularized constraint in the inversion process for seismic signal from noisy data. Unlike conventional random noise attenuation methods, the proposed method solves a seismic data inversion problem using regularization constraint; this overcomes the model inconsistency of the prediction filtering method. The proposed method was tested on both synthetic and real seismic data, and results from the prediction filtering method and the proposed method are compared. The testing demonstrated that the proposed method suppresses noise effectively and provides better signal-preservation performance.     

Random noise attenuation using a structure-oriented weighted singular value decomposition

Singular value decomposition (SVD) is a useful method for random noise suppression in seismic data processing. A structure-oriented SVD (SOSVD) approach which incorporates structure prediction to the SVD filter is effcient in attenuating noise except distorting seismic events at faults and crossing points. A modified SOSVD approach using a weighted stack, called structure-oriented weighted SVD (SOWSVD), is proposed. In this approach, the SVD filter is used to attenuate noise for prediction traces of a primitive trace which are produced via the plane-wave prediction. A weighting function related to local similarity and distance between each prediction trace and the primitive trace is applied to the denoised prediction traces stacking. Both synthetic and field data examples suggest the SOWSVD performs better than the SOSVD in both suppressing random noise and preserving the information of the discontinuities for seismic data with crossing events and faults.

     

五大连池火山区地震体波Q值特征

基于五大连池火山区域地方震资料,选取信噪比高、定位准确且震中位于火山区域的39个地震,根据地震波传播的三段几何衰减模型,使用地震记录位移谱,去除仪器响应、背景噪声,反演求取各频点f的S波Q值,拟合获得火山区体波Q值与f的关系为Q（f）=221.7f^0.452,计算得到老黑山、火烧山附近区域Q值与f的关系为Q（f）=152f^0.600,与国内外其他区域体波Q值进行对比,并结合火山区地质构造活动,分析五大连池火山区体波Q值特征。     

基于ARMA模型非因果空间预测滤波(英文)

常规频域预测滤波方法是建立在自回归(autoregressive,AR)模型基础上的,这导致滤波过程中前后假设的不一致,即首先利用源噪声的假设计算误差剖面,却又将其作为可加噪声而从原始剖面中减去来得到有效信号。本文通过建立自回归-滑动平均(autoregres sive/moving-average,ARMA)模型,首先求解非因果预测误差滤波算子,然后利用自反褶积形式投影滤波过程估计可加噪声,进而达到去除随机噪声目的。此过程有效避免了基于AR模型产生的不一致性。在此基础上,将一维ARMA模型扩展到二维空间域,实现了基于二维ARMA模型频域非因果空间预测滤波在三维地震资料随机噪声衰减中的应用。模型试验与实际资料处理表明该方法在很好保留反射信息同时,压制随机噪声更加彻底,明显优于常规频域预测去噪方法。     

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.