基于SSEC-EWT的地震资料噪声压制算法

高信噪比地震资料是开展油气勘探的可靠基础。针对现行去噪方法大多难以同时压制地震资料中普遍存在的面波和随机噪声,且在去噪的同时易损害有效波的不足,提出基于S谱能量曲线（S-Transform spectrum energy curve,SSEC）与改进经验小波变换（Empirical wavelet transform,EWT）的地震资料噪声压制算法。先对地震记录进行S变换,根据S谱求取各频点能量,以能量曲线极大值点频率及ε邻域法确定频谱分割边界,完成改进的EWT;再通过SSEC确定面波所在本征模函数（Intrinsic mode function,IMF）,并构造带通滤波器对面波IMF进行滤波,以保护有效波,实现精准的面波压制;然后计算其余IMF主频,根据有效波频率阈值去除随机噪声IMF,得到最终去噪后记录。仿真测试显示,改进的EWT能精确地根据地震信号的频率和能量自适应地对其进行分解,实现面波与随机噪声的提取与分离,尤其在强噪声背景下仍能精准实现面波与随机噪声的同步分离;实际地震资料处理结果表明,该算法在压制面波和随机噪声的同时能兼顾保护有效波,提高地震资料的信噪比。     

点源干扰的形态学降噪技术

海上地震勘探采集资料中的点源干扰能量强,横向变化幅度小且出现位置不固定,极大地影响了海上地震资料的成像质量和解释精度。采用了基于形态学的噪声压制技术对点源干扰进行处理,设计了形态学滤波器分离点源噪声和有效信号,实现了点源干扰的压制。采用该方法对模拟地震资料和海上实际地震资料进行处理,并与传统的F-K去噪方法进行了对比,结果表明该方法在成功压制点源绕射干扰的同时,能够较好地保留原始地震信号的低频信息,完全恢复了信号与噪声重叠处的有效信号振幅。处理过程中,该方法不受随机噪声的影响,具有很强的抗随机噪声能力。     

基于独立分量分析的地震信号盲源分离及应用

受采集条件及野外环境影响,实际地震资料通常包含严重的噪声,严重影响成像质量。因此,寻找合适的去噪方法来提高资料信噪比至关重要。随盲源信号分离理论发展而来的独立分量分析(ICA)算法以高阶统计理论分析为基础,根据地震有效信号和随机噪声统计独立的特征,可实现信噪分离,但该方法通常要求观测信号数大于源信号数。基于此,提出一种相空间重构与独立分量分析相结合的地震信号单通道盲源分离算法,对地震资料进行去噪处理。该方法利用相空间重构技术,将一维信号重构成多维信号,根据重构相空间中有效信号和随机噪声的几何特征差异,并利用ICA算法结合数据本身的高阶统计特性,可以有效分离噪声和有效信号,提高地震资料信噪比。     

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。     

基于方向金字塔分解与均值滤波联合的叠前地震数据随机噪声压制

在方向金字塔多尺度、多方向分解原理的基础上,提出了基于局部拉普拉斯概率密度模型和最大后验概率估计的随机噪声压制方法,该方法能够压制大部分随机噪声,但信号局部存在畸变和残余噪声。均值滤波具有图像平滑的作用,可以消除信号畸变,压制残余噪声,因此提出了方向金字塔分解与均值滤波联合的随机噪声压制方法。数值模拟实验和实际应用效果表明,该方法能有效压制随机噪声,提高地震资料的信噪比。     

基于广义S变换及高斯平滑的自适应滤波去噪方法

常规基于广义S变换的噪声压制方法需要人为确定高频噪声在时频域的压制范围。针对这一问题,联合广义S变换的自适应时频滤波函数和高斯平滑去噪算法发展了一种自适应去噪方法。首先对信号进行广义S变换获得时频域数据,在S反变换重构时间域信号过程中采用数据自适应时变滤波函数去除大部分高频随机噪声;然后对时间域信号采用高斯平滑滤波函数去除信号中剩余高频随机噪声。模型和实际资料试算结果表明,本文的滤波去噪方法能够有效去除地震数据中的高频随机噪声,具有较强的适应性和实用性。与常规的随机噪声衰减预测法相比,本文方法受处理参数影响较小,且处理后有效信号在时频谱上的时频分辨率较高。     

