地震信号瞬时特性在小波域分频提取的方法和应用

在直接进行Ｈｉｌｂｅｒｔ变换提取瞬时特征信号的传统方法中,Ｈｉｌｂｅｒｔ变换对高频随机噪声十分敏感,即使地震信号中存在微弱的高频噪声,所提取的地震信号瞬时特征仍被噪声淹没。本文提出了在小波域提取地震信号瞬时特征的方法,它利用小波变换的实部（相当于实信号－地震信号）、虚部（实信号的Ｈｉｌｂｅｒｔ变换）的特点直接提取地震信号瞬时特征。该方法具有分频、去噪的功能,并且提取的地震信号瞬时特征中保留了频率低     

Morlet复小波用于地震瞬时属性提取的研究

提取地震信号的瞬时特征,传统的方法是Hilbert变换,由于Hilbert变换对高频噪声十分敏感,即使存在微弱的高频噪声,提取的瞬时特征受到噪声的影响都会很大。为此,根据Morlet小波具有去噪与分频的性质,提出了应用Morlet复小波来提取地震信号的瞬时特征,并取得了较好的效果。但在目前的很多文献中,着重讨论Morlet复小波变换在提取地震信号的瞬时特征上,比Hilbert变换更具有优势,对Morlet复小波的性质介绍得较少。在实际的应用中,Morlet复小波的尺度、中心频率、带宽这些参数会对计算结果产生很大的影响。在此着重分析了这些参数之间的关系,通过理论分析表明,合理地选取小波的参数,可以避免小波变换对地震信号产生的遗漏和冗余,取得较理想的效果。     

改进的小波阈值法瞬时信息提取

：利用Ｈｉｌｂｅｒｔ变换提取瞬时信息是储层预测的一种常用方法，但抑制噪声的能力弱。在分析小波软、硬阈 值去噪方法优缺点的基础上，引进了一种改进的阈值去噪方法。该方法可以很好地压制地震信号中高频随机噪 声，且保持原信号的细节信息。在实际地震资料处理中，首先利用改进的方法去噪，然后再采用Ｈｉｌｂｅｒｔ变换提 取瞬时信息，取得了较好的地质效果。     

时间—尺度域内地震属性研究与应用

准确提取地震属性信号的瞬时特征参数在岩性识别、构造分析、圈闭评价及油气预测与解释等方面具有重要的指导意义。运用小波变换系数反应小波函数与地震信号的相关程度,能获得地震信号的频率特征的最佳尺度属性。传统的Taner瞬时参数求取法难以避免Hilbert变换带来的噪声干扰,小波变换瞬时参数求取法能压制噪声;利用Morlet小波函数或修正的Morlet小波函数对地震信号、解析地震信号实施连续小波变换具有不同的效果。基于此,提出与Grossmann、Satish K.Sinha等不同的瞬时振幅、瞬时相位、瞬时频率、瞬时中心频率、瞬时主频和瞬时带宽的计算方法。在对仿真地震信号的试算和实际地震资料处理中,取得了与理论一致的应用效果;在岩性识别、构造分析、圈闭评价及油气预测解释等方面具有一定的实用价值。     

小波变换域地震资料瞬时频率分析方法

小波变换域瞬时频率分析方法是地震资料分析的重要工具。分析了在小波变换域提取瞬时频率的原理及优点，讨论了选择不同的小波函数对计算结果的影响。利用Ricker子波和薄互层模型数据，分析了以Morlet小波、匹配地震子波的小波及三参数小波为基本小波计算的瞬时频率，结果表明：基于三参数小波的瞬时频率分析方法具有良好的抗噪性能及较高的时间分辨率。将该方法用于地下薄互层结构的地震响应分析，不仅可以刻画地层的整体变化特征，而且可以刻画薄互层内部结构。在大庆油田三维数据体瞬时频率分析中，将该方法与常用的Hilbert变换属性提取方法进行了对比，结果表明，该方法可以更清晰地刻画出火山岩的空间展布。     

基于经验模态分解和小波变换的地震瞬时频率提取方法及应用

传统的应用Hilbert变换提取地震瞬时频率的方法是基于平稳信号提出的,而野外采集的地震信号是典型的非平稳信号,因此其实际应用存在一定的局限性。本文提出了一种基于经验模态分解和小波变换的地震信号瞬时频率提取方法和流程。该方法首先对地震数据进行经验模态分解(Empirical Mode Decomposition,简称EMD),获得一组固有模态函数(Intrinsic Mode Functions,简称IMF),然后应用根据地质研究目标所划定的地层层序和声波测井数据,结合沉积旋回分析,选择地震数据中合适的固有模态函数。最后,对筛选的固有模态函数进行Morlet小波变换,提取地震瞬时频率。分别将Hilbert、Hilbert-Huang和本文方法应用于理论模型,结果表明本文方法是有效的;同时,实际地震资料应用结果表明,通过本文方法能获得更为精确的符合地质认识的地震瞬时频率剖面。     

