基于混合时频分析技术的地震数据噪声压制(英文)

针对复杂地质结构、陡倾角相干噪声、空间采样不均匀等情况下F-x域反褶积去噪技术的不足,提出首先应用具有时-频聚集性度量准则的广义S变换将时间-空间域的地震数据变换至时间-频率-空间域(t-f-x)的数据,在t-f-x域中对每一个频率切片应用经验模态分解(EMD),移除噪声占主导地位的本征模态函数以压制相干和随机噪声的滤波方法。模型分析表明第一本征模态函数表征的高频信息以噪声为主,移除第一本证模态函数可以达到压制噪声的目的。经广义S变换后形成t-f-x域中EMD滤波方法等效于具有依赖于空间位置、频率、高波数截断特征的自适应f-k滤波。此滤波方法考虑了数据的局部时-频特征,且具有执行简单的特点。与AR预测滤波方法比较,此法滤除的成分包含较少的低波数的信息,滤除的成分非常的局部化,且获得结果没有表现出过度平滑的特征。实际资料的应用表明在经广义S变换后形成t-f-x域中运用EMD滤波方法能够有效地压制随机和陡倾角相干噪声。     

基于Seislet-TV双正则化约束的地震随机噪声压制方法

人工地震数据总是受到随机噪声的干扰,地震数据时-空变的特性使得常规去噪方法处理效果并不理想,容易导致有效信号的损失.目前广泛应用的预测滤波类方法存在处理时变数据能力不足的问题.随着压缩感知理论的不断完善,稀疏变换阈值算法能够解决时变地震数据噪声压制问题,但是常规的稀疏变换方法,如傅里叶变换,小波变换等,并不是特殊针对地震数据设计的,很难提供地震数据最佳的压缩特征,同时,常规阈值算法容易导致去噪结果过于平滑.因此开发更加有效的时-空变地震数据信噪分离方法具有重要的工业价值.本文将地震数据信噪分离问题归纳为数学基追踪问题,在压缩感知理论框架下,利用特殊针对地震数据设计的VD-seislet稀疏变换方法,结合全变差(TV)算法,构建seislet-TV双正则化条件,并利用分裂Bregman迭代算法求解约束最优化问题,实现地震数据的有效信噪分离.通过理论模型和实际数据测试本文方法,并且与工业标准FXdecon方法进行比较,结果表明基于seislet-TV双正则化约束条件的迭代方法能够更加有效地保护时-空变地震信号,压制地震数据中的强随机噪声.     

De-aliased and de-noise Cadzow filtering for seismic data reconstruction

Cadzow filtering is currently considered as one of the most effective approaches for seismic data reconstruction. The basic version of Cadzow filtering first reorders each frequency slice of the seismic data (to be reconstructed) to a block Hankel/Toeplitz matrix, and then implements a rank-reduction operator, that is truncated singular value decomposition, to the Hankel/Toeplitz matrix. However, basic Cadzow filtering cannot deal with the problem of recovering regularly missing data (up-sampling) in the case of strongly aliased energy, because the regularly missing data will mix with signals in the singular spectrum. To solve this problem, it has been proposed to precondition the reconstruction of high-frequency components using information from the low-frequency components which are less aliased. In this paper, we further extend the de-aliased Cadzow filtering approach to reconstruct regularly sampled seismic traces from the noisy observed data by modifying the reinserting operation, in which the high-frequency components are projected onto the sub-space spanned by several singular vectors of the low-frequency components. At each iteration, the filtered data are weighted to the original data as a feedback. The weighting factor is related to the background noise level and changes with iteration. The feasibility of the proposed technique is validated via two-dimensional, three-dimensional and five-dimensional synthetic data examples, as well as two-dimensional post-stack and three-dimensional pre-stack field data examples. The results demonstrate that the proposed technique can effectively interpolate regularly sampled data and is robust in noisy environments.     

