共查询到19条相似文献，搜索用时 93 毫秒
1.
《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
2.
《应用地球物理》2017,(4)
全张量重力梯度(FTG)数据包含大量场源体的细节信息,其滤波处理对异常的反演和解释结果有重要影响,本文提出一种基于平移不变量小波的自适应混合阈值滤波方法,可有效压制随机噪声并保留数据细节信息。建立了新的混合阈值法,根据信号和随机噪声所对应小波系数的能量分布进行滤波。平移不变量小波能有效压制伪吉布斯现象,混合阈值方法相对传统阈值能得到更好的信噪小波系数的分离,同时,根据每个分解尺度上小波系数的统计特性,使用自适应贝叶斯阈值进行小波系数的处理。此外,应用二维离散小波变换直接处理网格数据,可以提高计算效率。模型数据和实测数据处理的结果表明,相对高斯滤波器,本文所提出的方法不仅能有效去除高斯白噪声,还能更好地保留FTG数据的高频细节信息,具有良好的实际应用前景。 相似文献
3.
F-X域经验模态分解去噪方法在处理非稳态地震数据时存在两个局限,一是单纯剔除第一个固有模态分量将导致有效信号缺失及去噪能力偏弱问题,二是分解复信号时对实部和虚部分别分解存在分解数目不一致的风险。本文对上述两个方面进行了改进,提出了一种新的F-X域投影法复数经验模态分解预测滤波方法,首先采用基于空间投影的复数经验模态分解将F-X域地震数据直接分解为不同的复固有模态分量,然后再对这些分量分别进行F-X域预测滤波。合成记录及实际资料测试表明,本文的新方法能更好地衰减随机噪声,更有效地保持地震信号。 相似文献
4.
5.
地震信号是典型的非平稳随机信号,容易受到场地条件和周边环境的影响,产生噪声干扰。采用自适应噪声完备集合经验模态分解（CEEMDAN）方法,对地震数据进行分析预处理,将地震信号分解成一系列具有不同特征时间尺度的固有模态函数（IMF）;对各IMF分量进行自相关计算,筛选含噪IMF分量,使用软阈值小波包方法进行去噪处理,与无噪分量进行重构,从而降低噪声干扰,提高数据质量。 相似文献
6.
完备总体经验模态分解(CEEMD)克服了经验模态分解(EMD)的模态混叠问题,依据信号自身的特点,将待分析的复杂信号分解为一系列不同尺度的固有模态函数(IMF)的子信号,且各IMF分量的频率由高到低依次排列,是一种适用于分析处理非线性非平稳信号的强大的信号分析技术.地震资料中的随机噪声一般属于高频率的信号,在CEEMD中往往分布在前几个高频IMF分量,本文针对基于CEEMD的分频去噪和基于CEEMD的小波阈值去噪等方法的不足,在前人基于EMD阈值去噪的基础上设计了自相关函数统计特性与CEEMD全局阈值联合去噪方法.该方法先对CEEMD分解的若干个模态分量进行自相关,寻找到噪声主导模态和信号主导模态,然后利用设计的全局阈值对噪声主导模态进行去噪,最后将处理后和未处理的固有模态函数进行重构,得到最终的去噪结果.模型试算和实际地震资料处理都验证了此方法在提高信噪比,保留原信号高频有效成分和弱信号信息上的有效性. 相似文献
7.
受背景噪声、仪器倾斜以及外部环境因素产生的低频信号和直流分量影响,由原始地震动信号得到的位移信号会产生波形偏移(基线漂移)现象.目前,常用的地震动去噪方法有滤波法、多项式拟合法、经验模态分解(简称EMD)去噪法、小波去噪法等,但上述方法均有局限性.在探索地震动信号基线修正和去噪过程中,以改进的集合经验模态分解(简称ME... 相似文献
8.
基于小波变换的低剂量CT投影数据滤波方法研究 总被引：1，自引：0，他引：1
本文根据低剂量CT投影数据的噪声特性,提出了一种基于小波变换的低剂量CT投影数据三维块匹配(BM3D)滤波方法.新方法首先对经过Anscombe变换的低剂量CT投影数据进行小波分解,然后分别对分解后尺度系数和小波系数进行BM3D滤波,接着对滤波后的系数进行逆小波变换和Anscombe逆变换,最后对处理后的投影数据采用经... 相似文献
9.
10.
