基于小波变换的最小光滑滤波去噪

在地震勘探中，随机噪声是一种频带较宽，严重影响有效波的干扰波，常用的一维去噪方法效果都不理想。小波变换是一种时频分析方法，根据它的分频和局部分析能力，结合一维方向上去噪的光滑滤波，能有效地消除随机干扰，并且能保证有效波的中、高频成分，经过小波包重构，可恢复有效波信号，该方法优于常规一维去噪方法。     

基于二维小波变换的地震资料去噪方法

在油气勘探中,接收到的地震信号包含有效信号和噪声干扰,即要求从强噪声背景中提取出微弱有效信号,去除干扰信号.小波变换是一种时频分析方法,具有多分辨和适应时变信号处理的特性,能将信号进行多尺度分解,各尺度上分解所得的小波变换系数代表原信号在不同分辨率上的信息,根据时频分析结果进行去噪处理,试验显示局部特征并没有得到有效利用.于是针对地震数据及其噪声干扰的特点,利用二维小波变换技术易于分离有效信号和噪声的特点,将其应用于实际地震资料的处理中,对消除面波干扰及其他规则干扰效果很明显,大大提高了地震资料的信噪比和分辨率,有效改善了地震资料的质量.     

小波包相关阀值去噪

在地震勘探中，随机口音是一种频带较宽，严重影响有效波信噪比的干扰波，一般的一维去噪方法效果都不理想，小波包变换是一种时频分析的方法，在分析中，高频方面优于小波变换，它结合相关阀值，能有效地在地震勘探剖面中消除随机干扰。分析了小波包优优于波变换的基本原理，以及小波包在地震记录中的分解，相关阈值去噪和地震记录重构，进行了实例分析对比，说明了小波包相关阀值法去噪优于其它去噪方法，且该方法计算速度快，简便可行。     

基于曲波变换的地震数据去噪方法

地震记录中的随机噪声频带较宽，采用常规的去噪方法效果不理想；小波变换去噪方法虽然可以压制随机噪声，但会损伤有效信号，且去除二维信号中的随机噪声时存在一定的局限性。针对此局限性，Candè提出了脊波变换，但对于整幅图而言，脊波变换的效果并不理想。由此，发展了曲波变换，即基于小波变换和脊波变换的多尺度几何分析方法。该方法能够表示具有方向性的线性奇异边缘，克服了小波变换在表达图像边缘的方向特性等方面的内在缺陷。曲波变换结合了脊波变换的各向异性特点和小波变换的多尺度特点，可以在压制随机噪声的同时保护有效信号，达到更好的去噪效果。仿真数据和实际资料去噪结果验证了曲波变换压制随机噪声的可行性及其效果。     

基于多次小波变换的小波域阈值地震信号去噪

在常规小波域阈值信号去噪方法的基础上,提出了基于多次小波变换的小波域阈值地震信号去噪方法。根据小波变换下信号和噪声在多尺度空间中的不同特性,对不同尺度下的小波系数用阈值处理,改进了多次小波变换应用于地震信号去噪的方法。数据仿真和实际应用表明,该方法可以有效压制随机干扰,对提高地震记录的信噪比和分辨率都有较好的效果。     

小波包变换叠前地震信号研究

叠前地震资料是多种波的复合体，为了提取有效波，必需消除主要的干扰波，如面波，高频随机干扰波，一般的去噪方法有；一维滤波，滤波，变换，f-x预测等，但它们都侧重于考虑某一方面的单一特性或某种条件假设，这些方法具有一定的局限性，小波包变换是一种时频分析的方法，它对地震资料进行时频精细划分优于小波变换，与传统的Fourier变换相比，它能刻画出具有相同频率的有效波与干扰波在时间-空间域的分布，经过小波包对叠前资料分解，可分离出面波，高频随机干扰等，然后再经过波波包重构，可有效地剔除干扰，且对有效波的伤害较少，经实际资料验证，小波包变换，确实是一个十分有效的去噪方法。     

二次小波变换的阈值去噪算法及其在地震信号处理中的应用

设计了一种二次小波变换的阈值去噪算法,利用该算法可以合理去掉地震信号中面波分布区域的低频成分,保留中、高频有效信息,从而既压制了面波,又减少低频有效波的损失。该方法较之传统的域阈值去噪方法有更好的去噪效果,且对信号保真度好,基本不会使有效信号发生畸变,不会损失有效信号。     

