用正交多小波压制地震信号的随机噪声

正交多小波可同时具有短支集、对称性或反对称性和正交性，这是一般的正交单小波所没有的性质，因而在处理信号时能取得更好的效果。本文详细说明了应用GHM正交多小波对地震信号进行去噪处理的原理，并给出实际例子说明该方法的有效性。     

奇异值分解压制随机噪声的方法及应用

针对随机噪声压制问题，通过对多项式确定的同相轴形状重新选取数据矩阵，再对新选取的数据矩阵进行SVD滤波，从而压制随机噪声。通过对矩阵奇异值分解的研究，揭示了奇异值分解的原理和SVD滤波原理，将一个多道地震记录看作一个图，它可分解为由一系列正交的子图，通过对子图适当选择并结合其它手段，从而达到提高信噪比的目的，为奇异值分解在地球物理中的进一步应用提供了理论依据。实际数据应用表明，该方法去噪手段灵活、保真性好、分辨率高，对一些突然的脉冲干扰、侧反射、以及其他的反向干扰有明显效果。     

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。     

应用双通道卷积神经网络的地震随机噪声压制方法

地震资料中随机噪声的压制一直是人们关注的热点。传统方法难以平衡噪声的去除与有效信号的保护,且执行效率低。为此,提出了基于双通道卷积神经网络的随机噪声压制方法。首先,该网络是一个双通道网络,即由两个结构不同的子网络组成,目的是在压制噪声过程中提取到互补有效信息;其次,在下通道子网络中引入空洞卷积增大感受野,充分捕捉到地震资料中的邻域信息,从而更充分地保留细节信息;最后,借鉴残差学习的思想并使用Swish激活函数,提高了网络的降噪性能。模型和实际资料的实验结果表明,所提方法在有效地压制随机噪声的同时能够保留更丰富的纹理细节信息。     

基于变分模态分解的地震随机噪声压制方法

针对经验模态分解（EMD）方法中递归迭代式筛选过程耗时过长、分解精度不高等问题,提出了基于频率域内全局自适应的变分模态分解（VMD）的地震随机噪声压制方法。与EMD类方法的迭代筛选模式不同,VMD方法的分解过程可转换至变分泛函最优求解过程,以每个带限窄带（BIMF）分量的估计带宽之和最小为约束,通过增广Lagrange目标函数将变分问题由约束性变为非约束性,采用交替方向乘子（ADMM）算法寻求变分泛函的最优解达到信号自适应分解的目的。ADMM中频率中心及带宽交替更新对偶上升,使两者同时达到最优趋势,并生成所有BIMF分量,具有更高的时间效率。同时,各模态分量在频谱上均具有带限特性,可实现信号频带的高分辨率、自适应剖分。实验结果表明,基于VMD的地震随机噪声压制方法具有优异噪声压制、幅值保持性能的同时,还具备较高的计算效率,可满足高维大尺度地震数据的处理要求。     

基于三维各向异性拉普拉斯滤波的随机噪声压制方法及应用

准噶尔盆地叠后地震资料随机噪声压制主要采用三维空间预测滤波（FXY）方法。由于假设同相轴在短距离内是线性的,因此该方法在提高强能量信号信噪比的同时,也会损伤相对弱小信号,模糊断层和裂缝等线性相关性较差的地质体的信号特征。为此,基于GeoEast系统研发了利用三维各向异性拉普拉斯滤波的随机噪声压制方法。模型试验和在准噶尔盆地不同地区的实际资料应用结果均表明,本文方法对随机噪声的压制效果优于FXY方法,能明显提高地震资料信噪比、较好地保护有效信号、清晰展现地质体边缘特征细节及提高断层成像精度,为后续储层反演和精细地震资料解释夯实了基础。     

基于循环一致性生成对抗网络的地震数据随机噪声压制方法

压制随机噪声、提高信噪比是地震数据处理中的关键任务。为此,提出一种基于循环一致性生成对抗网络（CycleGAN）的地震数据随机噪声压制方法。构建的CycleGAN由两个生成器和两个判别器构成,为防止网络退化,生成器由Resnet构成,用以学习含噪数据与无噪数据之间的特征映射;为提高网络的分辨率和准确性,选用PatchGAN作为判别器;同时,在传统对抗损失的基础上,添加循环一致性损失,用以提升网络训练的稳定性。完成网络构建后,针对模型数据和实际数据调整网络参数,训练和测试网络,分析去噪前后数据的信噪比和均方根误差;并通过计算单道数据频谱,进一步分析局部去噪效果。模型数据和实际数据测试结果表明,该方法能够较好地消除地震数据中的随机噪声,且去噪效果优于小波阈值去噪方法,从而验证了所提方法的可行性。     

伊犁盆地压制地震多次波处理方法试验

伊犁盆地地质条件特殊，受其影响，地震剖面中、深层多次波发育，有效波难以识别，相应地层构造情况不清，使得对主要目的层的地质构造认识受到很大限制。针对这一情况，采用拉冬滤波、F－K滤波以及多次波减去法等多种手段进行压制多次波处理方法研究，取得了一定的效果。     