基于Seislet域分数阶阈值去噪算法的地震资料去噪

相较于由图像领域发展的去噪算法,Seislet阈值去噪算法更好适用于地震数据的去噪处理,但在Seislet阈值去噪算法中,常规硬阈值函数在阈值处存在断点,软阈值函数处理得到的系数与原有系数之间存在恒定偏差,且传统阈值确定准则难以适用于Seislet域。为此,将Riemann-Liouville分数阶积分理论应用到阈值函数中,推导出分数阶阈值函数;再根据地震数据在Seislet域低尺度中有效信号分量远多于高尺度中有效信号分量的特点,提出了一种适用于Seislet域的尺度加权阈值;最后将分数阶阈值函数、尺度加权阈值和Seislet稀疏变换相结合,得到Seislet域分数阶阈值去噪算法。人工合成含噪地震记录和实际地震资料测试结果表明:常规硬阈值和软阈值去噪算法虽然能够在一定程度上压制噪声,但压制效果并不明显,且容易损伤与噪声差异较小的有效信号;分数阶阈值去噪算法较好地克服了硬阈值和软阈值去噪算法的缺点,能够有效压制地震资料中的随机噪声,减少了有效信号的损失,提高了地震资料的信噪比。     

基于Shearlet变换的自适应地震资料随机噪声压制

传统的阈值选取方法是对所有变换域系数使用统一阈值,但对Shearlet变换而言,各尺度、各方向的有效信号和噪声均存在差异,因此全局硬阈值存在一定局限性;局部阈值可根据一定范围内的系数分布情况确定。针对地震数据去噪过程中传统阈值选取方法的局限性,通过改进自适应阈值函数压制随机噪声,在局部阈值的基础上改进贝叶斯阈值,形成一种适用于Shearlet变换的自适应阈值函数。具体做法为：将信噪比与阈值函数有机关联,并将信噪比作为阈值设定的因素,即不同的信噪比的权值系数不同,可以自适应求取不同尺度阈值,从而最大限度地改善去噪效果,避免有效信号损失,实现自适应去噪。模型试算与实际资料去噪效果表明,在保证有效信号不受损失的情况下,所提方法可恢复被噪声掩盖的弱信号,有效改善去噪效果。     

局部频率域SVD压制随机噪声方法

常规SVD技术去除随机噪声是在时间域进行的,对水平同相轴有较好的去噪效果;但对同相轴是倾斜或弯曲的情况,则要进行局部倾角扫描校正,从而限制了其在实际中的应用。为此,本文研究了局部频率域SVD压制随机噪声方法,有效克服了时间域局限性。首先对时空域滑动窗口内地震数据进行傅氏变换,并对每个频率切片构建Hankel矩阵,再对Hankel矩阵进行SVD滤波(降秩重构),最后反变换到时间域,得到去除随机噪声的结果。通过构建块Hankel矩阵,将该方法扩展到三维地震数据体的噪声压制处理中。模型及实际资料处理结果对比表明,该方法在有效压制随机噪声的同时,能够较好地保留有效信号,优于常规频域预测滤波结果。     

基于经验小波变换的地震资料噪声压制方法

噪声压制是地震资料处理中重要的环节,目前已有的去噪技术存在着噪声去除不干净、有效信号丢失、不能处理非线性非平稳信号等问题。经验小波变换(Empirical Wavelet Transform,简写为EWT)是一种能自适应分解原始信号的算法,其相较于经典的经验模态分解(Empirical Mode Decomposition,简写为EMD)具有更好的自适应性和完善的数学理论基础。将EWT算法引入到地震资料噪声压制中,选取合适的小波函数并利用EWT算法对目标地震信号进行自适应分解,得到其各个频率尺度的固有模态分量;然后根据原始地震信号的主频设定阈值范围,选取主频值在阈值范围内的固有模态分量进行重构,最终获取去噪后的地震信号。结果表明将EWT噪声压制算法应用于数值模型和实际地震资料中,可以很好地实现有效信号和噪声的分离,结果均比常规算法的去噪效果要好。     

应用SVD约束的迭代反演混叠噪声压制方法

超高效混叠采集技术可实现多组震源同时激发产生地震波场,大幅度提高采集效率,但往往会导致相邻震源之间产生波场交叉而相互干涉,显著降低地震数据的信噪比.为此,提出一种基于奇异值分解(SVD)约束迭代反演的混叠噪声压制方法.首先以选定区域的混叠噪声奇异值对混叠数据的奇异值向量进行约束,然后利用迭代反演的策略逐步更新混叠数据的...     

