一种基于小波变换的测井曲线去噪新方法

从小波变换的思想出发,提出一种测井曲线去噪新方法.首先按照Mallat塔式算法对测井曲线进行小波分解,然后应用一个非线性软门限函数在小波域内将噪声抑制与滤除,最后通过小波变换得到重构的测井曲线.结果表明,该方法较传统滤波方法更为有效.     

基于形态小波的核磁共振测井信号去噪及现场应用研究

核磁共振测井中采集到的回波串信号十分微弱,而背景噪声很强,使信噪分离困难。为解决这一问题,引入了结合数学形态学的特征识别和小波分解的多分辨率分析特性的形态小波方法。讨论了方法的数据基础和应用步骤,并与小波软阈值方法处理结果进行了对比分析。实测数据处理结果表明:形态小波去噪方法具有良好的细节保留和抗噪声能力,去噪效果优于小波软阈值滤波方法;在消除测井信号随机噪声的同时,能很好地保留信号的波形和特征,在较低信噪比下仍可有效地提取测井信号的有用信息,提高了T2谱的反演精度。     

基于f-x域时频非凸正则化低秩矩阵近似的共偏移距道集去噪方法

随机噪声压制是地震数据处理的关键环节,而时频稀疏低秩近似算法逐道处理地震数据过程中无法利用信号的道间相干性。为此,将时频稀疏低秩近似与f-x域去噪结合,提出一种f-x域时频非凸正则化低秩矩阵近似算法。该算法对f-x域中每一单频分量作时频分解后,再对时频系数矩阵作低秩矩阵近似计算,能够利用信号和噪声的时频谱差异实现非平稳信号去噪处理。与共炮点道集和共中心点道集相比,共偏移距道集具有平缓甚至接近水平的同相轴结构,基本满足f-x域去噪的线性同相轴假设前提,建议将所提算法应用于共偏移距道集去噪处理。通过数值模拟和实际地震数据试算,证明本文方法能够有效压制随机噪声,同时保持有效信号不被损害。     

基于低信噪比条件下新型Seislet变换的阈值去噪方法

Seislet变换是一种类小波变换方法, 主要根据小波基沿地震同相轴的局部倾角方向来分析数据, 其中, 局部地震倾角的表征是该方法的核心。局部倾角的求取方法有很多种, 但是往往在低信噪比的条件下存在着一些局限。根据共中心点道集中基于时距关系的地震倾角定义, 提出一种适应于低信噪比条件下的倾角求取方法。对比基于时距关系与平面波分解滤波器计算出的局部地震倾角, 结果证明, 该方法能更加准确地表征低信噪比条件下同相轴的倾角信息。将基于时距关系的局部地震倾角用于Seislet框架, 建立表征低信噪比数据的新型Seislet变换方法。在地震数据处理中, 引入语音信号中改进的阈值方法。结合新型Seislet变换, 提出阈值去噪方法, 此方法不但适于地震数据, 而且在提高信噪比方面也优于传统的阈值去噪方法。实际数据处理的结果验证了新型Seislet变换与改进阈值去噪方法的组合能够有效地解决低信噪比条件下的信号提取任务。     

基于EMD去噪方法研究及其在地质勘探中的应用

论述了EMD分解的基本原理,研究了利用EMD分解进行信号去噪的方法.EMD把信号按照不同的特征尺度分解为不同频带的IMF分量,将含有噪声的高频IMF分量剔除,选择低频或者指定频带的IMF进行信号重构,即可达到去噪的目的.仿真信号与实测数据的处理结果都表明,该方法不但有效地去除信号中的确定性噪声和随机噪声,而且尽可能地保持了有效信号,减少了信号损失,提高了数据处理的准确性.     

基于广义S变换时频滤波的MT数据去噪

针对油气勘探中大地电磁(MT)数据易受各类干扰的污染,且信噪难以分离的问题,把基于广义S变换的时频滤波技术应用于MT数据处理中来,得到MT数据的S域时频分布,分析受噪MT数据在S域的时频分布特征,再在S变换时频域进行时频阈值去噪,并对滤波后的S域时频谱进行逆变换重构,分离得到去噪后的MT数据。给出了基于广义S域时频滤波的方法原理与应用步骤,对被污染的仿真和实测MT数据进行了时频阈值滤波,并与小波阈值去噪方法进行了比较研究。结果表明：基于广义S变换的时频滤波方法可有效抑制MT数据中的干扰,从噪声信号中分离出有效的大地电磁数据,且减少了人为参与,提高了MT勘测的数据质量。     

基于CEEMD和自适应中值滤波的大地电磁数据去噪研究

为提高大地电磁数据的信噪比,笔者提出基于互补总体经验模式分解(CEEMD)和自适应中值滤波的去噪方法,利用CEEMD将大地电磁时间序列数据分解成多个固有模态函数(IMF)及趋势项,依据噪声的高低频特征有选择地利用自适应中值滤波对固有模态函数(IMF)进行去噪,再进行数据重构。对实测数据进行处理,该方法能较好地抑制大地电磁数据中、低频部分的噪声干扰,抑制突变点,提高数据的信噪比。     

基于小波变换的航放数据去噪研究

分析了小波变换在航放数据处理中的应用效果,分析结果表明:(1)小波分析能够有效地去除叠加在航放测量数据上的噪声,再现被噪声掩盖的真实信息,其除噪能力随处理异常范围的变小而变小;(2)小波处理航放谱数据可得到较五点加权滑动平均处理方法更为真实、理想的能谱数据,从而能更真实地反映所测地质体的放射性特征信息;(3)小波处理航放能谱数据,可有效地提高数据的精度,且低能谱部分提高较多;(4)小波变换处理测线(区)数据可基本消除统计涨落的影响,从而识别肉眼难以识别的由微弱异常所引起的峰值,即提取航放数据中的微弱异常;(5)小波变换经过合适的处理程序,可以去除背景场,提取叠加在背景场上的微弱异常。     

基于小波变换的改进阈值函数自适应去噪方法

在多分辨分析小波阈值去噪方法的基础上[3],用一种改进的阈值函数和自适应阈值选取算法相结合的方法,克服了硬阈值法不连续性和软阈值法有偏差的缺点。该方法能自动跟踪噪声,不同尺度自适应采用不同的阈值,可有效去除每一尺度上的噪声,保留有用信号,提高信噪比。仿真实验和地震资料处理结果表明,该方法去噪效果明显,可在各类消除随机噪声的信号处理中发挥作用。     

基于改进K-SVD字典学习方法的地震数据去噪

为实现更好的地震数据去噪技术,笔者引入一种新的算法:快速迭代收缩阀值法(FISTA),通过FISTA和K-奇异值分解(K-SVD)不断迭代更新K-SVD字典,利用更新得到的K-SVD字典对地震数据进行稀疏表示,去除稀疏系数中较小的数值,使数据中的随机噪声得到压制。对层状模型合成地震记录,Marmousi模型合成地震记录以及实际地震数据进行对比实验,得出FISTA算法较OMP算法能更好地提高地震数据的信噪比,同时有效地保护了反射信号。