多小波方法及其在深地震测深数据去噪中的应用

在宽角反射/折射地震测深数据处理中, 仍多用基于傅里叶变换的滤波方法和小波去噪方法。鉴于傅里叶方法对稳态信号很有效但对非稳态的地震信号效果不佳的状况以及小波不能同时具有正交性、紧支性、对称性, 本文给出了基于多小波的去噪方法, 多小波具有正交性、对称性、紧支性, 克服了传统小波的缺陷。编写了多小波去噪方法的人机交互软件。该软件可以方便快捷地显示宽角反射/折射地震记录截面, 进行多小波域的阈值去噪。实例计算结果表明, 本文所述方法和编写的软件有效且可行。     

最优小波包变换在地震信号去噪中的应用

应用最优小波包变换,采用取决于节点噪声时频特征的相关阈值,对模拟地震波到达的加噪合成信号、SDAES数字声发射仪采集的微震实验信号、NIED观测台站记录的日本2007年能登半岛地震信号进行去噪,并和基于小波变换的其他方法进行了去噪效果比较.结果表明,该方法获得的信号信噪比(SNR)高、失真低,体现出了总体优越性.     

小波分析在地震资料去噪中的应用

本文阐述了小波变换和去噪的基本原理,根据模拟信号和实际地震信号的频谱分析,讨论了如何选择小波基,及去噪中的阈值问题,从小波分解出发,利用多尺度分解对地震资进行分析,并基于MATLAB语言和小波工具箱,实现了对地震资料的去噪.     

二进小波变换方法的地震信号分时分频去噪处理

应用二进小波变换理论,对地震记录剖面进行小波分解,在小波变换域,对各分量剖面进行分时分频相关分析,并依此进行加权处理,最后通过小波反交换算法恢复出地震记录剖面．经实验该方法对衰减地震信号的噪声具有比较好的效果．     

小波包去噪在地震信号预处理中的应用

本文将小波包去噪应用于地震信号的预处理中,并与信号功率谱分析相结合,取得了良好的效果。结果表明,该方法极大的削弱了地震信号中的高、低频干扰,具有一定的应用价值。     

二进小波变换方法的地震信号分时分频去噪处理

应用二进小波变换理论，对地震记录剖面进行小波分解，在小波变换域，对各分量剖面进行分时分频相关分析，并依此进行加权处理，最后通过小波反交换算法恢复出地震记录剖面．经实验该方法对衰减地震信号的噪声具有比较好的效果．     

GHM类正交多小波变换及其在地震资料去噪中的应用

多小波是对小波理论的一个新发展,它可以同时满足正交性、对称性、短支撑等良好的特性要求。文中介绍了多小波基本理论、多小波变换具体过程及预处理方法,提出了基于GHM类多小波变换的地震资料软阈值去噪方法,通过对合成数据和实际资料进行处理分析,表明多小波变换在有效压制随机噪声的同时,能较好地保留原信号的特征信息,是一种行之有效的去噪方法     

基于小波熵与相关性相结合的小波模极大值地震信号去噪

小波模极大值去噪算法中将高频小波系数全部当做噪声处理, 忽略了高频小波系数中仍含有的有用信息, 从而导致了模极大值传播点错选现象以及计算出的噪声方差中仍含有用信息． 针对这些问题, 提出了小波熵与相关性相结合的小波模极大值去噪算法． 将高频小波系数进行相关处理, 确定有效信号的位置; 将最大尺度上的高频小波系数划分成若干个小区间, 计算各区间小波熵; 以小波熵最大区间的高频小波系数的平均值作为噪声方差, 根据Donoho提出的阈值公式计算最大尺度上的阈值; 经阈值比较得到的模极大值点位置与相关处理得到的有用信息的位置进行比较, 保留相同位置的模极大值, 剔除位置不同由噪声引起的模极大值点; 采用即兴(Adhoc)算法逐级搜索各尺度上的模极大值, 并用交替投影算法进行重构． 该算法实现了阈值的自适应选取, 并有效解决了去除错选模极大值传播点的问题． 将本算法和传统去噪方法用于仿真信号处理中, 经对比分析验证了本算法的有效性．     

基于EMD小波阈值滤波的地磁数据去噪分析

采用小波阈值滤波、经验模态分解滤波和基于经验模态分解的小波阈值滤波3种方法,对磁通门磁力仪观测数据进行去噪,有效去除或抑制郫县地震台地磁数据的地电干扰.     

基于支持向量机和小波包的金属矿床地震数据去噪

针对深部找矿地震资料信噪比很低的问题,结合小波包和支持向量机的理论,提出了一种新的去噪算法.该算法首先从地震资料中找出噪声干扰极小的和噪声很强的数据,利用支持向量机进行训练学习,提取噪声和有效信号的样本特征.然后将地震资料实施小波包变换得到更加精细和不同频带的信号,利用支持向量机训练出的样本特征对小波包变换后的数据进行...     

