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。     

基于JADE算法的地震资料随机噪声盲分离方法研究

独立分量分析是近年由盲信号理论发展起来的一种新的多维信号处理方法,在没有先验信息的情况下,能够实现源信号的分离。地震资料中常常包含随机噪声,它是由各种不可预知因素综合作用而成,无统一规律。文中将ICA应用于去除随机噪声问题,在对地震数据特点进行分析的基础上,建立了随机噪声盲分离的ICA模型,并对其假设条件和固有不确定问题进行了深入分析,利用文中改进的稳健预处理算法,先去除加性高斯白噪声,然后将预处理后的数据采用JADE盲分离算法分离出有效信号和非高斯分布的随机噪声,并建立能够辨识有效信号的准则,解决了ICA分离后次序不确定问题,实现了有效信号的提取。仿真实验和对实际地震资料处理表明文中提出的算法能够有效地去除随机噪声。     

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。     

地震随机噪声压制及其初至走时拾取方法研究

针对具有较强随机噪声干扰的地震波形无法准确拾取初至走时的问题,提出在运用自动拾取算法前对地震随机噪声进行压制处理的思想。采用完备集合经验模态分解(CEEMD)联合小波阈值对地震信号进行噪声压制,与小波阈值法的联合使用可有效改善CEEMD方法中直接舍弃部分IMF高频分量,造成去除高频噪声的同时也将相应分量上的有效信息一并去除,进而导致信号失真的问题。采用改进滑动时窗能量比联合AIC信息准则法对去噪后的地震波拾取初至走时,该方法首先根据改进滑动时窗能量比法识别地震事件并大致确定初至时刻,然后在该时刻前后取一时窗,使用AIC方法计算AR模型在该时窗范围内的极小值,得到精确的初至波走时。合成及实际地震资料处理结果表明,在拾取初至走时前进行地震随机噪声压制,可有效提高初至波走时的拾取精度。     

谱模拟方法在高分辨率地震资料处理中的应用

为了克服地震子波的时变影响,避免复杂的时窗大小选取问题,使得谱模拟方法能更好地适应地震信号是平稳信号的假设条件,将改进S变换与谱模拟方法相结合,形成时频域谱模拟方法。在二维时频谱中进行谱模拟处理,该方法能够克服地震子波随地层深度变化的限制。理论模型及实际资料处理效果显示,时频域谱模拟方法能够有效提高地震分辨率,实现地震资料的高分辨处理。     

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。      

利用小波阈值法提高地震勘探信号的信噪比

在地震勘探信号处理中,能否得到高信噪比的信号是正确解读实际勘探信号的关键。在实际勘探中,受到环境等因素的影响,检波器接收到的信号中夹杂着各种相干及随机噪声,降低接收信号的信噪比。鉴于传统傅里叶变换无法处理随机噪声,本工作提出利用改进的小波阈值法提高含随机噪声的信噪比,通过MATLAB仿真和勘探实验验证。建立仿真模型,比较了改进阈值函数与现有软、硬阈值法的去噪效果;信噪比和均方根误差结果显示,改进阈值函数去噪后的信噪比优于软和硬阈值函数的信噪比。利用地震雷克子波建立了地震正演模型,对比改进阈值函数处理前后的结果显示,改进阈值函数法能充分保留有用信号,有效地消减勘探信号中的随机噪声,可为勘探信号解释提供一种新的去噪方法。     

应用时空变—倾角扫描叠加KL变换提高地震资料信噪比

使用KL变换可去除地震资料中随机噪声和相干噪声，提高地震资料信噪比。但常规KL变换仅能加强水平方向同相轴，对倾斜或弯曲同相轴处理效果较差，且在处理大量数据时计算成本很高，在实际生产中难以广泛应用。一些文献中针对常规KL变换的两个缺陷进行了改进，即使用倾角扫描叠加KL变换和采用数据分块技术。作者在本文中将这两个方面的改进有机地结合起来，提出应用时空变－倾角扫描叠加KL变换对地震资料进行处理，并指出使用该方法时需要注意的一些问题。理论模型和实际资料处理效果表明，使用本方法可以克服常规KL变换的缺陷，有效改进剖面处理效果。     

基于小波包分析的地震资料联合去噪方法研究

在地震记录中,随机噪声严重影响了有效信号的提取,为此必须进行消噪处理。这里首先使用小波包变换对不同频段的信号进行精细分离,有效信号和噪声经小波包分解后,其小波包系数将表现出不同特性,然后根据这种不同特性进行去噪处理,对小波包分析法处理后的剩余地震信号再进行KL(Karhunen-Loeve)变换,提取相关有效信号,最后对提取的有效信号进行中值滤波处理,进一步去除剩余噪声。经合成地震剖面和实际地震剖面处理实验证明,小波包分析、KL变换和中值滤波联合去噪方法,能有效地消除较强的随机噪声,提高地震剖面信噪比和分辨率。     

改进的小波阈值法及其在地震数据降噪处理中的应用

野外地震数据受到各种随机因素干扰,需要对随机噪声进行去除。小波分析中的软、硬阈值法是有效的地震数据降噪方法,但由于算法本身特性使得降噪具有一定的缺陷。因此,文中提出了一种改进的小波阈值降噪算法。首先构建了改进的阈值方法模型并对其功能进行了研究,确定了sym3为改进的阈值算法的最佳小波基以及最佳小波分解的层数为3层。利用仿真实验证明了改进的阈值方法降噪能力具有有效性,并通过均方差(RMSE)和信噪比(SNR)对新算法降噪效果进行了评价。最后,将本文提出的算法应用于实际地震数据降噪处理,结果发现改进的阈值法能够有效地去除地震数据中的各类随机噪声,通过与软、硬阈值法降噪效果进行对比研究,结果得出改进的阈值方法降噪效果更理想。     