小波变换用于去除高频随机噪声

小波变换以小波奇性分析中得出的一些结论作为理论依据，利用连续小波变换情况下信号与噪声呈现出的不同性质来确定信噪比较 的部分，去掉相应的正交小波分量，再经反变换后可达到压制噪声的目的。小波变换用于去除高频随机噪声方法的主要特点是；可以自动地判定低信噪比区间，且无论在时间域或频率域均可局部地进行去除噪声。     

利用基于深度学习的过完备字典信号稀疏表示算法压制地震随机噪声

曲波变换去噪处理使同相轴在断层等不连续区域发生畸变,对有效信号产生干扰。基于过完备字典信号稀疏表示（K-SVD）需要人工反复调整参数才能改善去噪效果。为此,将K-SVD去噪算法与深度学习网络相结合,综合考虑深度学习网络与稀疏表示方法的优点,研究了基于深度学习的过完备字典信号稀疏表示（Deep-KSVD）的地震数据随机噪声压制方法。为了使该网络有能力学习参数,在追踪阶段用一个等价的可学习的替代方案代替正交匹配追踪（OMP）算法。计算过程包括将数据分解为重叠的数据块、通过适当的追踪对每个数据块去噪以及通过去噪后的数据块加权重建整个数据,去噪处理包括稀疏编码、正则化系数估计以及数据块重建三个部分。模型数据和实际数据测试结果表明：当Deep-KSVD网络训练完成后,给定含噪数据,能够自适应地衰减地震噪声,并保护有效不连续性信息及数据结构特点,无需再进行参数调整;与K-SVD去噪方法相比,Deep-KSVD去噪方法的噪声压制效果更好,可提高全频带数据的信噪比。     

地震图像随机噪声的非局部均值去噪法

随机噪声的存在往往会影响地震图像分析的准确度。为了提高图像分析质量,提出了一种基于非局部均值滤波（ Non Local Means）抑制地震图像随机噪声的新方法。在对滤波像素点去噪时,该方法分配给每个相似像素点的权重不依赖于2个像素点的空间距离,而是依赖以该像素点为中心的图像子块与以当前像素点为中心的子块之间的相似性,且滤波参数h的选取对滤波效果起到至关重要的作用。结合实例,对地震资料进行了具体分析。结果表明,与传统方法（如中值滤波、高斯滤波）相比,采用非局部均值滤波方法合成地震记录和实际数据时,既能有效地抑制地震随机噪声,又能较好地保留地震同相轴陡变处或同相轴弯曲处的边缘细节信息,具有实用性和有效性。     

自适应相干噪声衰减技术

去除噪声是必需的地震数据处理过程。由于地表条件和地震波激发、传播以及接收条件等诸多方面的原因，时常引起地震记录上出现各种相干干扰波。本文主要针对地震数据处理中地震剖面上存在的各种相干噪声，提出了时问一空间域自适应相干噪声衰减技术，以进行信噪分离。这种方法把噪声在整个处理平面上的视速度近似看作常量(正值或负值)，可以有效地消除地震剖面上的线性噪声、面波以及多次波等，并且对信号的保真度高。本文方法是复杂地区低信噪比地震数据处理的一种理想的噪声去除方法，具有运算速度快、压制噪声效果好等优点。     

三维叠后随机噪声衰减技术

讨论了二维ＡＲ 及三维叠后ｆ－ｘ,ｙ域预测随机噪声衰减技术;推导了沿不同空间方向预测的二维ＡＲ预测模型及其系数之间的关系;实现了基于同样原理之定的地震数据体边缘处的预测。实际资料处理的结果表明,这种处理方法在保持信号原有特征方面要优于ｆ－ｘ,ｙ方法。     

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。     

对深层地震勘探中随机噪音的一点认识

在地震勘探过程中,随机噪音是影响地震资料信噪比的主要因素之一,尤其是对能量弱、频率低的深层地震信号。与有规律的线性干扰相比,随机噪音没有固定的视频率和视速度,但在一定的区域范围内,这类干扰又是遵循统计规律的。因此,深入地调查和分析工区内随机噪音的特征及其与施工因素的关系,对于更好地指导野外数据采集具有实际意义。本文结合胜利探区深层试验资料,主要对随机噪音中的环境噪音和次生噪音的特征及其与施工因素的     

三维f—x,y域随机噪音衰减

本文提出一种新的三维去噪方法－三维随机噪音衰减（３－Ｄ ＲＮＡ）。该法假设反射波同相轴在局部为平面，因而在ｆ－ｘ，ｙ域空间的所有方向上，同一频率成分的信号均具有可预测的特点，这样使可以采用多道复数最小平方原理，求出一个矩形顶测滤波算子，达到去噪的目的。通过理论试验及实际资料的处理，表明这种三维去噪方法明显好于常规二维ｆ－ｘ域预测去噪（２－Ｄ ＲＮＡ）方法。因为该法能充分利用三维信息、完整地保留构造