经验模态分解、数值仿真与形变信号滤波试验

首先介绍了经验模态分解的方法与原理, 给出了由经验模态分解产生的固有模态函数重构特定滤波器的算法, 然后通过对已知数据的仿真检验, 认为该方法在分解与重构滤波器方面具有较高的精度, 最后通过对形变数据中几类典型干扰信号的初步试验与对比分析, 可看出获得了满意的处理效果。 综合分析认为, 经验模态分解及其组合滤波器在干扰消除或某些频率成分滤波与研究中具有重要意义, 可作为形变数据预处理中一种行之有效的数据分解方法。     

过渡内蕴模态函数对经验模态分解去噪结果的影响研究及改进算法

经验模态分解(Empirical Mode Decomposition, EMD)是一种具有较大应用潜力的去噪算法.目前,该算法存在的一个较大问题是过渡内蕴模态函数(Intrinsic Mode Function, IMF)中混叠噪声不能有效处理.过渡内蕴模态函数中混叠噪声不易剔除,限制了该算法的应用.本文针对此问题,通过研究过渡IMF的特点,首次提出一种有效去除过渡IMF中混叠噪声的方法.该方法首先对原信号进行一次EMD处理,得到包含过渡IMF的初步去噪结果,并将其与合适的余弦信号结合,改变其包络分布,然后对其结果再次进行EMD处理,仿真实验表明该方法在保留有效信号的同时,可以有效的去除过渡IMF中混叠的噪声,并将该方法用于实际地震资料随机噪声压制,处理效果令人满意.     

基于折线包络的经验模态分解方法

提出了一种基于折线包络的经验模态分解方法.以一个具有明确解析表达式的信号验证了该方法所得结果的意义,并讨论了该方法分解E1 Centro波所得固有模态分量(IMF)的波形与频谱特征.     

基于折线包络的经验模态分解方法

1998年,Huang提出了处理非平稳信号的HHT方法(Hilbert-Huang Transform,简称HILT).该方法包括两个步骤:①任意信号首先经过经验模态分解方法(Empirical Mode Decomposition,简称EMD)被分解为一系列固有模态函数(IntrinsicModeFunction,简称IMF).     

基于特征矩阵联合近似对角化和经验模态分解的储层识别

地震信号是非线性和非平稳的信号.本文提出了基于特征矩阵联合近似对角化和经验模态分解相结合的算法,将地震信号分解为多个相互独立的固有模态函数分量.然后利用已知井储层发育情况,选取对储层识别有效的IMF分量进行储层预测.仿真和实际地震数据应用表明了该方法的有效性.     

经验模态分解法在地震资料处理中的应用试验

通过对多种连续小波基的平稳序列时频分析,提出经验模态的非平稳序列的时频分析方法,并在地震资料处理解释应用中作探索性试验.试验结果表明：对地震记录道长为5 s和2 ms采样资料,经验模态分解后可获得6-7个固有模态函数单分量,分解的第一个分量C1（t）具有较宽的频率成分,可作为地震属性的主分量.     

基于经验模态分解的形变信号滤波处理与异常提取

本文介绍了经验模态分解的方法与原理,给出了由经验模态分解产生的固有模态函数重构组合滤波器的原理与详细算法。通过对形变观测中典型干扰信号的综合处理、异常提取试验及其所取得的效果,综合分析认为,经验模态分解组合滤波器方法可作为形变观测数据处理中一种新的行之有效的分析方法。     

HHT的滤波特性及在声波测井波列信号处理中的应用(英文)

阵列声波信号是典型的非线性、非平稳信号,Hilbert～Huang变换（HHT）是处理非平稳信号的一种比较新的时频分析方法。通过对信号进行经验模态分解（EMD）和对瞬时频率的求解,可以获得声波信号的时一频谱。其关键技术就是进行经验模态分解,任何非平稳的信号都可以分解为有限数目并且具有一定物理意义的固有模态函数。EMD方法可以理解为以声波信号极值特征尺度为度量的时频滤波过程。滤波器充分保留了声波信号本身的非线性和非平稳特征,在声波信号的滤波和去噪中具有很大的优势。文中介绍了HHT时频滤波的实现过程,并列举了一些声波测井波列实例,说明了该方法的有效性。     

