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.     

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。     

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．      

基于广义S变换、经验模态分解叠前去噪方法的比较

高频噪声压制是高分辨率地震数据处理中的关键性问题.基于广义S变换、经验模态分解的时频域地震去噪技术具有时变、分频和高保真特性,可有效处理非平稳地震信号,但二者在去噪原理、去噪效果、保真度、计算效率等方面尚存差异.对比分析表明:两种算法在提高地震信号信噪比的同时,可保持地震信号的保真度,保护陡倾角反射界面能量;基于广义S...     

基于Seislet-TV双正则化约束的地震随机噪声压制方法

人工地震数据总是受到随机噪声的干扰,地震数据时-空变的特性使得常规去噪方法处理效果并不理想,容易导致有效信号的损失.目前广泛应用的预测滤波类方法存在处理时变数据能力不足的问题.随着压缩感知理论的不断完善,稀疏变换阈值算法能够解决时变地震数据噪声压制问题,但是常规的稀疏变换方法,如傅里叶变换,小波变换等,并不是特殊针对地震数据设计的,很难提供地震数据最佳的压缩特征,同时,常规阈值算法容易导致去噪结果过于平滑.因此开发更加有效的时-空变地震数据信噪分离方法具有重要的工业价值.本文将地震数据信噪分离问题归纳为数学基追踪问题,在压缩感知理论框架下,利用特殊针对地震数据设计的VD-seislet稀疏变换方法,结合全变差(TV)算法,构建seislet-TV双正则化条件,并利用分裂Bregman迭代算法求解约束最优化问题,实现地震数据的有效信噪分离.通过理论模型和实际数据测试本文方法,并且与工业标准FXdecon方法进行比较,结果表明基于seislet-TV双正则化约束条件的迭代方法能够更加有效地保护时-空变地震信号,压制地震数据中的强随机噪声.     

小波与曲波变换探地雷达数据去噪对比分析

探地雷达勘探工程目标及观测工程环境越加复杂给其精确的数据处理带来极大挑战,高效的探地雷达数据去噪算法是当前关注的重要研究领域.基于阈值去噪思想,小波变换和曲波变换去噪算法在探地雷达数据去噪应用中受到限制,有必要开展上述两种去噪算法适用性和实用性系统评价及改进.基于传统高阶相关统计阈值和块状复数域阈值函数,本文开展了小波变换及曲波变换去噪算法在合成含噪数据去噪效果对比分析;提出窗口高阶相关统计阈值小波变换去噪算法、探讨了块状复数域阈值函数取值变化对曲波变换去噪效果影响规律.通过对实测数据去噪分析,验证了窗口高阶相关统计阈值小波变换和估计块状复数域阈值函数曲波变换去噪算法的可行性及有效性.     

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.     

基于压缩感知的小波阈值和CEEMD联合去噪方法

中深层地质条件复杂,地震资料品质差,主要表现为:地震资料信噪比低、有效信号弱.如何在去噪的同时有效保留弱有效信号,获取高信噪比的地震数据成为地震数据处理的关键问题.传统小波阈值与互补集合经验模态分解(CEEMD)联合去噪方法相比单一方法可以获取更高品质的地震数据.基于压缩感知理论的去噪方法利用地震数据在变换域中的稀疏特性,通过设定稀疏基矩阵和测量矩阵,可以将地震数据去噪问题转化成求解最优化问题,通过最优解重构原始信号,实现对地震资料的去噪处理.该方法能够在有效衰减随机噪声的同时最大限度的保留有效信号.本文基于压缩感知理论开展小波阈值去噪方法研究,并在此基础上结合CEEMD方法对含噪较多的固有模态分量进行有针对性的随机噪声压制.通过对含噪数据开展不同方法的去噪结果对比可见,本文方法可以在保证高信噪比的基础上更为有效的保留弱有效信号,数值试算验证了该方法对弱有效信号地震数据去噪具有显著优势.     

基于Curvelet变换的地震资料信噪分离技术

在地震资料中,噪声干扰严重影响了有效信号的提取,为此必须进行信噪分离处理.本文提出一种基于Curvelet变换和KL变换相结合的软硬阈值折衷处理方法.首先对地震数据进行Curvelet变换,然后对各尺度系数选取适当阈值压制噪声干扰,再利用KL变换提取数据中的相干有效信号,最后重构得到去噪后的记录.经合成记录和实际地震资料处理实验证明,该方法与小波变换法相比较,更能有效进行信噪分离,提高地震剖面信噪比和分辨率.     

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     

基于稀疏表达的OBS去噪方法

海底地震仪（OBS）采集数据的去噪处理是开展OBS震相分析及后续处理反演的基础.本文结合曲波（Curvelet）变换及压缩感知提出一种稀疏化表达的OBS去噪方法,并通过与小波变化对比等探讨去噪效果.曲波变换具有抛物尺度及识别线性异常的优点,可以稀疏地表示OBS数据,再结合压缩感知思想对稀疏表达OBS数据进行去噪处理和重构.通过对变换后的系数进行基于L₁范数的冷却阈值迭代滤波,获得最优的变换系数,本文指出基于曲波变换的冷却阈值迭代法能够很好地对OBS数据去噪.对比小波和曲波两种变换在相同迭代次数下对理论模型数据进行去噪处理,表明曲波变换得到的结果信噪比更高.利用本文方法对渤海地区采集的OBS数据进行去噪处理获得了更加清晰连续的震相,噪声压制效果更明显,为震相拾取及后续速度模型反演奠定了良好的基础.     