利用改进截断奇异值分解法反演核磁共振弛豫时间

截断奇异值分解(TSVD)法已应用于核磁共振弛豫时间T₂谱反演,而奇异值截止值的选取和非负约束的实现是其关键。本文提出一种新的确定奇异值截止值方法,同时利用联合迭代反演法(SIRT)实现非负约束,使本文的改进TSVD法适用于低信噪比资料;该方法具有只需进行一次奇异值分解、计算速度快、保持T₂谱分布连续等优点。数值模拟结果表明,改进TSVD法对信噪比仅为5的测量数据依然可得到优于其他方法的较好反演结果;实际岩心资料反演结果进一步证明该方法适用于页岩核磁共振岩心分析和核磁共振测井。     

小波包分析与奇异值分解（SVD）叠前去噪方法

小波分析多用于去除面波，奇异值分解多用于去除相干干扰，而对于强相干干扰和面波共存的地震记录，仅使用单一去噪方法难以奏效。为此本文将小波包分析与奇异值分解结合起来，就可以解决单一去噪方法难以解决的去噪问题。此法首先利用小波包变换进行分频处理，然后在分频的记录中，用自动追踪同相轴的方法找出相干干扰和面波同相轴的方向，再利用奇异值分解(SVD)方法恢复相干干扰和面波的波场，最后将其从原始地震记录中减去，即可获得去噪后的地震记录。通过对实际资料的试算，表明该计算方法的效果是明显的。     

弱反射地震信号特征及识别方法理论研究

现代地震勘探中,弱反射地震信号是不可回避的。本文分别从厚层和薄层中弱信号幅值特征的角度,研究了弱信号的频谱特征及噪声对弱信号的影响程度,并运用信号奇异值分解方法(SVD)和曲波变换方法,对弱信号的检测和识别进行了初步探讨。结果表明:①当信噪比为0.5时,用肉眼无法识别出弱信号;②当信噪比为2时,可以识别出对应薄层调谐厚度;③计算包含在相邻强反射信号中弱信号的频谱,无法反映弱信号的特征;④应用SVD可以检测混杂在噪声中的水平层弱信号,应用曲波变换可以从中检测出非水平层弱信号。     

应用快速不动点延续算法的地震数据重建

地形条件或采集成本等因素往往导致现场采集到的地震数据呈现不完整分布,从而影响后续地震数据的分析与处理,因此对原始地震数据做高精度重建显得尤为必要。不动点延续算法是一种基于核范数最小化的重建方法,但该算法需进行奇异值分解（SVD,其计算复杂度为O[mnmin（m,n）],m、n为矩阵的维度）,且当矩阵维度较高时运算耗时较长;传统方法是直接利用PROPACK加速包,将计算复杂度降低为O（rmn）（r为矩阵的秩）,但此加速方法依然耗时较长。为此,提出一种快速不动点延续算法,通过利用块克雷洛夫迭代近似奇异值分解算法和子空间复用技术,将SVD的计算复杂度降低为O[mcmin（m,c）]（c<m,n）,c∈R⁺）为复杂度常数。仿真地震数据和实际地震数据重建结果表明,在确保一定信噪比的情况下,文中提出的快速不动点延续算法的计算效率显著高于传统加速型不动点延续算法。     

反演预测滤波与算子外推

T－X和F－X等预测滤波方法都是常用的噪声衰减技术。这些方法对消除噪声有一定的效果,但同时也产生一些假同相轴,并衰减强振幅噪声处的信号能量。这种效应是由输入数据中存在噪声而引起的。为此本文采用反演预测滤波方法来消除噪声,即根据反演预测滤波求出信号估计,再按此信号估计生成新的滤波因子。也就是说,在更少噪声影响下,重新进行预测滤波。叠前记录去噪后,记录中还常含有相干线性干扰波（如面波、折射液等）,在预测去噪时,干扰波不仅没有受到压制反而增强了。但如果在反演预测中引进算子外推技术,将二者有机地结合起来,便能得到相当理想的效果。本文提出的反演预测滤波与算子外推方法,既保护了反射层的振幅,又消除了强相干干扰和预测滤波所产生的假同相轴。该方法的应用效果已被人工合成记录和实际数据所证实。     

结合CEEMDAN和主成分分析的低信噪比微地震初至信号检测

微地震资料信噪比过低,传统方法的初至拾取精度与稳定性大多不理想。将基于自适应噪声完备经验模态分解（CEEMDAN）与主成分分析（PCA）相结合,有效地实现了低信噪比资料中的初至特征检测。针对低信噪比微地震资料进行CEEMDAN处理后,对各阶本征模态函数（IMF）进行PCA,再对各阶IMF的主成分进行加权重构,同时对次要成分进行压制与剔除,使三分量信号中具有较强一致性的初至信息得以保留。设计多组不同信噪比的测试信号,对方法的可行性进行测试,并最终应用于三分量实测信号。结果表明,该方法在极低信噪比条件下仍可实现对微地震信号初至的有效识别与检测。     

应用奇值分解反褶积压制震源产生的干扰

1. Introduction Seismic sources generate various types of surface waves, depending on the near-surface environment and nature and the position of the source. Source-generated noise, such as air, refracted, guided waves, near-surface multiples, near-surfac…     

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