改进的完备经验模态分解和广义S变换相结合的地震信号衰减分析

改进的完备经验模态分解(ICEEMD)是完备经验模态分解(CEEMD)算法的一种最新扩展,其有效解决了CEEMD在信号分解中产生的残留噪声和模态混叠等问题.除此以外,ICEEMD还能更好地检测出含气层的弱信号.而广义S变换在地震信号中具有较高的时频聚焦性,可以清楚地提取地震信号的特征信息.综合以上优点,本文提出了一种ICEEMD与广义S变换相结合的方法,在南海某工区进行地震属性分析,从而检测该地区的含油气情况.具体步骤为:(1)采用ICEEMD方法对地震数据进行分解,选取相关系数最大的特征子信号IMF进行重构,合成一个能体现地震数据细节信息的特征剖面;(2)对该特征剖面进行广义S变换,进而计算其衰减属性;(3)分析衰减梯度属性,结合测井资料进行含油气检测.对南海某工区的结果表明,本文提出的方法可以清楚地刻画储层的强振幅异常特征,给出的含油气解释结果与已知的含气测试结果相吻合.     

基于折线包络的经验模态分解方法

提出了一种基于折线包络的经验模态分解方法.以一个具有明确解析表达式的信号验证了该方法所得结果的意义,并讨论了该方法分解E1 Centro波所得固有模态分量(IMF)的波形与频谱特征.     

基于混合时频分析技术的地震数据噪声压制(英文)

针对复杂地质结构、陡倾角相干噪声、空间采样不均匀等情况下F-x域反褶积去噪技术的不足,提出首先应用具有时-频聚集性度量准则的广义S变换将时间-空间域的地震数据变换至时间-频率-空间域(t-f-x)的数据,在t-f-x域中对每一个频率切片应用经验模态分解(EMD),移除噪声占主导地位的本征模态函数以压制相干和随机噪声的滤波方法。模型分析表明第一本征模态函数表征的高频信息以噪声为主,移除第一本证模态函数可以达到压制噪声的目的。经广义S变换后形成t-f-x域中EMD滤波方法等效于具有依赖于空间位置、频率、高波数截断特征的自适应f-k滤波。此滤波方法考虑了数据的局部时-频特征,且具有执行简单的特点。与AR预测滤波方法比较,此法滤除的成分包含较少的低波数的信息,滤除的成分非常的局部化,且获得结果没有表现出过度平滑的特征。实际资料的应用表明在经广义S变换后形成t-f-x域中运用EMD滤波方法能够有效地压制随机和陡倾角相干噪声。     

基于高通滤波的频率-空间域经验模态分解压制高频噪声

高频噪声压制是高分辨率地震数据处理中提高信噪比的关键性问题.本文针对f-x(频率-空间)反褶积空间预测滤波器无法处理非平稳、非线性信号的缺点,提出了一种基于高通滤波的频率-空间域经验模态分解(Empirical Mode Decomposition in the frequency-space domain,f-xEMD)压制地震剖面中高频噪声的方法.该方法采用全域高通滤波从原始数据中分离出含有部分有效信号的高频数据,将其变换到f-x域,然后在滑动的短窗口内提取每一个频率的空变数据序列进行EMD分解得到高频复本征模态函数(Intrinsic Mode Function,IMF)IMF1,将所有频率的IMF1序列反Fourier变换到时间域得到噪声剖面,将其与原始数据相减,达到高频噪声压制的目的.该方法可克服传统EMD分解方法中的模态混叠现象,保护陡倾角反射同相轴;压制后的噪声剖面中不包含有效信号能量,地震剖面的信噪比得到了提高.模拟数据和实际数据处理结果充分证明了该方法的有效性.     

基于广义S变换研究地震地层特征

将S变换引入到地震地层研究中,用广义S变换代替短时Fourier变换或连续小波变换,用于地震数据频谱分解和提取地震旋回特征.为此,首先研究了S变换的性质及其与短时Fourier变换、连续小波变换的比较,进一步给出广义S变换的特点,说明其如何获得更高分辨率.同时,对前述方法进行数值实现,模型数据试算结果表明算法的正确和有效性.在上述工作基础上,本文首次提出用广义S变换进行地震频谱分解和研究地震旋回,给出实现策略及2D实际地震数据试算结果,证明方法的有效性,为进一步实用化奠定理论和方法基础.     

