基于奇异值分解的f-x-y域滤波方法

在简单回顾奇异值法压制随机噪音的基础上,提出了基于奇异值分解的f-x-y域滤波方法。该方法是一种三维去噪方法,它不需求取同相轴的倾角就可以去除倾斜同相轴的随机噪音,同时还可以较好地保持地震信号的振幅。经理论模型试算表明,该方法运算速度快,效果明显,是一种可行的去噪方法。     

基于Hankel矩阵的随机噪音衰减法在煤田勘探中的应用

针对煤田地震资料处理中常用的随机噪音衰减方法保真性与保幅性不高等问题,引入了基于Hankel矩阵的随机噪音衰减方法对煤田地震资料进行处理。通过傅立叶变换把地震数据变换到频率域并构造Hankel矩阵,进行奇异值分解后优选出前N个奇异值重构数据,从而达到随机噪音衰减的目的。实际数据处理结果表明,该方法大大提高了资料的信噪比,处理后的剖面波形自然,振幅保真性高。     

小波变换与SVD结合消除随机噪声的研究及应用

常规的随机噪声压制方法面临着噪声频带与有效信号频带重叠,在压制噪声的同时对有效信号造成损害的局限性,基于小波变换和奇异值分解的思路,提出了一种小波变换与奇异值分解相结合的去噪方法,以单道信号作为处理单元,通过小波变换得到小波系数矩阵,并对此矩阵进行奇异值分解,进而求得能够反应信号与噪声变化的奇异熵,根据奇异熵确定阀值,进行SVD重构小波系数矩阵,最后小波逆变换重构信号,达到去除随机噪声的目的。此种方法对满足高斯白噪和不满足高斯白噪条件的随机干扰,均有去除效果。经理论信号与相关实际资料的处理证明,这种小波变换与奇异值分解相结合的去噪方法有效而实用。     

叠前非局部平均滤波压制随机噪音

非局部平均滤波方法的去噪性能优异,但其在地震资料处理中的应用刚刚起步。该方法利用数据具有的结构冗余,以包含局部结构的小窗口或邻域为单元,利用局部结构相似性进行加权运算,增强有效信号,压制随机噪音。针对叠前地震资料数据量大、噪音背景强、局部结构简单;原始非局部平均算法对每一点滤波,需要对数据体内所有点计算权系数后进行加权计算,计算量大,对强噪音背景适用性差等不足,对原始非局部平均算法进行了改进,主要包括:基于速度谱的搜索窗口分割;基于梯度域奇异值分解的局部结构相似集选择方法;基于相似集大小的自适应滤波参数选择方法。试验结果表明,该方法改进后对于叠前地震数据的随机噪声具有较好的压制作用。      

基于Cadzow滤波法压制线性干扰

在低信噪比地震资料处理中,压制线性干扰是其中的关键处理环节。传统的频率域线性干扰压制方法容易产生假频及蚯蚓化现象,为此,提出了一种基于Cadzow滤波法压制线性干扰的方法。该方法首先在时间空间域对地震数据进行线性变换,再依据Cadzow滤波法建立二维Hankel矩阵,然后对其运行奇异值分解,最后通过减秩的方法来压制线性干扰。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线性噪声,保护有效波,明显地改善了叠前地震资料的信噪比。     

局部奇异值分解法压制随机干扰

对于低信噪比资料,压制随机噪声,增强有效信号是地震资料处理的首要任务。而传统的奇异值分解去噪算法,在有效信号横向相干性较强时,去噪效果明显,但当有效信号同相轴呈倾斜、弯曲或孤立状态时,其在压制随机噪声的同时,存在滤除部分有效信号的弊端,为此通过对不同时窗内的地震数据进行拉平、奇异值分解数据重构与反拉平等处理方法,对常规奇异值分解算法进行改进,以克服其对包含非水平连续信号资料去噪效果差的局限。理论数据和实际资料的去噪结果表明,改进后的算法去噪效果明显优于常规奇异值分解法,能在保证有效波不被滤除的前提下有效提高地震资料的信噪比。     

异常振幅衰减法压制海上船噪声干扰CSCD

海上船噪声干扰是海洋地震数据中的主要干扰波之一,由于其反射同相轴符合地震时距曲线规律,且其频谱与有效信号基本重叠,用滤波等常规噪声压制技术很难对其进行有效地压制。由于海上船相对于地震采集拖缆的位置具有随机性,共炮点域中的规则船干扰在共偏移距域内变为随机强能量噪音,为此提出一种用异常振幅衰减法压制海上船噪声干扰的方法,其思路是先将炮集抽成共偏移距道集,然后用异常振幅衰减法对船噪声干扰进行压制。通过对实际海洋地震资料进行处理,得到了良好的应用效果。     

基于视速度的波场变换的叠前强相干噪音压制技术

针对叠前强横速相干噪音(如多次折射波、声波、面波),提出了基于视速度的波场变换叠前强相干噪音压制技术,该技术由基于视速度的波场变换技术和非线性滤波以及奇异值分解（SVD）滤波技术组成。首先由基于视速度的波场变换技术提供变换波场,然后,在变换波场上进行相应的滤波,最后将经过滤波处理的道集通过逆波场变换得到被压制噪音的叠前数据。着重分析了非线性滤波技术,同时也对基于视速度的波场变换叠前强相干噪音压制技术的原理、实现步骤、应用条件及效果给予了详细描述。     

