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.     

单船拖曳可控源电磁数据自适应分频匹配滤波消噪方法

海洋可控源电磁法(MCSEM, Marine Controlled-Source Electromagnetic Method)是一种工业化的主动源海洋电磁勘探方法,近年来在海底油气资源探测中收效显著,通过测量海底地下介质的电阻率变化,能够有效降低地震勘探方法的多解性.MCSEM的工作方式主要有单船拖曳与双船拖曳两类.单船拖曳信号具有强时变特征,近、中、远收发距信号强度变化极大.由于海水环境较为复杂,数据受到洋流、背景场、仪器等多种因素干扰,使得小收发距数据信噪比较高,中、远收发距数据信噪比较低,因此MCSEM数据随机干扰压制方法的研究难点在于适应数据的强时变特征.本文利用发射机数据与接收机数据的时间(空间)和频率对应关系,提出基于正则化条件和衰减函数约束的自适应分频匹配滤波方法.该方法首先通过计算原始接收机数据基频的振幅随偏移距变化(MVO, Magnitude Versus Offset)曲线获取衰减函数,然后利用该衰减函数将发射机所有频点数据进行振幅衰减,减低MCSEM发射机与接收机数据对应振幅的强时变差异,最后利用基于整形正则化条件的自适应匹配滤波方法压制接收机数据中的强振幅随...     

深海地震资料叠前去噪方法研究

以琼东南深海三维地震资料为例,全面分析深海地震资料特点,深入分析深海干扰波的类型和特点。针对不同类型的干扰波,采用不同的处理方法,开展针对深海地震资料叠前去噪处理技术研究。通过研究深海地震多次波压制、水鸟干扰压制、涌浪干扰和异常振幅压制等处理方法,总结出针对深海地震资料的叠前去噪技术,为今后的深海地震资料处理工作奠定了技术基础。     

Q海深水长排列地震数据处理技术

在Q海深水长排列地震数据处理工作中,形成了一套有效的深水长排列地震数据处理技术,主要包括多次波压制技术、速度分析技术以及提高Q海深水成像效果的其他技术方法等等。通过系统研究和创新,进一步提升了Q海深水长排列地震数据处理水平,取得了好的效果。     

基于最小二乘的三维正交介质弹性波高精度正演模拟

本文借助线性滑动理论,将裂隙密度、纵横比等不同物性参数等效为正交介质刚度矩阵,建立两组正交直立裂隙介质正演模型.利用基于最小二乘法优化的高精度交错网格高阶有限差分法模拟弹性波在正交介质中的传播过程.模拟结果表明介质各向异性强度与裂隙物性直接相关,正演波场和共炮点显示相比普通交错网格,最小二乘优化方法可以压制数值频散现象,明显提高模拟精度,子波主频较高和模型波速较低时改善效果更为突出.     

基于信噪辨识的矿集区大地电磁噪声压制

为了避免形态滤波方法在大地电磁强干扰分离中的"过处理"、进一步保留大地电磁低频段的有用信息,提出基于信噪辨识的矿集区大地电磁噪声压制方法.首先,从信号处理的角度剖析矿集区典型强干扰与天然大地电磁微弱信号之间的定量辨识关系,利用形态分形维数和形态膨胀谱熵对大地电磁信号与强干扰进行信噪辨识.然后,结合形态滤波技术和阈值法,仅对辨识出明显不是天然大地电磁信号的异常波形进行噪声压制.最后,重构大地电磁有用信号,并对算法进行性能评价.仿真结果表明,形态分形维数和形态膨胀谱熵能较好地定量辨识大地电磁信号与强干扰,大地电磁信号中一些缓变化的低频信息得到了更为精细的保留;与形态滤波整体处理相比,本文所提方法获得的卡尼亚电阻率曲线更为光滑、连续,视电阻率值相对稳定,其结果更为真实地反映了测点本身所固有的大地电磁深部构造信息.     

基于数据增广和CNN的地震随机噪声压制

卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容.     

利用变分模态分解(VMD)和匹配追踪(MP)联合压制音频大地电磁(AMT)强干扰

为了有效分离矿集区音频大地电磁（AMT）信号中的大尺度强干扰、抑制近源效应,本文提出利用变分模态分解（VMD）和匹配追踪（MP）联合压制AMT强干扰的方法.首先,对比了VMD与经验模态分解（EMD）、固有时间尺度分解（ITD）的处理效果,验证了VMD在避免模态混叠和端点效应方面的优势;讨论了VMD中模态个数对典型大尺度强干扰的去噪性能,并选择合适的模态初步获取待处理信号的重构信息.然后,运用MP对VMD重构信号做二次信噪分离处理,进一步滤除残余的尖脉冲干扰.通过对模拟和实测数据的分析处理,以及与远参考法结果对比,本研究能有效剔除时间域序列中的大尺度强干扰,且重构信号中保留了更多的低频缓变化信息和细节成分,近源干扰得到有效压制;视电阻率-相位曲线更为光滑、连续,低频段的数据质量得到明显改善,其结果能更为真实、可靠地反映地下电性结构信息.     

基于自适应阈值RCSST变换的金属矿山地地区地震信号随机噪声消减

随着陆地地震勘探工作的加深,勘探环境变得越来越复杂,获得的地震信号信噪比越来越低,这给地震成像和数据解释带来了巨大的困难.为了解决这一技术难题,本文针对云南山地金属矿区的勘探环境提出了一种基于自适应阈值递归循环平移的Shearlet变换去噪算法（Recursive Cycle Spinning Shearlet Transform,RCSST）.首次将递归循环平移与Shearlet变换相结合,利用Shearlet变换的多尺度多方向特性对平移后的地震资料进行分解变换,之后,我们又提出了一种全新的自适应阈值,避免了信号系数被过度扼杀,同时也保护了有效信号.实验表明基于自适应阈值的RCSST算法克服了传统Shearlet变换去噪算法在低信噪比下易出现假轴的弊端并且能够有效地保护信号的幅度.在处理较低信噪比的模拟和实际云南山地地区地震资料的过程中,本文方法能够较好的压制随机噪声和保护有效信号.     

基于多路径Radon变换的地震数据噪声压制和波型分离方法研究

Radon变换是一种稀疏变换,被广泛应用于地震数据处理,其中线性Radon和抛物Radon最为常用.在实际地震数据中,直达波和面波的同相轴形态为线性,反射波为双曲型,单独使用线性Radon或抛物Radon变换时,不能确保所有同相轴在变换域的系数都是稀疏的,影响地震数据处理效果.本文提出的多路径Radon变换联合了线性R...