一种基于AR 模型的预测滤波压制随机噪声方法

在地震勘探中,随机噪声是一类不可避免的噪声,它的存在极大地降低了地震资料的信噪比,导致偏移成像效果差甚至不能成像。自适应线性预测滤波方法是在时间--空间域自回归( AR) 模型系数变化的假定下,把自回归( AR) 模型数学表达式进行变换,引入代价函数以提高解的稳定性、唯一性,推导得到压制一维和二维随机噪声的递归算法。通过模拟和实际地震资料验证表明,该方法能较好地压制低信噪比资料中的随机噪声干扰,同时能较好地保护有效地震信号。     

f-x域共偏移距道集的EEMD随机噪声压制方法

f-x域随机噪声压制方法面临着2个问题:叠前共炮点道集或CMP道集反射波同相轴为双曲线型,去噪同时会损害有效波;地震信号为复杂的非平稳信号,要求去噪方法具有自适应性。基于f-x EEMD的共偏移距道集随机噪声压制方法利用了共偏移距道集反射波同相轴为水平满足f-x域去噪假设条件和EEMD算法对非平稳信号的良好适应性,对f-x域每一个等频率切片做EEMD分解,并去除以高频随机噪声为主的第一个IMF分量,最后将f-x域数据反变换回t-x域,实现噪声分离。正演模拟和实际地震数据试算结果表明:该方法在压制随机噪声的同时,能够保持有效信号。      

平稳小波变换在地震反射资料中面波压制的应用

提高地震信号的分辨率是地震勘探要解决的一项主要任务,而提高地震信号的信噪比是提高地震信号分辨率的先决条件。要提高地震资料的信噪比,需要去除地震资料中的相干噪声和随机噪声。本文介绍了平稳小波变换结合阈值压制面波干扰的方法,通过实际地震记录的处理证实了该方法的有效性。     

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。     

符号位统计检测法消除噪音

本文所介绍的是一种在叠后提高地震资料信噪比的新方法。地震信号在空间上是相关的,而随机噪声是不相关的,利用这一特性,我们给出了一种在时空域利用多道符号位地震记录统计检测地震信号的方法,有效地把信号和噪声分离开来,从而达到提高信噪比的目的。我们利用这一方法,在IBM—4381的TIPEX应用软件系统上开发了计算机程序,并对理论模型及实际地震资料作了试处理,取得了十分明显的处理效果。     

CRP道集优化处理及其在大庆油田S区的应用

叠前反演已在流体预测中广泛应用,其预测精度和应用的反演方法有关,同时叠前反演主要应用叠前偏移的地震数据,地震成像效果和CRP道集的质量对叠前反演的效果具有很大的影响。大庆油田S研究区,Kirchhoff积分叠前时间偏移道集中存在信噪比低、随机噪声能量强、层间多次波、道间能量不均等问题,为有效开展叠前反演计算,需要进行针对上述问题的一系列地震资料预处理,在对地震数据采集和处理参数分析的基础上,应用Radon变换、叠前随机噪声衰减和分偏移距能量补偿等方法,有效提高了地震资料的信噪比,并对道集能量进行了有效补偿。对研究区地震资料处理前后的道集、合成地震记录、叠加剖面以及正演道集与实际道集对比分析证明,道集优化处理有效提高了道集质量,优化处理后的道集可应用于后续的叠前反演和储层预测中。     

基于混合类小波变换的随机噪声消减方法研究

介绍一种基于Seislet变换的混合类小波变换方法。小波变换可以对地震数据在时间方向上作进一步分解,利用小波去噪原理联合Seislet反变换共同对随机噪声进行消减。同时,基于信号噪声正交化模型,利用局部正交权重(LOW)对上一步的去噪结果进行信号能量补偿,从噪声中提取同相轴相干有效信息。理论模型和实际数据处理结果验证本文提出的方法可使地震资料中的随机噪声得到较好的消减。     

基于局部阈值曲波变换的叠前去噪技术研究

野外地震数据包含各种随机噪声干扰,降低了地震资料的信噪比,而常规的单一去噪方法效果不理想,为此选用多尺度多方向的曲波变换进行去噪。首先对经过预处理的含噪信号进行多尺度分解,采用局部阈值去噪法,对曲波变换后的每一个尺度都选取一个合适的软阈值因子,然后在各尺度下提取其有效波信号的曲波系数,最后将提取出来的曲波系数进行逆变换重构出地震信号,从而达到去噪目的。理论模型与实际资料的处理结果表明,与常规单一全局阈值去噪相比,该技术最大限度地保留了地震数据的有效信号,具有较好的去噪效果。     

微地震监测数据时频域去噪方法

原始微地震监测数据的信噪比相对较低,监测数据品质决定了微地震有效信号的定位精度,提高监测数据信噪比是微地震处理的关键环节。改进S变换对窗函数进行能量归一化处理,解决了常规S变换时频谱中频率定位不准的问题,具有更高的时频分辨率精度。利用改进S变换的良好二维时频域聚焦特性,设计时变的二维时频域滤波器,将时频域去噪方法引入到微地震监测数据的去噪处理中。利用改进S变换对微地震监测数据进行时频分析,能够更加准确地分析不同信号分量的振幅能量以及频率随时间的变化情况,实现微地震有效信号分量与噪声干扰分量的有效分离。通过合成模拟信号和实际井中微地震监测数据的试处理和对比分析,验证了该方法的可行性和有效性。