异常振幅衰减法压制海上船噪声干扰

海上船噪声干扰是海洋地震数据中的主要干扰波之一,由于其反射同相轴符合地震时距曲线规律,且其频谱与有效信号基本重叠,用滤波等常规噪声压制技术很难对其进行有效地压制。由于海上船相对于地震采集拖缆的位置具有随机性,共炮点域中的规则船干扰在共偏移距域内变为随机强能量噪音,为此提出一种用异常振幅衰减法压制海上船噪声干扰的方法,其思路是先将炮集抽成共偏移距道集,然后用异常振幅衰减法对船噪声干扰进行压制。通过对实际海洋地震资料进行处理,得到了良好的应用效果。     

四川盆地强噪音环境下高密度地震采集技术实践

随着社会发展及城镇化进程加快，地震资料采集面临环境噪音的影响愈加严重。环境噪音的有效控制是提高地震资料信噪比最有效的措施，然而随着高密度地震勘探技术和技术经济一体化的提出，高效地震采集与对错综复杂的噪音严格控制的矛盾日益加剧，因此找到地震资料质量与施工效率的平衡点显得尤为重要。为此首先分析了四川盆地环境噪音特征及其控制措施；其次分析了不同强度环境噪音对地震资料的影响，并分析了不同强度环境噪声的压制效果；最后通过不同强度环境噪音压制效果找到需要控制的环境噪音门槛值。研究表明：强度在20μV以内的环境噪音对地震资料评价影响较小，强度在40μV以内的环境噪音通过室内处理可以有效压制。     

基于SVD的叠后地震资料随机噪声分离方法

笔者提出基于SVD的叠后地震资料随机噪声分离方法,在地震剖面的同相轴水平或接近水平时可以有效地分离出地震剖面中的随机噪声,提高地震剖面的分辨率。为了说明SVD随机噪声分离方法的有效性和高效性,建立模型试验,在合成地震记录中加入随机噪声,之后进行实际地震资料处理,分别用SVD方法和基于小波变换的分层阈值方法对加入随机噪声的合成记录和加入随机噪声的实际资料进行随机噪声分离处理。对比发现,SVD随机噪声分离方法相比于基于小波变换的分层阈值方法更加有效且高效。     

基于方位相交的纵波AVA数据运用SVD反演HTI介质裂缝密度

裂缝密度是定量预测裂缝性储层的重要参数之一。Varela利用方位角上的反射系数,运用SVD方法反演HTI介质裂缝密度。笔者将不同方位角测线中两两相交测线的反射系数做差,对反射系数差值运用SVD方法反演HTI介质裂缝密度,各向异性参数在做差后的反射系数中具有更显著的作用。笔者首先针对2种方法的基本原理进行了阐述,然后进行数值计算,并对反射系数存在随机扰动情况下2种方法的反演结果进行对比,最后对笔者提出的改进方法进行稳定性分析。反演结果显示：噪声较小时,2种方法的反演结果都接近真实值,然而当增大噪声时,改进的方法比原方法反演结果更好,因此改进的方法比原方法更具有抗噪能力;随着相交测线夹角的增大,改进的方法受随机扰动影响的稳定性增强,在方位正交时受随机扰动的影响最小;纵波高信噪比AVA数据越多,反演的结果越稳定。     

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。     

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。      

改进的曲波变换及全变差联合去噪技术

运用常规的基于曲波变换和全变差的联合去噪技术,可以有效地衰减随机噪声,较好地克服使用曲波变换带来的强能量团以及在同相轴边缘产生的不光滑现象,但是这种常规的联合去噪方法对有效信号有一定的损害。笔者采用一种多尺度多方向改进的Donoho阈值去噪思想,较好地克服了常规的联合去噪方法的缺陷,保护了有效信号。该方法在应用曲波变换去噪时,对每一个尺度的每一个方向都选取一个合适的阈值因子,而不是常规的方法对整个曲波系数矩阵只选取一个固定比例的阈值因子。理论模型与实际资料的处理结果表明,该技术最大限度地保留了地震数据的有效信号,在地震资料处理中具有较好的应用前景。     

Seismic random noise attenuation using artificial neural network and wavelet packet analysis

In this paper, we present a method for attenuating background random noise and enhancing resolution of seismic data, which takes advantage of semi-automatic training of feed forward back propagation (FFBP) artificial neural network (ANN) in a multiscale domain obtained from wavelet packet analysis (WPA). The images of approximations and details of the input seismic sections are calculated and utilized to train neural network to model coherent events by an automatic algorithm. After the modeling of coherent events, the remainder data are assumed to be related to background random noise. The proposed method is applied on both synthetic and real seismic data. The results are compared with that of the adaptive Wiener filter (AWF) in synthetic shot gather and real common midpoint gather and also with that of band-pass filtering on real common offset gather. The comparison indicates substantially higher efficiency of the proposed method in attenuating random noise and enhancing seismic signals.     

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.     

基于第二代Curvelet变换的地震资料随机噪声衰减

噪声衰减是地震资料处理中的关键问题之一。根据Curvelet变换对含有光滑边界的二维二阶连续可微函数所具有的稀疏表示性能,给出了Curvelet变换域地震资料随机噪声衰减的阈值方法;并给出了基于地震资料中随机噪声是独立同分布的高斯白噪假设条件下的阈值估计方法。通过合成数据和叠后实际数据算例,对该方法的有效性进行验证。结果表明,Curvelet变换不仅可以很好地衰减随机噪声,并且能较好地保持有效信号。