共查询到19条相似文献，搜索用时 156 毫秒
1.
第二代小波变换及其在地震信号去噪中的应用 总被引：12，自引：0，他引：12
本文讨论了第二代小波变换的基本原理和变换过程，并将第二代小波变换引入到地震资料去噪处理中，基于提升法的小波变换是一种柔性的小波构造方法，它使用线性、非线性或空间变化的预测和更新算子，并能确保变换的可逆性。通过对模拟数据和实际资料的处理，证明了的它对地震信号去噪具有很好的效果。离散信号的小波去噪可分为三步：小波分解，系数缩减（切除噪声部分），信号重建。目前常用的小波去噪的方法有硬阈值法和软阈值法，这里采用软阈值法去噪。本文的提升变换采用的是Deslauriers-Dubuc（4，2）小波，基于以上变换方法，分别对含噪的模拟数据及实际地震数据进行3级可逆提升变换，对每一级上的细节信号按上述的软域值法进行处理，削减小波系数中的噪声部分，从而实现了信号去噪，结果证明去除随机噪声的效果是令人满意的。 相似文献
2.
《地球物理学进展》2015,(6)
作为经验模态分解(EMD)的改进型算法,完备总体经验模态分解(CEEMD)不但有效解决了EMD的模态混叠问题,同时也保留了EMD处理非平稳信号的优势,如自适应性、二进滤波特性等.CEEMD能自适应地将一个复杂信号分解为一系列本征模态函数(IMF)分量,且IMF分量满足从高频到低频系列分布,随机噪声往往分布在第一个或前几个高频IMF分量.考虑到地震信号的非平稳性和去噪方法对非平稳信号的适应性,针对CEEMD直接舍弃高频IMF分量去噪容易造成高频有效信息损失以及小波阈值去噪方法存在的不足,本文提出了一种基于CEEMD的小波阈值去噪方法.该方法首先引入自相关曲线判别出含噪较多的高频IMF分量,然后对CEEMD直接去噪要舍弃的这些含噪高频分量进行小波阈值降噪,以保留这些分量中的高频有效信息,最后与不含噪声的其他IMF分量一起重构原信号.模型和实际地震数据试算结果表明,该方法在显著提高地震数据信噪比的同时,能有效地保留原信号中的高频有效成分和弱信号信息,是一种相对保幅的有效去噪方法. 相似文献
3.
《地球物理学进展》2015,(6)
针对常用大地电磁(magnetotelluric,MT)信号小波阈值去噪中阈值函数和阈值选取的不足,选取一种新的阈值函数,并提出了基于小波变换多分辨Stein无偏风险估计,自适应的获得最优阈值的方法;给出了新函数和自适应阈值的确定方法;在与小波硬、软阈值去噪、小波模极大值法去噪结果对比的基础上,用仿真实验验证了方法的可行性;最后用内蒙某地实测的大地电磁数据进行了去噪效果的对比研究.结果表明:本文选取的新函数和自适应阈值的确定方法是正确、有效的,克服了常用小波硬、软阈值去噪的缺点;去噪后大地电磁信号变得平稳,估算的响应参数方差减小,曲线更为圆滑、连续,为后续的地质解释和评价提供了更为准确的信息. 相似文献
4.
探地雷达勘探工程目标及观测工程环境越加复杂给其精确的数据处理带来极大挑战,高效的探地雷达数据去噪算法是当前关注的重要研究领域.基于阈值去噪思想,小波变换和曲波变换去噪算法在探地雷达数据去噪应用中受到限制,有必要开展上述两种去噪算法适用性和实用性系统评价及改进.基于传统高阶相关统计阈值和块状复数域阈值函数,本文开展了小波变换及曲波变换去噪算法在合成含噪数据去噪效果对比分析;提出窗口高阶相关统计阈值小波变换去噪算法、探讨了块状复数域阈值函数取值变化对曲波变换去噪效果影响规律.通过对实测数据去噪分析,验证了窗口高阶相关统计阈值小波变换和估计块状复数域阈值函数曲波变换去噪算法的可行性及有效性. 相似文献
5.