广义S变换在背景噪声数据处理中的应用

广义S变换解决了标准S变换中基本小波形态固定的缺陷,在分析非平稳信号时能更好地刻画其时频特性。编写广义S变换的计算程序,并用它对地震背景噪声数据进行去噪处理。结果显示:广义S变换处理过的数据信噪比大大提高,可以为数据反演提供更精确的数据。     

广义S变换及其在大地电磁测深数据处理中的应用

广义S变换是一种优于短时窗傅立叶变换和小波变换的时频分析方法,利用广义S变换能够准确定位大地电磁资料中存在的噪声,通过定义时频窗对噪声进行滤除,从而明显提高阻抗视电阻率与相位的估算质量.本文基于S变换和大地电磁测深资料处理的基本原理,研究了基于广义S变换的大地电磁测深资料的处理流程和方法.对理论模拟信号及实测大地电磁场时间序列数据的处理,证实了方法的有效性.     

F-X域复数经验模态分解去噪方法（英文）

F-X域经验模态分解去噪方法在处理非稳态地震数据时存在两个局限,一是单纯剔除第一个固有模态分量将导致有效信号缺失及去噪能力偏弱问题,二是分解复信号时对实部和虚部分别分解存在分解数目不一致的风险。本文对上述两个方面进行了改进,提出了一种新的F-X域投影法复数经验模态分解预测滤波方法,首先采用基于空间投影的复数经验模态分解将F-X域地震数据直接分解为不同的复固有模态分量,然后再对这些分量分别进行F-X域预测滤波。合成记录及实际资料测试表明,本文的新方法能更好地衰减随机噪声,更有效地保持地震信号。     

基于经验模态分解的地震瞬时属性提取

传统复地震道方法提取的地震瞬时属性存在物理意义不明确、对噪声敏感等不足,本文探讨基于经验模态分解的地震瞬时属性提取方法,得到不同尺度下的地震瞬时属性,由此得到的瞬时频率在数值上与地震主频对应较好.将该方法提取的属性应用到海上地震数据中,显示出较好的效果.     

广义S变换域有色噪声与信号识别方法

为研究广义S变换域有色噪声与信号识别问题,首先推导白噪声在S变换和广义S变换下平均功率谱的统计规律,白噪声的平均功率谱与频率呈线性关系. 然后从理论上定性分析一般的有色噪声功率谱的分布特性,得出在广义S变换域有色噪声的功率谱服从自由度为2的χ2分布的规律, 并用Monte Carle方法进行了验证. 在上述工作基础上,本文提出了利用噪声和有效信号统计特性的差别,在广义S变换域中区分噪声和信号的方法,并用模型数据证明了方法的有效性.     

基于总体经验模式分解的地震信号随机噪声消除

地震资料去噪是地震数据处理非常重要的步骤,现代地震勘探对地震资料信噪比的要求越来越高.总体经验模式分解(ensemble empirical mode decomposition,简写为EEMD)是一种新的时域信号处理方法,它是对经验模式分解(empirical mode decomposition,简写为EMD)的一...     

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.     

经验模态分解法在地震资料处理中的应用试验

通过对多种连续小波基的平稳序列时频分析,提出经验模态的非平稳序列的时频分析方法,并在地震资料处理解释应用中作探索性试验.试验结果表明：对地震记录道长为5 s和2 ms采样资料,经验模态分解后可获得6-7个固有模态函数单分量,分解的第一个分量C1（t）具有较宽的频率成分,可作为地震属性的主分量.     

A technique to improve the empirical mode decomposition in the Hilbert-Huang transform

The Hilbert-based time-frequency analysis has promising capacity to reveal the time-variant behaviors of a system. To admit well-behaved Hilbert transforms, component decomposition of signals must be performed beforehand. This was first systematically implemented by the empirical mode decomposition (EMD) in the Hilbert-Huang transform, which can provide a time-frequency representation of the signals. The EMD, however, has limitations in distinguishing different components in narrowband signals commonly found in free-decay vibration signals. In this study, a technique for decomposing components in narrowband signals based on waves’ beating phenomena is proposed to improve the EMD, in which the time scale structure of the signal is unveiled by the Hilbert transform as a result of wave beating, the order of component extraction is reversed from that in the EMD and the end effect is confined. The proposed technique is verified by performing the component decomposition of a simulated signal and a free decay signal actually measured in an instrumented bridge structure. In addition, the adaptability of the technique to time-variant dynamic systems is demonstrated with a simulated time-variant MDOF system.     

基于经验模态分解的分数维地震随机噪声衰减方法

经验模态分解算法（EMD）是一种基于有效波和噪声尺度差异进行波场分离的随机噪声压制方法,但由于实际地震数据波场复杂,导致模态混叠较严重,仅凭该方法进行去噪很难达到理想效果.本文基于EMD算法对信号多尺度的分解特性,结合Hausdorff维数约束条件,提出一种用于地震随机噪声衰减的新方法.首先对地震数据进行EMD自适应分解,得到一系列具有不同尺度的、分形自相似性的固有模态分量（IMF）;在此基础上,基于有效信号和随机噪声的Hausdorff维数差异,识别混有随机噪声的IMF分量,对该分量进行相关的阈值滤波处理,从而实现有效信号和随机噪声的有效分离.文中从仿真信号试验出发,到模型地震数据和实际地震数据的测试处理,同时与传统的EMD处理结果相对比.结果表明,本文方法对地震随机噪声的衰减有更佳的压制效果.