基于小波分频与径向道变换的联合压制面波方法（英文）

面波是地震记录上严重的干扰波。基于小波变换的面波衰减方法考虑了面波频率低的特点,但是当有效信号和面波干扰存在频率重叠时,其压制效果不理想。径向道变换考虑了面波与有效信号视速度差异,有利于去噪,但是在去除面波的同时也会损害有效信号的低频分量。本文根据面波和有效信号在视速度以及小波域能量的差别,将小波变换的局部分析能力与径向道变换的去噪优势相结合,提出了基于小波分频与径向道变换的联合面波压制方法。首先应用小波变换,将地震记录分解为不同频段,对出现面波的频段作径向道变换,然后再作低切滤波处理,最后利用径向道反变换后的记录与其他频段的记录进行小波重构得到去除面波的记录。两种方法的联合使用提高了小波分频去除面波的能力,同时也较好的保护了有效信号。通过模型数据实验分析和实际资料数据处理的结果表明,本文提出的方法具有较强的去噪能力和良好的保幅性能。     

基于小波自适应阈值去噪的MT信号处理方法

针对常用大地电磁(magnetotelluric,MT)信号小波阈值去噪中阈值函数和阈值选取的不足,选取一种新的阈值函数,并提出了基于小波变换多分辨Stein无偏风险估计,自适应的获得最优阈值的方法;给出了新函数和自适应阈值的确定方法;在与小波硬、软阈值去噪、小波模极大值法去噪结果对比的基础上,用仿真实验验证了方法的可行性;最后用内蒙某地实测的大地电磁数据进行了去噪效果的对比研究.结果表明:本文选取的新函数和自适应阈值的确定方法是正确、有效的,克服了常用小波硬、软阈值去噪的缺点;去噪后大地电磁信号变得平稳,估算的响应参数方差减小,曲线更为圆滑、连续,为后续的地质解释和评价提供了更为准确的信息.     

小波包F-X域前后向预测去噪

小波包变换具有分时分频的特性,是非平稳信号分析处理的一个很好的工具本文将小波包的分时分频特性结合地震信号处理中的F-X域预测抑制噪声技术,提出了小波包F-X城前后向预测去噪方法实际应用结果表明,该方法对于叠后地震剖面的随机噪声抑制比较好,有很强的实用性     

基于曲波变换的循环平移地震随机噪声衰减

对曲波变换的地震数据随机噪声衰减方法进行了探索,基于曲波(Curvelet)变换在图像处理方面的优越性,结合循环平移(Cycle spinning)技术提出了一种用于地震随机噪声衰减的新方法.在利用曲波变换闽值去噪算法基础上引入循环平移技术,可以消除曲波变换由于缺乏平移不变性所导致的信号伪吉布斯效应,并且较好地保留了有效信号.对地震正演模拟数据进行随机噪声衰减试验,对不同噪声含量数据进行去噪分析,并应用于实际地震数据,结果表明,新方法对去除地震随机噪音有较好的效果.     

基于广义Beta小波稀疏域混合约束优化的地震去噪方法研究

地震随机噪声压制是鄂尔多斯盆地黄土塬、沙漠、戈壁滩等复杂地表区域低信噪比地震资料处理的一项重要任务.稀疏反演去噪是地震随机噪声压制的常用方法之一.?₁范数和全变分(Total Variation, TV)正则化是稀疏变换域去噪方法中常用的两种正则化项.但是,?₁范数是对?₀范数的松弛,难以提供更稀疏的去噪结果;基于TV正则化项的方法容易引起阶梯状异常结果.因此,为了避免上述缺点,本文提出了一种基于广义Beta小波稀疏域混合范数优化的地震随机噪声压制方法和算法流程实现.首先利用广义Beta小波紧标架加快计算,获得具有更高局域化性的稀疏时频表示.其次是引入包括?_p范数和TV正则化的混合约束项,克服单一正则化项的缺点.最后,利用鄂尔多斯盆地黄土塬区的合成地震数据、三维叠后地震数据和共反射点道集数据验证了本文去噪方法的有效性.结果表明：本文提出的去噪方法既能够有效抑制随机噪声、显著提高信噪比,让地震同相轴连续光滑;又能够准确保护有效信号,保持波组间的相对幅值,突出有利微小断层和含油气层的振幅形态.     

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...     

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.     

微地震信号的参数辨识建模及其Kalman滤波

由于微地震信号能量微弱、信噪比低,需要对采集到的微地震数据进行去噪处理,从而提高微地震记录的信噪比,提高震源定位的精度.目前存在许多基于模型的先进滤波方法,如基于机理模型的卡尔曼滤波已经成功应用在微地震信号去噪中.为了建立微地震信号的数学模型,改善卡尔曼滤波效果,本文通过数据辨识方法,对微地震信号建立了ARMA模型,并进一步转化为适用于卡尔曼滤波算法的状态空间模型.在此基础上研究了卡尔曼滤波方法,设计了适用于微地震去噪的卡尔曼滤波实现算法.理论模型和实际微地震监测数据处理结果表明,基于辨识模型的卡尔曼滤波算法能够有效抑制微地震信号中的随机噪声,显著提高微地震监测信号的信噪比,从而验证了该辨识模型的准确性和滤波算法的可行性.