中深层地质条件复杂,地震资料品质差,主要表现为:地震资料信噪比低、有效信号弱.如何在去噪的同时有效保留弱有效信号,获取高信噪比的地震数据成为地震数据处理的关键问题.传统小波阈值与互补集合经验模态分解(CEEMD)联合去噪方法相比单一方法可以获取更高品质的地震数据.基于压缩感知理论的去噪方法利用地震数据在变换域中的稀疏特性,通过设定稀疏基矩阵和测量矩阵,可以将地震数据去噪问题转化成求解最优化问题,通过最优解重构原始信号,实现对地震资料的去噪处理.该方法能够在有效衰减随机噪声的同时最大限度的保留有效信号.本文基于压缩感知理论开展小波阈值去噪方法研究,并在此基础上结合CEEMD方法对含噪较多的固有模态分量进行有针对性的随机噪声压制.通过对含噪数据开展不同方法的去噪结果对比可见,本文方法可以在保证高信噪比的基础上更为有效的保留弱有效信号,数值试算验证了该方法对弱有效信号地震数据去噪具有显著优势. 相似文献
6.
7.
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. 相似文献
8.
9.
应用基于EMD的小波阈值去噪方法,去除地电场观测资料中轨道交通干扰,并将小波阈值去噪法和EMD去噪法的效果相比较,结果表明:该方法能够滤除地电场信号中的地铁干扰,同时保留原始信号中微小的突变,突出有用信息,提高地电场台站观测数据的使用率,有较好的去噪效果。基于EMD的小波阈值去噪方法可推广到其他地球物理观测资料的去噪分析,甚至地电场与地电阻率同场地观测中人工供电干扰信号的剔除。 相似文献
10.
基于小波变换与小波包变换的降噪方法比较 总被引：1，自引：0，他引：1
在模拟地震记录信号中加入信噪比为17的高斯白噪声,然后分别采用小波降噪和小波包降噪方法,对含噪信号进行降噪处理。在不同降噪阈值下,比较降噪后信号的信噪比。结果表明:在同一降噪阈值下,小波包降噪后信号的信噪比高于小波降噪后信号的信噪比,而且采用wbmpen方法给定的阈值明显可以提高降噪后信号的信噪比。 相似文献
11.
井下微震监测获得的地震记录往往包含大量的噪声,记录信噪比很低.有效地震信号的识别与提取是进行后续地震定位等工作之前需要优先解决的问题.经过研究发现,井下水压裂微地震信号具有稀疏分布的特征,而井下环境噪声则具有更多的Gaussian分布特征.为此,本文提出将图像处理领域适宜于稀疏分布信号降噪处理的稀疏码收缩方法应用于井下微震监测数据处理.为解决需要利用与待处理数据中有效信号成分具有相似分布特征的无噪信号序列估算正交基以及计算效率等问题,将原方法与小波变换理论相结合.即通过优选小波基函数作为正交基进行小波变换将信号分解为不同级的小波系数,利用稀疏码收缩方法中对稀疏编码施加的非线性收缩方式作为阈值准则对小波系数进行改造.通过多方面的数值实验证明了该方法在处理地震子波及井下微地震信号方面准确可靠.含噪记录经过处理后有效地震信号的到时、波形、时频谱特征等均能得到良好的识别和恢复.并且该方法具有很强的抗噪能力,当信噪比低至-20~-30db时,仍然能够发挥作用.在处理大量实际井下微震监测数据的过程中,面对多种复杂情况,本方法展现出了计算效率高、计算结果可靠、应用简单等优势,证明了其本身具有实际应用价值,值得进一步的研究和推广. 相似文献
12.
