地震信号稀疏分解的快速方法

稀疏化方法由于能够实现地震信号的高精度分解,已经成为重要的地震信号处理技术.目前地震信号稀疏分解常采用的方法是匹配追踪算法(Matching Pursuit,MP),但所得结果不够稀疏.针对此局限,提出了一种基于重复加权提升搜索算法(Repeated Weighted Boostmg Search,RWBS)的快速分解方法.首先,根据地震信号的频谱图缩小频率搜索范围;然后,将搜索算法RWBS与正交匹配追踪(Orthogonal Matching Pursuit,OMP)方法相结合,就得到一种快速的稀疏分解方法,将本文的方法应用到人工合成和实际的地震数据处理中,并与MP和OMP追踪算法作比较,说明采用本文方法进行地震信号分解在稀疏度和分解速度方面都有提高,仿真实验结果表明,与MP和OMP分解算法相比,在满足相同的分解精度条件下,RWBS算法不仅大大提高了分解的稀疏度,而且提高分解速度.与OMP算法相比较.基于RWBS的新方法分解所需的时间减少了约87%;与MP算法相比较,新方法分解所需的时间减少约50%.     

基于MP方法的地震信号快速分解算法

Matching Pursuits算法是信号分解的一种具体实现方法.针对地震信号在过完备库中进行分解时原子字典索引和计算量均非常庞大的问题,提出了一种原子字典索引的快速生成算法.首先根据地震信号的频带特征缩小字典索引的频率范围;然后同样依据地震信号的波形特征缩小字典索引的尺度范围.从而利用对地震信号的先验知识,收缩原子字典索引的扫描范围,实现基于Matching Pursuits算法的地震信号的快速分解.     

基于压缩感知重构算法的大地电磁强干扰分离

为压制大地电磁信号中的强人文干扰,提出一种基于压缩感知重构算法的大地电磁信号去噪方法.通过构建与常见典型强干扰相匹配而对有用信号不敏感的冗余字典原子,利用改进的正交匹配追踪算法,分离出大地电磁信号中的强干扰成分.为了验证所述方法的强干扰分离效果,首先通过在实测大地电磁信号中加入理想的强干扰信号进行了仿真分离实验,然后从大量实测数据中选取三种含有不同类型强干扰的时间域片段,用所述方法对实测数据中的强干扰进行分离,最后将所述方法应用于青海试验点以及庐枞矿集区某测点实测数据的综合处理.仿真实验结果表明,该方法在分离出强干扰的同时,能够较好地保留有用信号.实测数据处理结果表明,该方法能够有效压制强干扰,改善强干扰区大地电磁数据的质量.

     

改进的高精度匹配追踪方法研究及应用

本文在常规算法的基础上,提出了一种改进的匹配追踪方法.该方法通过引入新的完备库构建策略,并以雷克子波作为原子,利用原始地震数据最大相关性估计完备库的原子的位置和能量,使得分解精度进一步提高,极大地提高了算法的适应性;为避免原子间隔过小问题,引进了最小原子间距,使得分解效率和分解质量进一步提高.模型试算和实际资料应用表明,本文算法不仅提高了信号稀疏表示的质量,加快了收敛速度,而且算法的适应性和分解精度也得到提高;该方法能够较好地挖掘地震有效信息,提高地震解释精度.

     

基于高光谱图像稀疏表示的彩色可视化模型(英文)

提出一种对整幅高光谱图像的稀疏表示结果进行直接显示的方法,图中不仅包含了稀疏表示中保留的光谱信息,还可显示整幅图像的空间信息。稀疏表示后,将字典中的各有效原子根据光谱特性选择颜色标签,之后根据稀疏系数进行混合颜色显示,此时的图像能够同时满足可分性及距离保持特性。针对局部地物时,提出的单像素混合阵列表示法及改进的裂片纹理技术能够直观且完整的显示出每个像元的具体组成情况,还能够根据所生成图像中的信息对原始HSI进行重建,进而提高数据的利用率。该模型不仅能够良好地显示地物的空间特性,同时能够显示稀疏系数的组成,同时单像素混合阵列表示法及裂片纹理技术弥补了混合像素彩色显示中颜色表达混乱的弊端。对真实地物数据进行实验,结果证明该模型产生的彩色图像具有良好的视觉效果及可分性,满足距离保持特性。     