     

3D simultaneous seismic data reconstruction and noise suppression based on the curvelet transform

Seismic data contain random noise interference and are affected by irregular subsampling. Presently, most of the data reconstruction methods are carried out separately from noise suppression. Moreover, most data reconstruction methods are not ideal for noisy data. In this paper, we choose the multiscale and multidirectional 2D curvelet transform to perform simultaneous data reconstruction and noise suppression of 3D seismic data. We introduce the POCS algorithm, the exponentially decreasing square root threshold, and soft threshold operator to interpolate the data at each time slice. A weighing strategy was introduced to reduce the reconstructed data noise. A 3D simultaneous data reconstruction and noise suppression method based on the curvelet transform was proposed. When compared with data reconstruction followed by denoizing and the Fourier transform, the proposed method is more robust and effective. The proposed method has important implications for data acquisition in complex areas and reconstructing missing traces.     

Optimal filtering high-resolution seismic reflection data using a weighted-mode empirical mode decomposition operator

Gas-hydrate related processes in deep-water marine settings exist on spatial scales that challenge conventional seismic reflection profiling to successfully image them. The conventional approach to acoustic identification of buried hydrates is to use advanced, cost-prohibitive survey techniques and highly customized software to define subsurface structure wherein compositional changes may be modeled and/or interpreted. This study adopts a different approach derived from recent theoretical advancements in signal processing. The method consists in optimal filtering high resolution, single-channel seismic reflection data using the Empirical Mode Decomposition (EMD). The time series is decomposed in sub-components and the noisy portions are suppressed adopting the technique that we referred as Weighted Mode(s) EMD. The optimal filtering greatly improves the resolution and fidelity of the seismic data set.High Resolution single channel seismic profiles, acquired over a carbonate\hydrates site in the northern Gulf of Mexico, manipulated in such way, show a complex, shallow subsurface, and suggest potential evidence for buried gas hydrates.     

丘陵地带地震资料随机噪声压制新技术:高阶加权阈值函数的Shearlet变换

随着山地和丘陵地震勘探环境的复杂化,传统的消噪方法已经难以有效地压制地震记录中的随机噪声.Shearlet变换是一种新的多尺度多方向的时频分析方法,具有良好的稀疏表示特性,并且在每个尺度进行方向分解,非常适合用于地震信号随机噪声的压制.但是传统的Shearlet变换去噪方法采用的是硬阈值,在抑制随机噪声的同时也消除了很多有效信号,使得去噪之后的地震资料出现虚假的同相轴,为了解决这一问题我们提出高阶加权阈值函数.高阶加权阈值函数不但整体上连续性较好,而且克服了硬阈值函数存在剧烈的变化的缺点以及软阈值在处理较大Shearlet系数总存在恒定偏差的问题,同时保留了传统的软硬阈值函数的优点.实验结果表明这种基于高阶加权阈值函数的Shearlet变换去噪的方法,可以有效的消除模拟地震信号和实际丘陵地带地震信号中的随机噪声,同时很好的保留有效信号的幅度.

     

地震数据去噪中的小波方法

地震资料去噪是地震数据处理中是必不可少的步骤,随着地震勘探的进步和勘探目的层加深,对地震资料的信噪比和分辨率提出了越来越高的要求.小波分析作为一个新兴的数学方法在地震资料去噪中也有巨大的潜力.本文从小波去噪的特点出发,介绍了小波分频和小波域阈值去噪的特点,并详细总结了地震资料去噪中的小波方法,主要有面波的压制和随机噪声的衰减.最后简要叙述了地震资料小波去噪的一些问题和发展.     

联合广义S变换和压缩感知提高地震资料分辨率

提高地震资料的分辨率是获得高分辨率地震剖面的基础,常规的处理方法对于提高地震资料分辨率虽有一定的效果,但却十分有限,难以达到资料解释的要求.对此本文将广义S变换理论与压缩感知理论相结合,提出了一种新的叠后地震资料处理方法.实现步骤为:将叠后地震数据进行广义S变换;利用压缩感知理论构建L1/2范数最优化模型;半阈值迭代法求得最优稀疏解得到更精确的时频域信息;能量重新分配补偿时频域弱信号能量;广义S反变换得到处理后的地震信号.理论模型和实际资料处理表明,与常规广义S变换提高分辨率处理相比,本文方法处理结果具有更好的效果,地震资料分辨率有了明显提高.