地面微地震监测采集到的微地震信号通常能量微弱,信噪比低,如何提高微震数据的信噪比是数据处理的难题.Shearlet变换是一种新型的多尺度几何分析方法,具有敏感的方向性和较强的稀疏表示特性,能起到很好的随机噪声压制效果.由于地面微震数据的有效信号大多被淹没在噪声中,基于传统阈值的Shearlet变换（the traditional threshold-based Shearlet transform TST）只考虑到尺度或方向的阈值,在去噪过程中会过度扼制有效信号系数,造成有效信号能量损失.因而,本文建立Context模型,得到基于Context模型的Shearlet变换（the Context-model-based Shearlet transform CMST）方法,改进传统Shearlet阈值方法的不足.我们通过所建立的Context模型将能量相近的各方向系数划分为同一组,并分组估计阈值,分别处理各部分系数,达到微弱同相轴有效恢复的目的.通过TST及CMST的模拟实验与实际地面微震记录处理结果对比可知,本文方法在低信噪比条件下比对比方法更加有效地恢复地面微震数据的微弱信号,随机噪声压制效果明显,在-10 dB条件下,提升信噪比18.3741 dB. 相似文献
13.
实际工程应用中,通过物理手段采集到的信号都带有噪声信息,这样就会淹没很多有用信号,传统的“带通、低通、高通”滤波技术往往显得无能为力,因此提取有用的特征信息就需要对原始信号进行去噪。常用的小波阈值去噪（硬、软阈值函数）方法,含有诸多缺点,本文在其基础上重新构造了一个新的阈值函数。在MTALAB（2014a）环境下,用传统的硬、软阈值函数及重构阈值函数对混入高斯白噪声信号进行去噪仿真分析,结果表明,重构的阈值函数处理的信号效果更好,更清晰。 相似文献
14.
Weak Seismic Signal Extraction Based on the Curvelet Transform 总被引：1，自引：1，他引：0
Seismic signal denoising is a key step in seismic data processing. Airgun signals are easy to be interfered with by noise when it travels a long distance due to the weak energy of active source signal of the airgun. Aiming to solve this problem, and considering that the conventional Curvelet transform threshold processing method does not use the seismic spectrum information, we independently process the Curvelet scale layer corresponding to valid data based on the characteristics of the Curvelet transform of multi-scale, multi-direction and capable of expressing the sparse seismic signals in order to fully excavate the information features. Combined with the Curvelet adaptive threshold denoising the algorithm, we apply the Curvelet transform to denoising seismic signals while retaining the weak information in the signal as much as possible. The simulation experiments show that the improved threshold denoising method based on Curvelet transform is superior to the frequency domain filtering, wavelet denoising and traditional Curvelet denoising method in detailed information extraction and signal denoising of low SNR signals. The calculation accuracy of the relative wave velocity variation of underground medium is improved. 相似文献
15.
地震勘探资料噪声压制及信噪比提高是整个地震勘探信号处理过程中的重要任务,随着地震勘探深度的增加及其复杂性,人们对地震数据质量的要求越来越高.勘探环境的复杂化使得采集到的地震资料中有效信号被大量噪声淹没,无法清晰辨识,严重影响后续的数据处理与解释.小波去噪是地震勘探中常用且发展较成熟的一种方法,但是其涉及到的阈值函数选取问题一直令人困扰,虽然已有多种阈值函数被提出,但仍存在各自的缺陷.本文利用小波分解在时域及频域良好的信号细节体现特性,引入模式识别中的非负矩阵分解(NMF)谱分离思想,针对小波系数阈值优化问题,提出了一种小波域图非负矩阵分解(GNMF)消噪算法.该方法首先在小波分解基础上,利用GNMF算法实现小波分解系数谱中信号分量与噪声分量的谱分离,然后通过反变换重构各分离子谱对应的子信号,最后利用K均值聚类算法将得到的多个子信号划分为信号类及噪声类,最终得到重构信号及分离噪声.合成记录和实际地震资料的消噪结果验证了新方法在提高信号与噪声分离准确性和精度方面的有效性,同时新方法避免了阈值选取造成的噪声压制不理想或有效成分损失问题.与小波消噪结果的对比及数值分析也说明了新方法在噪声压制及有效成分保持方面的优势. 相似文献
16.