基于脉冲检测的混合震源数据分离

混合震源采集技术相对于传统地震数据采集具有改善成像质量、提高采集效率的优势.减小混合炮中单炮之间的随机延时范围能够有效的提高采集效率,但这也给之后的混采数据分离带来了影响.混采数据经伪分离后非共炮域数据中的混叠噪声明显更加集中,不利于对混叠噪声进行压制.本文提出基于脉冲检测方法对混采数据进行分离,并且与迭代的多级中值滤波方法作对比,时间延时范围较大时,两种方法都能得到很好的分离结果;时间延时范围较小时,本文方法能更有效的去除混叠噪声,同时也能更好的保留细节信息.实际数据计算结果表明,本文方法一定程度上还能够有效压制其他随机噪声.     

压制地震勘探随机噪声的分段时频峰值滤波方法

提高勘探资料信噪比是地震勘探的主要内容之一.本项研究利用短时能量将记录分成能量均衡的若干段,获得减少尺度变换误差的分段时频峰值滤波方法,并运用端点拓展和与地震信号特征匹配的多级时窗参数改进时频峰值滤波精度.理论模型和共炮点资料处理结果表明,分段时频峰值滤波很好地消除了尺度变化误差引起的信号波形阶梯状畸变,能够在压制强随...     

压制空间非平稳地震勘探随机噪声的ROAD径向时频峰值滤波算法

径向时频峰值滤波算法是一种有效保持低信噪比地震勘探记录中反射同相轴的随机噪声压制方法,但该算法对空间非平稳地震勘探随机噪声压制效果不理想.本文研究空间非平稳地震勘探随机噪声,即各道噪声功率不同的地震勘探随机噪声,其在径向滤波轨线上表征近似脉冲噪声,在径向时频峰值滤波过程中干扰相邻道滤波结果.为了减小空间非平稳随机噪声的影响,本文提出一种基于绝对级差统计量(ROAD)的径向时频峰值滤波随机噪声压制方法.该方法首先根据径向轨线上信号的绝对级差统计量检测空间非平稳地震勘探随机噪声,然后结合局部时频峰值滤波和径向时频峰值滤波压制地震勘探记录中的随机噪声.将ROAD径向时频峰值滤波方法应用于合成记录和实际共炮点地震记录,结果表明ROAD径向时频峰值滤波方法可以压制空间非平稳地震勘探随机噪声且不损害有效信号,有效抑制随机噪声空间非平稳对滤波结果的影响.与径向时频峰值滤波相比,ROAD径向时频峰值滤波方法更适用于空间非平稳地震勘探随机噪声压制.     

基于ARMA模型非因果空间预测滤波(英文)

常规频域预测滤波方法是建立在自回归(autoregressive,AR)模型基础上的,这导致滤波过程中前后假设的不一致,即首先利用源噪声的假设计算误差剖面,却又将其作为可加噪声而从原始剖面中减去来得到有效信号。本文通过建立自回归-滑动平均(autoregres sive/moving-average,ARMA)模型,首先求解非因果预测误差滤波算子,然后利用自反褶积形式投影滤波过程估计可加噪声,进而达到去除随机噪声目的。此过程有效避免了基于AR模型产生的不一致性。在此基础上,将一维ARMA模型扩展到二维空间域,实现了基于二维ARMA模型频域非因果空间预测滤波在三维地震资料随机噪声衰减中的应用。模型试验与实际资料处理表明该方法在很好保留反射信息同时,压制随机噪声更加彻底,明显优于常规频域预测去噪方法。     

基于核函数主分量的维纳滤波方法研究

针对强随机噪声地震资料背景下经典维纳滤波方法在信号的保幅及高维数据空间求解过程中产生病态矩阵的问题,提出利用核函数主分量维纳滤波压制强地震勘探随机噪声.首先利用线性核函数将地震信号映射到特征空间,再通过主分量分析方法提取地震数据主分量进行数据降维,并得到核主分量维纳滤波因子,从而进行核主分量维纳滤波（K-WPC）.正演仿真及对实际地震资料处理表明,该方法对随机噪声有较好的压制作用,保幅效果也令人满意.     

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.     