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。     

利用Hilbert-Huang变换提取地震信号瞬时参数

 通过Hilbert变换求取的信号瞬时参数并非对任何信号都有物理意义，此法通常要求被分析信号是窄带或平稳的，而且对噪声很敏感。而实际地震信号既非平稳又含有噪声，若在实际应用中不加考虑地对地震信号进行Hilbert变换以求取瞬时参数，这种情况下求取的瞬时参数将缺乏物理意义甚至失真。Hilbert-Huang变换是一种新的分析非平稳非线性信号的方法，它先将信号进行经验模态分解（EMD），形成有限个固有模态函数（IMF）之和，再对固有模态函数作Hilbert变换求取时频谱，求取的时频谱在时域和频域都具有较高的分辨率。本文将Hilbert-Huang变换应用于地震瞬时参数的提取，实例表明，对地震剖面做EMD可以得到不同时间尺度上的特征，Hilbert谱比传统的时频谱在时间和频率域上的分辨率都要高，强反射层在第1阶IMF瞬时频率剖面上比原瞬时频率剖面上表现得更为明显。     

基于小波变换的套管金属磁记忆检测信号处理

套管受到非均匀载荷的作用易产生塑性变形,在应力集中区,易造成套管弯曲、变形或错断,用金属磁记忆技术可有效判断套管应力集中区域.对于含有噪声非平稳性的井下磁记忆信号,把指数小波去噪技术和希尔伯特(Hilbert)变换应用到了磁记忆的信号分析中.基于信号与噪声在小波分析中不同尺度的传播特性,利用小波非线性滤波方法消除了噪声、提高了信噪比.同时利用Hilbert变换得到磁记忆信号的包络线,从而有效提取了特征量.     

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。     

基于二维小波变换的随机噪声压制方法研究

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,能有效地消除随机干扰,保留有效波的中、高频成分,经过小波重构,可恢复有效波信号。针对地震信号随机干扰的特点,运用二维小波变换的理论,设计了相应的变换域去噪滤波器。此方法的特点是计算速度快,稳定性好,自适应性强,能对各种地震数据进行去噪处理,模型数据与实际数据的应用效果证明,二维小波变换具有较强的信噪分离能力。     

小波变换域K L变换及其去噪效果分析

K—L变换利用相邻地震道的相关性来去除随机噪声，但对于倾斜和弯曲同相轴反射去噪效果不佳。采用改进的时变倾角扫描叠加K—L变换能够较好地去除随机噪声，但由于在时间域进行，没有考虑有效信号和随机噪声在频率域的特点，高频有效信号易受压制。小波变换具有较强的时频分析能力，在小波变换域进行K—L变换，可以实现分时分频K—L变换去噪。介绍了小波变换域K—L变换压制随机噪声的基本原理，即先将地震信号进行小波分解形成分时分频的小波包剖面，然后用K—L变换对小波包剖面进行去噪，再将去噪后的小波包剖面重构回地震剖面，从而达到消除随机噪声的目的。理论模型计算和实际资料处理表明，小波变换域K—L变换去噪方法在有效去除随机噪声的同时能够保护高频有效信号。     

利用改进希尔伯特—黄变换进行地震资料时频分析

为了克服常规希尔伯特—黄变换(HHT)的缺陷,消除常规经验模态分解(EMD)产生的本征模态函数分量(IMF)中混叠的振荡模式,本文运用改进HHT,即通过引进小波包变换,首先将信号分解成-系列窄带信号,然后对这些窄带信号进行EMD获得-些IMF分量,再根据相关系数法,保留需要的IMF分量,去除虚假的IMF分量,最后进行HHT求取瞬时频率,得到改进HHT谱。改进HHT摆脱了小波变换中的海森堡测不准原理的限制,以及常规HHT模态混叠对分析的干扰。虽然改进HHT谱高频成分存在跳跃现象,但都围绕在真实频率值周围,并且较小波时频图的频带窄很多,能够反映信号的真实频率特性。数值模拟与实际地震记录处理结果证明了改进HHT的可行性。     

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。     

基于希尔伯特-黄变换的地震信号时频谱分析

希尔伯特-黄变换（Hilbert—Huang Transform,HHT）是分析非线性、非稳定信号的一种新方法,能清晰地刻画地震信号的时频能量分布。首先将信号分解为有限数量的固有模态函数IMF,再对这些IMF求解瞬时频率,进而获得信号的时频谱。应用理论模型和实际地震道数据进行了试算,并与S变换谱进行了对比,证明该方法比S变换具有更好的时频域刻画能力。对实际二维地震剖面做HHT变换求得希尔伯特谱,提取分频剖面分析认为,HHT瞬时谱具有一定的油气检测能力。     

小波变换在提高资料的信噪比和分辨率中的应用

小波变在信息量分析是具良好的局部化特性。在小波变换域中，有效信号的相关性和随机噪声的随机性仍然保留，因此可以在小波变换域内对地震资料进行去噪处理；小波变换作为频率和时间的二元函数，使之可以很方便地在频率和时间域中同时进行地震波能量的吸收衰减补偿。试验证明，利用小波变换法噪声提高分辨率，不仅方便有效，而且有很好的保真度。