基于ARMA模型非因果空间预测滤波(英文)

常规频域预测滤波方法是建立在自回归(autoregressive,AR)模型基础上的,这导致滤波过程中前后假设的不一致,即首先利用源噪声的假设计算误差剖面,却又将其作为可加噪声而从原始剖面中减去来得到有效信号。本文通过建立自回归-滑动平均(autoregres sive/moving-average,ARMA)模型,首先求解非因果预测误差滤波算子,然后利用自反褶积形式投影滤波过程估计可加噪声,进而达到去除随机噪声目的。此过程有效避免了基于AR模型产生的不一致性。在此基础上,将一维ARMA模型扩展到二维空间域,实现了基于二维ARMA模型频域非因果空间预测滤波在三维地震资料随机噪声衰减中的应用。模型试验与实际资料处理表明该方法在很好保留反射信息同时,压制随机噪声更加彻底,明显优于常规频域预测去噪方法。     

基于提升算法和百分位数软阈值的小波去噪技术

在地震勘探领域,随机噪声一直是影响地震信号信噪比的主要因素之一,如何从被干扰的地震信号中有效去除随机噪声并保护有用信号具有重要的意义.针对经典小波变换在计算效率方面的缺陷,本文推荐应用提升算法实现第二代小波变换的构建,分析和对比了提升算法(Lifting Scheme)下不同小波变换方法的特性,选取更加符合小波域去噪原理的CDF 9/7双正交小波变换作为基本算法,同时应用了简单、有效的百分位数(Percentiles)软阈值进行信噪分离.通过理论模型处理,本方法可以在去噪能力和保护有用信号之间找到很好的平衡点.实际剖面的处理效果表明,此方法不仅能有效的滤除随机噪声,而且很好地保护有用信号,提高地震数据分析的精确性.     

基于CEEMDAN和SWT的地震信号随机噪声压制

完备集合经验模态分解(CEEMD)通过添加正负成对辅助噪声可较好的解决集合经验模态分解(EEMD)中信号被噪声污染的问题,但CEEMD方法分解后的单个本征模态函数(IMF)分量中仍存在部分随机噪声信息.通过转变辅助噪声形式和分解流程提出自适应噪声完备集合经验模态分解(CEEMDAN)方法,该方法在较少集总次数和筛选迭代次数的情况下,即可实现优良的信噪分离功能,大大缩减处理耗时,具备分解精度高、具有完备性的特征.同时,针对传统经验模态分解(EMD)类方法去噪时直接舍弃第1～2阶高频IMF分量,导致其内高波数有效能量损失的问题,通过计算相邻IMF分量互信息熵获取高频噪声和低频有效信号的最优能量分界,对分界点前的各阶IMF分量进行同步压缩小波变换(SWT)处理,分离有效高频信息,最后与低频IMF分量重构达到噪声压制的目的.合成及实际地震资料处理结果表明,本文联合多步骤地震随机噪声压制策略具有较好的去噪效果和能量保持能力,在运算耗时指标上优于传统的EMD噪声辅助类方法.     

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.     

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。     

应用小波变换和C3相干算法检测地震剖面同相轴

为了提高地震剖面的信噪比和分辨率，使反射同相轴容易被识别和追踪，这里提出了一种应用小波算法及C3相干算法检测地震反射同相轴的新方法。利用小波算法提高地震剖面分辨率，减少大部分随机噪声，再运用C3相关算法和倾角扫描法检测地震剖面同相轴。应用该方法对模型数据进行了试算，证明了可行性，然后检测实际地震剖面同相轴，处理后的地震剖面同相轴品质及连续性都有了明显改善，信噪比增强，分辨率相应提高。     

两种压制随机噪声的滤波方法对比研究

介绍了f-x-y 域预测滤波方法,提出了基于奇异值分解的三维f-x-y域预测滤波方法。该去噪方法是在奇异值分解滤波的基础上进行f-x-y域预测滤波,从而实现频率空间的预测滤波。2种滤波方法详细的对比研究及理论模型试算的结果表明,该方法较f-x-y域预测滤波能更好地提高地震资料的信噪比,并有更高的保真度。     

二维介质柱的电磁成像研究

从体等效原理出发得到用介质柱介电参数表示的体等效电流,并得到一个积分方程组求解散射问题．利用变分原理,对此方程组求变分,并化为矩阵方程组,消去含介质柱内总场变化的项,得到散射场变化与介质柱介电参数变化之间关系的矩阵方程．即反演方程．用算例检验此法的反演精度、收敛性能、多目标反演能力、抗噪声性能及利用不完备测量散射信息反演目标的能力．结果表明,此法是一种实用性很强的二维介质柱电磁成像方法．     

基于Hessian矩阵的地震随机噪声压制方法

随机噪声的压制在提高地震资料信噪比方面发挥重要作用.考虑到传统去噪方法在构造复杂地区难以取得理想的去噪结果,本文提出基于Hessian矩阵特征值对应的线性目标关系在多个尺度上对随机噪声进行压制.该方法将地震信号看作不同尺度的曲线,从而利用Hessian矩阵在曲线检测方面表现出的良好性能实现信噪分离.该方法与传统方法相比不受地层倾角的限制,因此能够处理构造较为复杂地区的地震数据.利用模型及实际资料对该方法进行了验证并与传统方法F-X反褶积的去噪结果做对比,结果表明基于Hessian矩阵的随机噪声压制方法在构造复杂地区能够保持有效信号的完整性.     

基于分数阶小波域GSM模型的地震信号随机噪声压制方法

地震信号中的随机噪声是一种干扰波,严重降低了地震信号的信噪比,并影响着资料的后续处理和分析.本文根据地震信号中有效信号和随机噪声的差异,结合分数阶B样条小波变换与高斯尺度混合模型提出了一种地震信号随机噪声压制方法.首先利用分数阶B样条小波变换将含噪地震信号映射到最优分数阶小波时频域内,然后对各小波子带系数分别建立高斯尺度混合模型,由贝叶斯方法估计出源地震信号小波系数,最后使用分数阶B样条小波逆变换重构得到降噪后的地震信号.利用本文方法对合成地震记录和实际地震信号进行降噪处理,实验结果表明本文方法能够有效地压制地震信号中的随机噪声,并且较好地保留了有效信号.