基于高通滤波的频率-空间域经验模态分解压制高频噪声

高频噪声压制是高分辨率地震数据处理中提高信噪比的关键性问题.本文针对f-x(频率-空间)反褶积空间预测滤波器无法处理非平稳、非线性信号的缺点,提出了一种基于高通滤波的频率-空间域经验模态分解(Empirical Mode Decomposition in the frequency-space domain,f-xEMD)压制地震剖面中高频噪声的方法.该方法采用全域高通滤波从原始数据中分离出含有部分有效信号的高频数据,将其变换到f-x域,然后在滑动的短窗口内提取每一个频率的空变数据序列进行EMD分解得到高频复本征模态函数(Intrinsic Mode Function,IMF)IMF1,将所有频率的IMF1序列反Fourier变换到时间域得到噪声剖面,将其与原始数据相减,达到高频噪声压制的目的.该方法可克服传统EMD分解方法中的模态混叠现象,保护陡倾角反射同相轴;压制后的噪声剖面中不包含有效信号能量,地震剖面的信噪比得到了提高.模拟数据和实际数据处理结果充分证明了该方法的有效性.     

基于频率域经验模式分解阈值滤波的核磁共振测井信号去噪

核磁共振测井信号易受到地层环境和测井设备的干扰,使得测井信号信噪比低下,严重影响后续T_2谱的反演和储层参数的计算.将经验模式分解与阈值滤波技术结合,首先通过Fourier变换将含噪的测井信号变换到频率域,再对实部和虚部分别进行经验模式分解后的阈值滤波,最后将去噪后的实部和虚部分量组合成新的复数序列,通过Fourier反变换恢复时域的测井信号,达到压制噪声的目的.应用该方法对仿真和核磁共振测井信号进行了分析,并与小波软阈值去噪结果进行了对比.结果表明:本文方法在消除噪声的同时,能很好地保留核磁共振测井信号的波形和特征,相比小波软阈值滤波方法,去噪后噪声抑制比由18.17提高到了24.33,幅值衰减比由21.54下降到了17.86,很好地保留了峰形特征,突出了反演的T_2曲线中被淹没的有用信息,为孔隙度、可动流体等储层参数的精确计算提供了保障,为核磁共振测井信号的去噪开拓了新思路.     

基于广义S变换、经验模态分解叠前去噪方法的比较

高频噪声压制是高分辨率地震数据处理中的关键性问题.基于广义S变换、经验模态分解的时频域地震去噪技术具有时变、分频和高保真特性,可有效处理非平稳地震信号,但二者在去噪原理、去噪效果、保真度、计算效率等方面尚存差异.对比分析表明:两种算法在提高地震信号信噪比的同时,可保持地震信号的保真度,保护陡倾角反射界面能量;基于广义S...     

基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法

在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解（CEEMDAN）算法与Hurst指数相结合的地震数据去噪方法。首先通过CEEMDAN方法将信号分解为一系列本征模函数（IMF）,然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪。与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32%,将高信噪比波形的去噪效果提高6倍。同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除。     

基于经验模态分解的地震瞬时属性提取

传统复地震道方法提取的地震瞬时属性存在物理意义不明确、对噪声敏感等不足,本文探讨基于经验模态分解的地震瞬时属性提取方法,得到不同尺度下的地震瞬时属性,由此得到的瞬时频率在数值上与地震主频对应较好.将该方法提取的属性应用到海上地震数据中,显示出较好的效果.     

重、磁异常的经验模态分解及其在鄂东张福山铁矿勘探中的应用

由Norden E Huang提出的经验模态分解(Empirical Mode Decomposition,即EMD)是一种以信号极值特征尺度为度量的时空滤波过程,其利用信号的上、下包络得到多个分量.这些分量包含了信号从高到低不同频率段的成分,也称固有模态函数,最后的余量为趋势分量,代表信号的平均趋势,这与地球物理场中...     