小波模极大值去噪算法中将高频小波系数全部当做噪声处理, 忽略了高频小波系数中仍含有的有用信息, 从而导致了模极大值传播点错选现象以及计算出的噪声方差中仍含有用信息． 针对这些问题, 提出了小波熵与相关性相结合的小波模极大值去噪算法． 将高频小波系数进行相关处理, 确定有效信号的位置; 将最大尺度上的高频小波系数划分成若干个小区间, 计算各区间小波熵; 以小波熵最大区间的高频小波系数的平均值作为噪声方差, 根据Donoho提出的阈值公式计算最大尺度上的阈值; 经阈值比较得到的模极大值点位置与相关处理得到的有用信息的位置进行比较, 保留相同位置的模极大值, 剔除位置不同由噪声引起的模极大值点; 采用即兴(Adhoc)算法逐级搜索各尺度上的模极大值, 并用交替投影算法进行重构． 该算法实现了阈值的自适应选取, 并有效解决了去除错选模极大值传播点的问题． 将本算法和传统去噪方法用于仿真信号处理中, 经对比分析验证了本算法的有效性． 相似文献
17.
Most of the microseismic signals have low signal-to-noise ratio (SNR) due to the strong background noise, which makes it difficult to locate the first arrival time. Both accuracy and stability of conventional methods are poor in this situation. To overcome this problem, here we proposed a new method based on the adaptive Morlet wavelet and principal component analysis process in wavelet coefficients matrix. The three components of microseismic signal make it possible to extract the features in wavelet coefficients domain. Then the reconstructed signal from weighted features presents an obvious first arrival. Tests on synthetic signals and real data provide a solid evidence for its feasibility in low SNR microseismic signal. 相似文献
18.
小波阈值方法中硬、软阈值方法是地震信号降噪常用方法,但容易造成信号中高频信息丢失导致地震误判和漏判情况发生。小波综合阈值方法继承和发展了硬、软阈值降噪方法的优点,对信号高频部分用硬阈值方法,以提高高频信号能量,对信号低频部分用软阈值方法,提高信号降噪能力的同时保证信号连续性和光滑性。利用噪声信号小波系数小和地震信号小波系数大的特征,进行雷克子波降噪仿真实验和实际地震信号降噪实验。仿真实验表明,小波综合阈值方法降噪后波形MSE值最小,且降噪后与原信号波形最近似,降噪后波形高频部分能量增强且抑制低频部分能量。最后,对实际采集的地震信号进行降噪处理,处理后信号中能量增强被压制,利用处理后的信号可得到地震的初至时间。 相似文献
19.
An application of waveform denoising for microseismic data using polarization–linearity and time–frequency thresholding 
下载免费PDF全文
下载免费PDF全文 Jubran Akram 《Geophysical Prospecting》2018,66(5):872-893
Noise suppression or signal‐to‐noise ratio enhancement is often desired for better processing results from a microseismic dataset. In this paper, a polarization–linearity and time–frequency‐thresholding‐based approach is used for denoising waveforms. A polarization–linearity filter is initially applied to preserve the signal intervals and suppress the noise amplitudes. This is followed by time–frequency thresholding for further signal‐to‐noise ratio enhancement in the S transform domain. The parameterisation for both polarization filter and time–frequency thresholding is also discussed. Finally, real microseismic data examples are shown to demonstrate the improvements in processing results when denoised waveforms are considered in the workflow. The results indicate that current denoising approach effectively suppresses the background noise and preserves the vector fidelity of signal waveform. Consequently, the quality of event detection, arrival‐time picking, and hypocenter location improves. 相似文献