3D simultaneous seismic data reconstruction and noise suppression based on the curvelet transform

Seismic data contain random noise interference and are affected by irregular subsampling. Presently, most of the data reconstruction methods are carried out separately from noise suppression. Moreover, most data reconstruction methods are not ideal for noisy data. In this paper, we choose the multiscale and multidirectional 2D curvelet transform to perform simultaneous data reconstruction and noise suppression of 3D seismic data. We introduce the POCS algorithm, the exponentially decreasing square root threshold, and soft threshold operator to interpolate the data at each time slice. A weighing strategy was introduced to reduce the reconstructed data noise. A 3D simultaneous data reconstruction and noise suppression method based on the curvelet transform was proposed. When compared with data reconstruction followed by denoizing and the Fourier transform, the proposed method is more robust and effective. The proposed method has important implications for data acquisition in complex areas and reconstructing missing traces.     

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.     

SVD与EMD联合去噪方法在地震勘探数据处理中的研究与应用

将基于倾角扫描的奇异值分解与经验模式分解法相结合应用到地震资料随机噪声压制中。首先利用经验模式分解法消除部分噪声,增强地震道有效信号的相关性,再利用奇异值分解对地震信号进行同相轴自动追踪,截取小时窗数据体,并进行同相轴拉平处理,经SVD计算小时窗数据中心点的值来代替计算样点的值,最终实现随机噪声的压制。理论模型试算和实际资料处理表明,本文提出的EMD-SVD方法简单易行,比单一的SVD方法去噪效果更显著有效地消除了地震资料中的随机噪声,提高了地震资料的信噪比,并改善了叠加剖面的质量。     

基于经验模态分解的分数维地震随机噪声衰减方法

经验模态分解算法(EMD)是一种基于有效波和噪声尺度差异进行波场分离的随机噪声压制方法,但由于实际地震数据波场复杂,导致模态混叠较严重,仅凭该方法进行去噪很难达到理想效果.本文基于EMD算法对信号多尺度的分解特性,结合Hausdorff维数约束条件,提出一种用于地震随机噪声衰减的新方法.首先对地震数据进行EMD自适应分解,得到一系列具有不同尺度的、分形自相似性的固有模态分量(IMF);在此基础上,基于有效信号和随机噪声的Hausdorff维数差异,识别混有随机噪声的IMF分量,对该分量进行相关的阈值滤波处理,从而实现有效信号和随机噪声的有效分离.文中从仿真信号试验出发,到模型地震数据和实际地震数据的测试处理,同时与传统的EMD处理结果相对比.结果表明,本文方法对地震随机噪声的衰减有更佳的压制效果.     

基于SW统计量的自适应时频峰值滤波压制地震勘探随机噪声研究

由于金属矿区地震记录中随机噪声性质复杂且信噪比低,常规降噪方法难以达到预期的滤波效果.时频峰值滤波(TFPF)方法是实现低信噪比地震勘探记录中随机噪声压制的有效方法,但其在复杂地震勘探随机噪声下时窗参数优化问题仍难以解决.本文充分利用地震勘探噪声的统计特性,结合Shapiro-Wilk(SW)统计量辨识地震勘探记录中的微弱有效信号,提出基于SW统计量的自适应时频峰值滤波降噪方法(S-TFPF).在S-TFPF方案中,对于有效信号集中区,S-TFPF方法根据信号频率特征,选择有利于信号保持的较短时窗长度;对于噪声集中区,按噪声方差自适应增加时窗长度,增强随机噪声压制能力.S-TFPF应用于合成记录和共炮点记录的滤波结果表明,与传统时频峰值滤波方法相比,S-TFPF方法可以有效抑制低信噪比地震勘探记录中的随机噪声,更好地恢复出同相轴.     