基于f-x域流式预测滤波器的地震随机噪声衰减方法

随机噪声的影响在地震勘探中是不可避免的,常规的随机噪声压制方法在处理中往往会破坏具有时空变化特征的非平稳有效地震信号,影响地震数据的准确成像.当前油气勘探的目标已经转变为“两宽一高”,随着数据量的增大,对去噪方法的处理效率也提出了更高的要求.因此,开发高效的非平稳地震数据随机噪声压制方法具有重要意义.预测滤波技术广泛用于地震随机噪声的衰减,本文基于流式处理框架提出一种新的f-x域流式预测滤波方法,通过在频率域建立预测自回归方程,运用直接复数矩阵逆运算代替迭代算法求解非平稳滤波器系数,实现时空变地震同相轴预测,提高自适应预测滤波的计算效率.通过与工业标准的FXDECON方法和f-x域正则化非平稳自回归(RNA)方法进行对比,理论模型和实际数据的测试结果表明,提出的f-x域流式预测滤波方法能更好地平衡时空变有效信号保护、随机噪声压制和高效计算三者之间的关系,获得合理的处理效果.     

南海东北部内波特征——经验模态分解方法应用初探

利用地震海洋学方法研究海洋内波已成为海洋地球物理学家与物理海洋学家共同关注的前沿问题.本文尝试利用当今时频分析的新手段——希尔伯特-黄变换中的经验模态分解（EMD）方法对南海东北部地震数据处理获得的垂直位移分布数据进行分解,获得了一些有新意的结果.分解结果表明,南海东北部海盆上方区域的内波包含波长约1.2、2.5、4、12.5 km的组成成分,其中波长约1.2、2.5 km的内波在200~1050 m的深度范围内上、下各层的波动基本耦合;波长约4 km与12.5 km的内波以600~700 m的水层为分界,其上、下部分的内波相位差90°,指示低波数内波能量的斜向传播.这些研究表明,EMD方法在内波运动学特征的地震海洋学研宄方面有良好的应用前景.     

改进的完备经验模态分解和广义S变换相结合的地震信号衰减分析

改进的完备经验模态分解(ICEEMD)是完备经验模态分解(CEEMD)算法的一种最新扩展,其有效解决了CEEMD在信号分解中产生的残留噪声和模态混叠等问题.除此以外,ICEEMD还能更好地检测出含气层的弱信号.而广义S变换在地震信号中具有较高的时频聚焦性,可以清楚地提取地震信号的特征信息.综合以上优点,本文提出了一种ICEEMD与广义S变换相结合的方法,在南海某工区进行地震属性分析,从而检测该地区的含油气情况.具体步骤为:(1)采用ICEEMD方法对地震数据进行分解,选取相关系数最大的特征子信号IMF进行重构,合成一个能体现地震数据细节信息的特征剖面;(2)对该特征剖面进行广义S变换,进而计算其衰减属性;(3)分析衰减梯度属性,结合测井资料进行含油气检测.对南海某工区的结果表明,本文提出的方法可以清楚地刻画储层的强振幅异常特征,给出的含油气解释结果与已知的含气测试结果相吻合.     

基于EMD与关联维的储层识别(英文)

在储层发育带,通常地震波波形会变复杂,所以关联维会变小。但由于地震波是有一定带宽的信号,波形受这个带宽内所有频率成分的影响,如果直接进行关联维的计算,其结果往往不能很好地反映储层。鉴于这种情况,提出了经验模态分解（EMD）与关联维相结合的方法,利用EMD对地震波进行分解,对分解后的每一个平稳的固有模函数（Intrinsic ModeFunction,IMF）分量进行关联维计算,将计算结果与有效的IMF分量进行储层预测。利用该方法对xx区三叠系中油组进行了试算,取得了较好的效果。     

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.