二维小波变换在去除面波干扰中的应用

在原始地震记录中，面波干扰往往会掩盖有效信号，降低资料的信噪比。常规的一维滤波和F—K滤波方法在去除面波时，会损害有效信号，丢失一些有用的地质信息。小波变换是一种时频分析方法，具有分频和局部分析能力，可以从地震资料中将面波分离出来，而不伤害有效波。二维小波变换去除面波的基本原理是：首先依据面波和有效波视速度的范围，在时间一空间域把原始单炮记录分成没有面波和含有面波的记录；然后应用二维小波变换对含有面波的记录进行时频分析，将其变换到时间、频率、空间和波数四维域中，利用有效波与面波在频率域和波数域上的差异进行面波分离，去除面波，提取有效波，并进行信号重构；最后将重构的信号与没有面波的记录叠加，即可得到去除面波干扰的资料。实际资料处理结果表明，二维小波变换去除面波的方法具有良好的应用效果，有效信号得到了加强，信噪比得到了提高。     

三维曲波变换在地震资料去噪处理中的应用研究

考虑到二维曲波变换对于三维地震数据难以达到理想的去噪效果,提出了一种基于三维曲波变换的地震资料去噪方法。通过三维曲波变换使三维地震数据变换到曲波域,将三维地震数据分为多个方向和尺度,利用相关计算法判别代表有效信号和随机噪声的曲波系数,并根据曲波变换的性质,采用改进的非线性阈值方法对曲波系数进行处理,最后通过三维曲波反变换得到去噪后的地震信号。模型数据及实际地震资料的处理结果表明,三维曲波变换去噪处理方法可以有效压制三维地震资料中的随机噪声,同时较好地保护有效信号,提高了地震资料的信噪比。     

基于二次小波变换的地震信号去噪方法

本文在Donoho的小波域阚值去噪处理方法基础上，提出一种基于二次小波变换的地震信号去噪方法，该法是对地震信号进行多尺度小波变换，然后对主要由噪声控制的尺度1上的小波系数再进行第二次多尺度小波变换，并将二次小波变换后的尺度1上的小波系数置零，将其余尺度上的小波系数重构，最后对处理后地震剖面进行小波域阈值去噪处理。通过理论模型和实际资料的处理结果表明，本文所述方法能有效地改善地震剖面处理效果，提高地震资料的信噪比。     

随机噪声的多尺度多方向域压制方法研究

介绍了信号的多尺度多方向特性和具有此功能的第2代curvelet变换的基本原理,阐述了对于光滑且二阶连续可微的函数,第2代curvelet变换所具有的最优逼近性能。给出了地震资料随机噪声衰减的阈值方法。基于理论模型讨论了多尺度多方向域(curvelet域)的去噪特性,并将其与传统小波变换的去噪效果进行了对比。最后,将该方法应用于实际地震资料处理,结果表明,与传统小波变换相比,多尺度多方向域阈值法充分利用了信号与噪声在方向上的差异,使随机噪声得到了较好的衰减,有效提高了地震资料的信噪比,较好地保留了地震记录的有效信号。     

应用平稳小波变换与深度残差网络压制地震随机噪声

常规去噪方法众多,但每种方法都受某种假设或条件限制。另外,常规去噪方法中一些优化问题具有多个局部极值,导致算法可能收敛到局部最优解而非全局最优解。为此,提出了一种基于平稳小波变换与深度残差网络的地震随机噪声压制方法。采用残差网络(ResNet)的拓扑结构,结合平稳小波变换压制地震数据噪声。残差模块有效避免了网络过深引起的梯度消失或计算消耗但损失函数趋于饱和的问题。另外,小波变换是一种高效的特征提取方法,可获得信号低频和不同方向高频特征信息,分区域学习信号或噪声的特征。首先,对Train400数据集中的每幅图片旋转不同角度以增加训练集数据量,经过旋转变换后加入高斯噪声。然后,对每幅图片进行1级平稳Haar小波分解,得到训练数据集;通过训练提取信号中噪声的小波变换高、低频信息,在此基础上通过直连通道,从含噪数据的小波分解中减去学习到的噪声的小波分解,得到去噪信号的小波分解。最后,通过逆平稳小波变换得到去噪信号。合成信号和实际地震数据去噪试验表明,所提方法能较好地压制地震随机噪声,去噪信号的信噪比、峰值信噪比均较高。     