基于超完备字典学习的缺失地震数据重构方法

地震勘探目标区域环境的复杂多变性导致采集的地震数据存在不完整或者不规则等问题,针对这一问题,本文在压缩感知相关理论的支撑下,提出了基于超完备字典学习的缺失地震数据重构方法.首先利用K-SVD字典学习技术对地震样本数据进行训练,建立超完备字典对地震数据进行稀疏表示,然后引入高斯随机采样矩阵作为测量矩阵对地震数据进行采样;在数据重构阶段采用分段正交匹配追踪算法实现缺失地震数据的重构.通过与传统的地震数据重构方法对比,本文算法的重构效果在峰值信噪比、信噪比等指标上均优于对比算法,证明了超完备字典学习方法能更好的根据地震数据特征进行稀疏表示,从而获得较好的重构效果.     

基于地震信号波形形态差异的面波噪声稀疏优化分离方法

实际地震信号通常可表示为具有波形特征差异的多种基本波形信号的线性组合,如叠前道集中的工频干扰噪声与有效波信号、面波噪声与体波信号等.选择单一数学变换方法,往往不易实现地震信号的稀疏表示.近年来发展的形态成分分析理论,通过联合多种数学变换,可实现对复杂信号的稀疏表示.本文根据单道地震记录中面波与体波信号波形结构特征的差异性,提出一种基于形态成分分析的面波噪声衰减方法.针对面波的低频、窄带以及频散特性选择一维平稳小波变换作为其稀疏表示字典,而针对体波波形的局部相关特性选择局部离散余弦变换作为其稀疏表示字典,建立基于双波形字典的形态成分分析模型,通过求解该稀疏优化问题获得最终的信噪分离结果.理论模型和实际地震资料处理证实该方法不仅能够衰减单炮地震记录中的强面波干扰噪声,同时能够更好地保护有效信号的波形特征与频谱带宽,为地震资料的后续处理和分析提供良好的数据基础.     

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.

     

基于稀疏分布特征的井下微地震信号识别与提取方法

井下微震监测获得的地震记录往往包含大量的噪声,记录信噪比很低.有效地震信号的识别与提取是进行后续地震定位等工作之前需要优先解决的问题.经过研究发现,井下水压裂微地震信号具有稀疏分布的特征,而井下环境噪声则具有更多的Gaussian分布特征.为此,本文提出将图像处理领域适宜于稀疏分布信号降噪处理的稀疏码收缩方法应用于井下微震监测数据处理.为解决需要利用与待处理数据中有效信号成分具有相似分布特征的无噪信号序列估算正交基以及计算效率等问题,将原方法与小波变换理论相结合.即通过优选小波基函数作为正交基进行小波变换将信号分解为不同级的小波系数,利用稀疏码收缩方法中对稀疏编码施加的非线性收缩方式作为阈值准则对小波系数进行改造.通过多方面的数值实验证明了该方法在处理地震子波及井下微地震信号方面准确可靠.含噪记录经过处理后有效地震信号的到时、波形、时频谱特征等均能得到良好的识别和恢复.并且该方法具有很强的抗噪能力,当信噪比低至-20~-30 db时,仍然能够发挥作用.在处理大量实际井下微震监测数据的过程中,面对多种复杂情况,本方法展现出了计算效率高、计算结果可靠、应用简单等优势,证明了其本身具有实际应用价值,值得进一步的研究和推广.     

基于L1-L1范数稀疏表示的共偏移距道集地震数据重建方法

传统地震数据稀疏重建方法面临着:(1)叠前共炮点道集或CMP道集反射波为双曲线型同相轴,地震数据重建会损害有效波;(2)地震信号存在噪声和畸变,要求重建方法具有较好的噪声鲁棒性.针对这两个问题,提出一种基于L_1-L_1范数稀疏表示的共偏移距道集地震数据重建方法.该方法利用了共偏移距道集中地震波为水平同相轴,无道间时差,满足空间重建要求,和L_1-L_1范数稀疏表示具有较好的噪声鲁棒性.首先抽取共偏移距道集地震数据,并根据地震采集信息构造复合采样矩阵,然后采用L_1-L_1范数稀疏表示对数据稀疏重建后,再将数据反变换回共炮点道集或CMP道集,能够同时实现地震信号稀疏重建和随机噪声压制.理论模型和实际数据试算结果验证所提方法具有较好重建精度和噪声鲁棒性.     

