一种神经网络改进小波的地震数据随机噪声去除方法

地震资料的有效信号反射弱,且易受多次波的影响,不可避免地存在随机噪声干扰。提出一种基于神经网络改进小波的地震数据随机噪声去除方法,采用神经网络模型,识别出随机噪声信号,对该信号进行小波包分解,获取多类别随机噪声信号,采用级联BP神经网络模型提取出多类别随机噪声信号,实现地震数据的随机信号压制。实验结果显示,这种改进小波方法对地震数据随机噪声信号的去噪效果较好,在复杂沉积地质结构被探测介质的地震数据随机噪声压制方面具有较强的适用性。     

基于IR—ADMM组合技术对地震随机噪声的压制

稀疏表示是一种现行有效的随机噪声压制方法,常采用交替方向乘子法逐道分解地震信号,但实际应用中交替方向乘子法计算效率高但精度不足,难以满足高保真地震数据处理的要求。通过结合迭代重加权和交替方向乘子法2种算法,提出了一种新的基于迭代重加权交替方向乘子法的联合稀疏表示方法,兼具收敛速度快和重建精度高的优点。共偏移距道集地震数据具有水平同相轴结构,满足共稀疏性条件,将联合稀疏表示算法应用于共偏移距道集就能够利用信号的空间相干性,提高去噪算法性能。理论和实际资料试算结果表明,所提算法具有较好的应用效果。     

地震信号随机噪声压制的双树复小波域双变量方法

有效地压制地震信号中的噪声是地震信号解释和后续处理的重要环节之一.本文建立两种双树复小波域双变量模型对地震信号中的随机噪声进行压制.地震信号经双树复小波变换后,同一方向实部与虚部系数、实部（或虚部）系数与对应的模之间存在较强的相关性.鉴于此,对同一方向实部与虚部小波系数建立双变量模型,从含噪地震信号小波系数中估计原始信号的小波系数,再基于双树复小波逆变换重构得到降噪后的地震信号.进一步对同一方向实部（或虚部）系数与对应的模建立双变量模型,得到地震信号随机噪声压制的第二种双树复小波域双变量方法.最后对合成地震记录和实际地震资料中的随机噪声进行压制的实验结果证实本文两种方法都能够有效地压制地震信号中的随机噪声.     

PCA和KLE在高采样率GPS定位中的应用

为抑制多路径误差和随机噪声以提高定位精度,引入主成分分析（PCA）和KLE变换方法对定位坐标序列随机噪声水平进行评价、提取和消除多天坐标序列中的多路径误差。对比分析结果表明,主成分系数比值能有效地反映出强随机噪声对某天定位坐标序列的影响,PCA方法能有效地提取和消除多天定位坐标序列中的多路径误差,显著提高定位精度。KLE变换对随机噪声污染不敏感,对多路径误差的滤波能力较PCA略弱,但其对随机噪声以及局部异常具有较好的抑制作用。     

CEEMD阈值滤波在MEMS陀螺信号消噪中的应用

现阶段的经典模态分解MEMS陀螺消噪是一种易造成信号失真缺陷的强制消噪算法。针对该问题,在由本征模态函数样本熵和相似度参数线性组合确定复合指标的基础上,提出基于复合指标筛选本征模态函数的互补集合经验模态分解的阈值滤波降噪算法,根据信号的随机噪声特征参数确定阈值,并对筛选后的本征模态函数进行处理。仿真和实例分析结果表明,该算法的消噪效果较强制消噪滤波有较大提高,使MEMS陀螺信号的零偏不稳定性下降了76.4%,速率斜坡下降了62.3%,均方根误差下降了67.5%,同时能够提高MEMS-IMU在行人导航中的定位精度。     

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.

     

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.

     

一种基于压缩感知的随机噪声压制方法

随着高精度地震勘探技术的发展,利用高保真的方法提高地震资料信噪比成为了去噪处理的关键。曲波域阈值法能够有效地压制随机噪声,但易产生伪吉布斯震荡现象,造成信号局部畸变,从而影响处理效果。针对这一问题,提出一种基于压缩感知理论（Compressing Sensing,简称CS）的地震信号去噪方法,该方法利用随机噪声和有效信号在曲波稀疏域稀疏表征的差异来分离随机噪声。其实现步骤为：将地震数据变换到曲波域;利用压缩感知理论和全变差正则化算法重构曲波系数;曲波逆变换得到压制噪声后的重构地震数据。理论模型和实际资料应用表明,该方法能够很好规避伪吉布斯现象带来的信号失真问题,进一步提高了资料的信噪比。     

对K-L变换滤波技术的评价

在介绍K-L变换压制噪声的理论依据基础上,通过建立理论模型进行试算研究和分析,得出必须注意的结果:K-L变换滤波有压制倾斜相干信号的作用.当特征值选取不当时,可能起模糊断层的作用.最后建议:对这种具有潜在的有可能危害有效信号的压噪技术,在工作中慎用或不用K-L变换.     

一种基于频率域偏振分析提高三分量地震资料信噪比的方法

三分量地震资料包含着丰富的运动学和动力学信息,各种随机噪声的存在严重降低了资料的信噪比,给有效信息的提取带来了一定的困难.本文在引入多窗谱分析方法的基础上,通过对谱密度矩阵特征问题的求解提取三分量地震记录的偏振参数,实现频率域偏振分析;根据所求得的偏振参数以及随机噪声和有效信号的偏振特性差异,设计相应的自适应滤波器,通过该滤波器的滤波作用,最终实现压制随机噪声的目的.