应用平稳小波变换与深度残差网络压制地震随机噪声

常规去噪方法众多,但每种方法都受某种假设或条件限制。另外,常规去噪方法中一些优化问题具有多个局部极值,导致算法可能收敛到局部最优解而非全局最优解。为此,提出了一种基于平稳小波变换与深度残差网络的地震随机噪声压制方法。采用残差网络(ResNet)的拓扑结构,结合平稳小波变换压制地震数据噪声。残差模块有效避免了网络过深引起的梯度消失或计算消耗但损失函数趋于饱和的问题。另外,小波变换是一种高效的特征提取方法,可获得信号低频和不同方向高频特征信息,分区域学习信号或噪声的特征。首先,对Train400数据集中的每幅图片旋转不同角度以增加训练集数据量,经过旋转变换后加入高斯噪声。然后,对每幅图片进行1级平稳Haar小波分解,得到训练数据集;通过训练提取信号中噪声的小波变换高、低频信息,在此基础上通过直连通道,从含噪数据的小波分解中减去学习到的噪声的小波分解,得到去噪信号的小波分解。最后,通过逆平稳小波变换得到去噪信号。合成信号和实际地震数据去噪试验表明,所提方法能较好地压制地震随机噪声,去噪信号的信噪比、峰值信噪比均较高。     

地震信号的小波包分解压噪方法

利用二维正交小波包技术对地震信号进行分解，其原理是根据信号与噪声在压缩比中的差异，将小波系数分解为相关部分和不相关部分，通过压制不相关部分，来达到压制噪声，提高信噪比的目的。数值计算实例表明此方法是可行的。此方法的特点是计算速度快，稳定性好，自适应性强，能对各各地震数据进行去噪处理。     

基于Shearlet变换的自适应阈值地震数据去噪方法

由于随机噪声的干扰,地震勘探的有效信号经常淹没其中难以识别,且在时间域难以分离随机噪声和有效信号。Shearlet变换是一种新的多尺度多方向时频分析方法,具有最优的稀疏表示能力、局部化特征和方向敏感性。Shearlet变换在去除随机噪声的同时,能够最大限度地保留有效信号,可以有效地提高地震数据的信噪比。针对传统的Shearlet变换阈值去噪方法不能随尺度和方向变化的不足,提出了随尺度和方向变化的自适应阈值,可以同时适应不同尺度和方向噪声水平的差异。利用Shearlet变换的自适应阈值算法与小波变换去噪方法,分别对理论和实际地震数据进行去噪。对比可知,Shearlet变换的自适应阈值算法具有更强的去噪能力,并能够最大限度地保留有效信号。     

矿区/城市地震资料环境噪声的消除

针对矿区/城市三维地震资料中存在的外源噪声、单频噪声和成片强能量噪声等环境噪声,提出了利用小波变换技术,将含有上述环境噪声的单炮记录变换到时频域,通过不同的小波尺度突出不同的环境噪声;然后在具有环境噪声的小波尺度上应用拟合减去法消除外源噪声和单频噪声,采用逆向小波阈值去噪技术拟合并压制强能量噪声;最后通过小波重构得到消除环境噪声后的记录。利用理论模型和某矿区三维实际资料对上述方法进行了测试和分析,结果表明,该方法能够有效地消除各类环境噪声,并且对有效信号损害很小。     

小波变换与F—K算法在滤波中的应用

陆地地震勘探资料通常含有不同类型的噪声。有效地消除这些噪声，提高分辨率是地震数据处理的主要内容之一。作为一种时频分解方法，小波变换是一种有效的时变滤波工具。本文这了小波变换的有关理论，阐述了它的滤波原理，并借助于Ｆ－Ｋ滤波方法，将小波变换成功地应用于地震信号的滤波之中。具体方法是：将一维信号变换到二维Ｆ－Ｔ平面上，通过改变不同的尺度因子，把信号的不同频率分量刻画出发，再通过改变位移参数来描述信号的