基于密度模型稀疏表征的重力反演方法

重力反演是恢复地下密度空间分布的有效工具,而选择合理的密度模型约束方法是提升重力反演分辨率和可靠性的关键.常规约束方法大多是从剖分网格空间中的密度模型出发,通过调整光滑或稀疏约束权重来匹配反演目标,但当地质体类型多样、异常分离不准确及网格剖分方案不合理时,模型约束的合理性与灵活性难以得到有效保证.为此,本文提出了一种基于密度模型稀疏表征的重力反演方法.首先假设待反演的密度模型表征为模型特征矩阵和稀疏分解系数的线性组合,之后重新推导了重力反演目标函数,并给出了分解系数的稀疏求解过程.相比现有重力反演方法,用于构建模型特征矩阵的特征模型可包含不同类型地质体的先验几何信息,分解系数的稀疏性保证了待反演目标来自于最典型的地质模式组合.最后,通过模型试验及实际资料验证了基于密度模型稀疏表征的重力反演方法的有效性.

     

核磁共振与瞬变电磁三维联合解释方法

传统核磁共振地下含水量解释多采用基于均匀半空间或层状导电模型的一维反演, 分层给出地下含水信息.然而, 这些方法忽略了地下复杂电阻率分布信息对结果的影响, 也不能很好地反映局部三维含水构造.本文从三维电介质中核磁共振响应的正演理论出发, 提出首先利用瞬变电磁数据进行基于等效导电平面法的快速电阻率成像, 然后将成像结果作为核磁共振三维反演的电性模型, 进行联合解释.激发磁场的分布采用有限元法直接求解, 通过引入伪δ源实现电流源的加载, 并强加散度条件排除了三维磁场模拟中"弱解"的影响.针对核磁共振灵敏度矩阵的病态性和数据中存在的干扰信号, 提出考虑罚项的非线性拟合目标函数, 利用线性化方法进行核磁共振反演.模型数据表明该方法能较准确反映地下三维含水构造, 实测算例进一步证明了方法的有效性.本研究将促使核磁共振方法在岩溶、裂隙水、孤立水体等复杂水文地质条件及隧道、矿井灾害水源探测等方面得到有效应用.     

基于核磁共振测井的低渗透砂岩孔隙结构定量评价方法——以东营凹陷南斜坡沙四段为例

低渗透砂岩油气藏已成为油气增储生产的重要勘探开发目标,但孔隙结构复杂使得储层及其有效性难以准确识别.笔者利用物性、压汞、核磁等资料,对东营凹陷南坡沙四段(Es4)低渗透砂岩孔隙结构进行分析,划分出了3种类型.核磁T2谱与毛管压力曲线都在一定程度上反映孔喉分布,但常规方法利用T2谱重构伪毛管压力曲线所得到的孔隙半径与压汞孔喉半径有较大误差,而岩石孔隙自由流体T2与压汞孔喉分布对应关系更好,以此建立了不同孔隙结构类型二者之间不同孔喉尺度对应的关系式(大尺度:线性;小尺度:分段幂函数),可在井筒剖面上通过识别孔隙结构类型,进而利用核磁共振测井(NML)定量反演孔径分布,省去了构建伪毛管曲线环节,为低渗透砂岩储层有效性评价提供了直接依据,也是测井用于定量反演储层微观孔隙结构信息的有益探索.     

地面核磁共振找水反演

简要介绍了地面核磁共振找水的正演理论方法,采用高斯求积并结合连分式展开的方法对核磁共振核函数中包含双重贝塞尔函数的积分核进行了数值积分,进而计算出精度较高的核函数值,在此基础之上,讨论了导电性对地面核磁共振信号的影响.基于奇异值分解算法,对核磁共振找水理论模型进行了反演研究,在不导电的情况下,重构出了比较理想的含水率分布.总结并改进了模拟退火算法,用改进的模拟退火算法分别对覆盖层高阻和导电条件下的核磁共振人工合成数据进行了反演,试验结果表明,利用改进的模拟退火算法反演地面核磁共振是可行的,而且反演结果较稳定,收敛速度较快.     