S变换谱分解技术在深反射地震弱信号提取中的应用

在深反射地震资料处理中,当来自深部的有效弱信号和噪声干扰频带差异较小且难以区分时,传统滤波方法的应用会受到限制.谱分解方法是一种使用离散傅里叶变换,基于信号的频率-振幅谱等信息生成高分辨率地震图像的方法,通常用来识别介质物性横向分布特征,处理复杂介质内频谱变化和局部相位的不稳定性等问题,包括定位复杂断层和小尺度断裂等.S变换作为一种新的时频分析方法,具有自动调节分辨率的能力,近些年来被广泛应用到勘探地震、大地电磁等数据处理中,逐渐成为地球物理方法中噪声压制的有效方法之一.与常规石油反射地震资料相比,深反射主动源地震为了探测深部结构信息,常采用大药量激发方式、长排列观测系统等,导致深部有效信号基本湮灭在噪声干扰之中.针对深反射数据特点,本文结合谱分解和S变换技术,首先设计了简单的脉冲函数实验数据,证实S变换方法的有效性,同时说明谱分解方法的效果受所用时频分析方法影响较大,而其中决定分辨能力的变换窗函数的选取尤为重要.在此基础上,分别应用到深反射地震资料的单道和叠加剖面实际数据上,对比分析了传统变换谱分解和S变换谱分解的应用效果,单道资料对比结果表明:相比传统谱分解,S变换谱分解方法具有自动调节分辨率的能力,能够精确的标定深反射地震资料中弱信号不同时刻的频率分量;叠加剖面资料应用结果表明:由S变换谱分解得到的剖面结果与其他谱分解方法结果整体上具有较高的一致性,同时清晰地刻画出原叠加剖面上被噪声湮灭的低频细节特征,提高了剖面的分辨率及同相轴连续性;对比结果明显看出,Gabor变换谱分解方法得到的结果同相轴较为破碎,分析原因认为这是由Gabor变换的时频分解方法的定长窗函数所致,窗口大小不会随着信号频率的变化来调节长度,只能在处理的过程中根据一定的记录长度范围选取窗函数参数,而S变换谱分解方法在窗函数的选取时,通过时变信号的局部频率特征自动调节窗口长度,能够更好的刻画各个频段的细节特征,在深反射剖面成像应用中效果尤为明显.本文结果表明S变换谱分解技术在深地震叠加剖面上的应用有效地提高了来自深部弱反射信号的信噪比和分辨率,并刻画出了叠加剖面上所不具有的低频细节特征,在实际深反射地震资料处理中能有效保护低频弱信号获得更好的成像效果.本文为深地震反射资料中弱信号的保护处理找到一种有效的方法.     

Robust adaptive polarization analysis method for eliminating ground roll in 3C land seismics

To improve the data quality of converted waves, and better identify and suppress the strong ground-roll interference in three-component (3C) seismic recordings on land, we present an adaptive polarization filtering method, which can effectively separate the groundroll interference by combining complex polarization and instantaneous polarization analysis. The ground roll noise is characterized by elliptical plane polarization, strong energy, low apparent velocity, and low frequency. After low-pass filtering of the 3C data input within a given time-window of the ground roll, the complex covariance matrix is decomposed using the sliding time window with overlapping data and length that depends on the dominant ground-roll frequency. The ground-roll model is established using the main eigenvectors, and the ground roll is detected and identified using the instantaneous polarization area attributes and average energy constraints of the ground-roll zone. Finally, the ground roll is subtracted. The threshold of the method is stable and easy to select, and offers good groundroll detection. The method is a robust polarization filtering method. Model calculations and actual data indicate that the method can effectively identify and attenuate ground roll while preserving the effective signals.     

Preconditioned prestack plane-wave least squares reverse time migration with singular spectrum constraint

Least squares migration can eliminate the artifacts introduced by the direct imaging of irregular seismic data but is computationally costly and of slow convergence. In order to suppress the migration noise, we propose the preconditioned prestack plane-wave least squares reverse time migration (PLSRTM) method with singular spectrum constraint. Singular spectrum analysis (SSA) is used in the preconditioning of the take-offangle-domain common-image gathers (TADCIGs). In addition, we adopt randomized singular value decomposition (RSVD) to calculate the singular values. RSVD reduces the computational cost of SSA by replacing the singular value decomposition (SVD) of one large matrix with the SVD of two small matrices. We incorporate a regularization term into the preconditioned PLSRTM method that penalizes misfits between the migration images from the plane waves with adjacent angles to reduce the migration noise because the stacking of the migration results cannot effectively suppress the migration noise when the migration velocity contains errors. The regularization imposes smoothness constraints on the TADCIGs that favor differential semblance optimization constraints. Numerical analysis of synthetic data using the Marmousi model suggests that the proposed method can efficiently suppress the artifacts introduced by plane-wave gathers or irregular seismic data and improve the imaging quality of PLSRTM. Furthermore, it produces better images with less noise and more continuous structures even for inaccurate migration velocities.     