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.     

基于Curvelet变换的探地雷达资料噪声衰减方法

噪声衰减是探地雷达信号处理中的关键问题之一。当探测目标埋藏深度比较浅时,其反射信号与直耦信号和地面回波信号相互重叠,直接影响目标反射波到达时刻的检测及目标的正确定位。针对这个问题,本文提出了一种基于Curvelet变换的噪声衰减方法。通过对理论数值模拟数据和实测数据的处理,以及与平均消去法和二维连续小波该方法处理结果的对比,验证了该方法的可行性和有效性。处理结果显示,该方法不仅可以去除背景噪声、同时可以衰减倾斜相关的相干干扰和数据中的随机噪声。与二维连续小波变换方法相比有更高的计算效率。     

地震资料去噪方法、技术综合评述

地震资料去噪，无论是叠前还是叠后，都是处理中非常重要的内容.随着勘探技术的进步，地球物理界积累和开发的去噪软件已越来越多.对各种去噪方法进行分门别类，阐述其基本原理、物理意义、适用条件、发展前景，既有理论价值又有实际指导意义.本文从噪声的特征出发，首先对地震资料噪声进行了分类；然后综合评述了目前实际生产中常用的几种去噪方法，包括频率域滤波、频率波数域滤波、频率空间域滤波、Radon变换、聚束滤波、基于小波分解和重建的去噪方法等；最后还简述了去噪技术的应用及发展情况.     

地震资料去噪方法技术综合评述

地震资料去噪,无论是叠前还是叠后,都是处理中非常重要的内容.随着勘探技术的进步,地球物理界积累和开发的去噪软件已越来越多.对各种去噪方法进行分门别类,阐述其基本原理、物理意义、适用条件、发展前景,既有理论价值又有实际指导意义.本文从噪声的特征出发,首先对地震资料噪声进行了分类;然后综合评述了目前实际生产中常用的几种去噪方法,包括频率域滤波、频率波数域滤波、频率空间域滤波、Radon变换、聚束滤波、基于小波分解和重建的去噪方法等;最后还简述了去噪技术的应用及发展情况.     

三参数小波变换自适应阈值压制地震数据高频随机噪声

在有效压制高频随机噪声的基础上, 最大限度保留有效信号一直是地震数据降噪处理中的难点.小波变换阈值降噪因其优秀的降噪效果和较高的计算效率受到地球物理学家们的青睐.在小波变换阈值降噪中, 小波基、阈值函数以及阈值是影响降噪效果的3个关键因素.针对这3个关键因素开展相关研究: (1)采用更加适合地震信号分解的三参数小波作为母小波, 可以更好进行信噪分离; (2)采用改进的阈值函数克服传统硬、软阈值函数的不足, 基于改进阈值函数得到的降噪地震数据不仅波形光滑、连续, 而且基本保持原始信号的特征, 综合了硬阈值和软阈值函数的优点; (3)针对统一阈值过扼杀有效信号这一缺点, 提出自适应阈值, 自适应阈值不单以能量为标准进行有效信号和噪声的识别, 还考虑有效信号小波系数的相关性, 避免有效信号被当成噪声舍弃.最后通过模型试算和实际地震数据验证所提方法的有效性和实用性.     

Curvelet阈值迭代法地震随机噪声压制(英文)

本文将近些年发展起来的多尺度分析技术——Curvelet变换与求解优化反演问题的阈值迭代法相结合,研究了基于Curvelet变换的阈值迭代法在地震数据随机噪声衰减中的应用。充分利用了Curvelet变换对地震数据表示的稀疏性,提出将地震数据随机噪声压制问题转化为基于Curvelet稀疏变换的L1范数最优化问题,并采用前人提出的阈值迭代法求解。通过与常规的中值滤波、FX反褶积和小波阈值法去噪方法对比,理论合成数据和实际数据试算表明,Curvelet阈值迭代法去噪法具有优势,该法不仅能够获得较高的信噪比,而且对有效信号的损失较小。为充分利甩Curvelet的多尺度、多方向特性,提出了在Curvelet阈值迭代法去噪结果的基础上再进行方向控制,进一步提高了数据信噪比。     

基于小波变换与小波包变换的降噪方法比较

在模拟地震记录信号中加入信噪比为17的高斯白噪声,然后分别采用小波降噪和小波包降噪方法,对含噪信号进行降噪处理。在不同降噪阈值下,比较降噪后信号的信噪比。结果表明:在同一降噪阈值下,小波包降噪后信号的信噪比高于小波降噪后信号的信噪比,而且采用wbmpen方法给定的阈值明显可以提高降噪后信号的信噪比。     

基于数据增广和CNN的地震随机噪声压制

卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容.

     

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.

     

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.