基于谐波建模和自相关的磁共振信号消噪与提取方法研究

磁共振探测技术（Magnetic Resonance Sounding,MRS）以其无损、定量、直接等优势,被广泛应用于地下水调查、水文环境评价以及灾害水源预警等领域.在实际应用中,强工频谐波和随机噪声等严重影响MRS信号的质量,导致后续水文参数解释不准确.针对这一问题,提出谐波建模和自相关相结合的方法进行消噪以及信号特征参数提取.首先构建工频谐波模型,针对建模算法严重依赖工频基频精度的问题,采用自适应扫描方式搜索方案,大幅提高搜索准确度和速度;其次推导了MRS信号自相关表达式,提出了自相关参数提取的非线性拟合方法.仿真数据结果表明,建模消噪方法有效消除了工频谐波,信噪比平均提升了17.03 dB;自相关处理后,信噪比进一步提升了16.10 dB,初始振幅和弛豫时间参数提取结果的准确度比处理前分别提高了3.8倍和2.8倍.通过不同信噪比和弛豫时间的重复实验,得到当噪声水平小于200 nV和弛豫时间大于200 ms时,自相关参数提取具有较高的稳定性.最后,通过野外实测数据处理实验,进一步验证了联合消噪和参数提取方法的有效性.

     

Reservoir parameter classification of a Miocene formation using a fractal approach to well logging,porosimetry and nuclear magnetic resonance

A methodology for rock classification is presented that considers lithology and reservoir parameters on the basis of a combined fractal analysis of well logs and mercury porosimetry results with nuclear magnetic resonance outcomes. A sandy‐shaly thinly‐bedded Miocene gas bearing formation in the Carpathian Foredeep is investigated. Fractal correlation dimensions D₂ calculated for standard logs are used to distinguish sandstone as the most homogeneous lithological group with the highest porosity. The fractal analysis also confirmed observations of gas accumulations in sandstone, shaly sandstone and sandy claystone as rocks of high porosity. The results of two laboratory methods are combined to improve reservoir properties assessment and evaluate movable media in pore space; this technique was based on the similarity of mercury porosimetry results plotted as cumulative intrusion volume versus pressure or pore diameter and also the curves of cumulative porosity and transverse relaxation time distributions using nuclear magnetic resonance. Close values of porosity from logs, recorded in situ and in laboratory measurements, provide the link between fractal analysis and porosimetry and nuclear magnetic resonance measurements.     

Measuring hydrological connectivity inside a soil by low field nuclear magnetic resonance relaxometry

Hydrological connectivity inside the soil is related to the spatial patterns inside the soil (i.e., the structural connectivity). This, in turn, is directly associated with the physical and the chemical processes at a molecular level (i.e., the functional connectivity). Nuclear magnetic resonance (NMR) relaxometry can be successfully applied to reveal both structural and functional components of soil hydrological connectivity. In the present study, the low field NMR relaxometry was applied on water suspended soils sampled at the upstream‐ and downstream‐end of three different length plots. Also the sediments collected from the storage tanks at the end of each plot were water suspended and monitored by NMR relaxometry. The results from the NMR investigations were elaborated by using a mathematical approach in order to quantify both the functional and structural connectivity components. In particular, following integration of the T₁ distribution curve, an S‐shaped curve was obtained. It revealed two plateaus corresponding to the shortest (low component) and the longest (high component) intervals of relaxation times, respectively. According to relaxometry theory, the two T₁ intervals, associated to the different plateaus, were attributed to micro and macro soil pores, respectively. The two T₁ intervals were used to define a functional connectivity index, while the central part of the S‐shaped distribution was used to define a structural connectivity index. Here we provide the physical meaning of the our mathematical approach, thereby revealing that functional connectivity index increases with plot length, as a result of a selective eroded particle transport. Moreover, the relationship structural connectivity index versus plot length resulted quasi‐independent of grainsize distribution, whereas the values of the structural connectivity index for the sediment samples resulted lower than those obtained for the corresponding soils.     

基于空间-光谱特征和稀疏表达的高光谱图像分类算法（英文）

针对传统的高光谱数据分类方法分类精度不高、没有充分地利用空间信息等缺陷,提出一种基于Gabor空间纹理特征（Gabor spatial texture features）及无参数加权光谱特征（Nonparametric weighted spectral features）和稀疏表达分类（Sparse representation classification）的高光谱图像分类算法,可以简写为Gabor-NW SF和SRC,即GNWSF-SRC。所提出的GNWSF-SRC分类方法首先通过融合高光谱的Gabor空间特征和无参数加权光谱特征来更好地描述高光谱图像,然后通过其进行稀疏表达,最终通过对比其重构误差获得分类结果。在训练集比例不同的情况下,用所提出的方法对两组典型的高光谱数据进行处理,理论研究和仿真结果表明：与传统的分类方法相比,所提出算法能够提高分类精度、Kappa系数等,取得了较好的分类效果。