Inversion-based data-driven time-space domain random noise attenuation method

Conventional time-space domain and frequency-space domain prediction filtering methods assume that seismic data consists of two parts, signal and random noise. That is, the so-called additive noise model. However, when estimating random noise, it is assumed that random noise can be predicted from the seismic data by convolving with a prediction error filter. That is, the source-noise model. Model inconsistencies, before and after denoising, compromise the noise attenuation and signal-preservation performances of prediction filtering methods. Therefore, this study presents an inversion-based time-space domain random noise attenuation method to overcome the model inconsistencies. In this method, a prediction error filter (PEF), is first estimated from seismic data; the filter characterizes the predictability of the seismic data and adaptively describes the seismic data’s space structure. After calculating PEF, it can be applied as a regularized constraint in the inversion process for seismic signal from noisy data. Unlike conventional random noise attenuation methods, the proposed method solves a seismic data inversion problem using regularization constraint; this overcomes the model inconsistency of the prediction filtering method. The proposed method was tested on both synthetic and real seismic data, and results from the prediction filtering method and the proposed method are compared. The testing demonstrated that the proposed method suppresses noise effectively and provides better signal-preservation performance.     

基于方向可控滤波的地震勘探随机噪声压制

针对地震勘探随机噪声的压制,本文应用拉伸厄米特高斯函数设计出方向可控滤波器.根据时空域上随机噪声的无方向性与有效信号的有向性的区别,通过局部数字特征,对数据进行选择后重组信号.方向选择性的增加,使得滤波过程能与不同方向的轴进行匹配,噪声被压制的同时保持信号的幅度;方向可调性,使得计算效率提高,且所需存储空间减少.仿真实验表明,采用此方法,信号保幅性和去噪效果均比传统的小波算法以及Curvelet变换好,在-5db信噪比下,本文方法保幅度为92.99%,信噪比提升221.774%,在实际地震信号处理中有明显的抑制噪声、保持有用信号的效果.     

低信噪比地震资料FDOC-seislet变换阈值消噪方法研究

地震数据本质上是时变的,不仅有效同相轴表现出确定性信号的时变特征,而且复杂地表和构造条件以及深部探测环境总是引入时变的非平稳随机噪声.标准的频率-空间域预测滤波只适合压制平面波信号假设下的平稳随机噪声,而处理非平稳地震随机噪声时,需要将数据体分割为小窗口进行分析,但效果不够理想,而传统非预测类随机噪声压制方法往往适应性不高,因此开发能够保护地震信号时变特征的随机噪声压制方法具有重要的工业价值.压缩感知是近年出现的一个新的采样理论,通过开发信号的稀疏特性,已经在地震数据处理中的数据插值以及噪声压制中得到了应用.本文系统地分析了压缩感知理论框架下的地震随机噪声压制问题,建立了阈值消噪的数学反演目标函数;针对时变有效信息具有的可压缩性,利用有限差分算法求解炮检距连续方程,构建有限差分炮检距连续预测算子(FDOC),在seislet变换框架下,提出一种新的快速稀疏变换域———FDOC-seislet变换,实现地震数据的高度稀疏表征;结合非平稳随机噪声不可压缩的特征,提出了一种整形迭代消噪方法,该方法是一种广义的迭代收缩阈值(IST)算法,在无法计算稀疏变换伴随算子的条件下,仍然能够对强噪声环境中的时变有效信息进行有效恢复.通过对模型数据和实际数据的处理,验证了FDOC-seislet稀疏变换域随机噪声迭代压制方法能够在保护复杂构造地震波信息的前提下,有效地衰减原始数据中的强振幅随机噪声干扰.