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. 相似文献
11.
选取磁通门磁力仪数据,利用经验模态分解法提取地磁脉动,并与传统小波分解法提取的地磁脉动方法作对比,分析子午链区域几个地磁台站提取的地磁脉动的纬度效应和经度效应。结果表明,经验模态分解法提取的地磁脉动形态清晰,易于辨识,与小波法相比,不用选择基函数,更适合于分析非稳态信号。 相似文献
12.
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
13.
14.
地震资料去噪，无论是叠前还是叠后，都是处理中非常重要的内容.随着勘探技术的进步，地球物理界积累和开发的去噪软件已越来越多.对各种去噪方法进行分门别类，阐述其基本原理、物理意义、适用条件、发展前景，既有理论价值又有实际指导意义.本文从噪声的特征出发，首先对地震资料噪声进行了分类；然后综合评述了目前实际生产中常用的几种去噪方法，包括频率域滤波、频率波数域滤波、频率空间域滤波、Radon变换、聚束滤波、基于小波分解和重建的去噪方法等；最后还简述了去噪技术的应用及发展情况. 相似文献
15.
地震资料去噪,无论是叠前还是叠后,都是处理中非常重要的内容.随着勘探技术的进步,地球物理界积累和开发的去噪软件已越来越多.对各种去噪方法进行分门别类,阐述其基本原理、物理意义、适用条件、发展前景,既有理论价值又有实际指导意义.本文从噪声的特征出发,首先对地震资料噪声进行了分类;然后综合评述了目前实际生产中常用的几种去噪方法,包括频率域滤波、频率波数域滤波、频率空间域滤波、Radon变换、聚束滤波、基于小波分解和重建的去噪方法等;最后还简述了去噪技术的应用及发展情况. 相似文献
16.
Surface nuclear magnetic resonance signals recovery by integration of a non‐linear decomposition method with statistical analysis 
下载免费PDF全文
下载免费PDF全文 Presence of noise in the acquisition of surface nuclear magnetic resonance data is inevitable. There are various types of noise, including Gaussian noise, spiky events, and harmonic noise that affect the signal quality of surface nuclear magnetic resonance measurements. In this paper, we describe an application of a two‐step noise suppression approach based on a non‐linear adaptive decomposition technique called complete ensemble empirical mode decomposition in conjunction with a statistical optimization process for enhancing the signal‐to‐noise ratio of the surface nuclear magnetic resonance signal. The filtering procedure starts with applying the complete ensemble empirical mode decomposition method to decompose the noisy surface nuclear magnetic resonance signal into a finite number of intrinsic mode functions. Afterwards, a threshold region based on de‐trended fluctuation analysis is defined to identify the noisy intrinsic mode functions, and then the no‐noise intrinsic mode functions are used to recover the partially de‐noised signal. In the second stage, we applied a statistical method based on the variance criterion to the signal obtained from the initial phase to mitigate the remaining noise. To demonstrate the functionality of the proposed strategy, the method was evaluated on an added‐noise synthetic surface nuclear magnetic resonance signal and on field data. The results show that the proposed procedure allows us to improve the signal‐to‐noise ratio significantly and, consequently, extract the signal parameters (i.e., and V0) from noisy surface nuclear magnetic resonance data efficiently. 相似文献
17.
18.
佘山地磁信号的小波消噪处理 总被引：3，自引：1，他引：2
上海地铁9号线开通后,佘山地震基准台地磁观测受到严重影响,本文运用小波分析的方法,对被地铁9号线干扰的余山地磁数据进行消噪处理,并将变换后得到的结果和没有地铁干扰的崇明地震台同一仪器观测的地磁数据进行时序变化和相关系数比较,消噪处理效果较明显。 相似文献
19.
B. BUTTKUS 《Geophysical Prospecting》1975,23(4):712-748
The application of homomorphic filtering in marine seismic reflection work is investigated with the aims to achieve the estimation of the basic wavelet, the wavelet deconvolution and the elimination of multiples. Each of these deconvolution problems can be subdivided into two parts: The first problem is the detection of those parts in the cepstrum which ought to be suppressed in processing. The second part includes the actual filtering process and the problem of minimizing the random noise which generally is enhanced during the homomorphic procedure. The application of homomorphic filters to synthetic seismograms and air-gun measurements shows the possibilities for the practical application of the method as well as the critical parameters which determine the quality of the results. These parameters are:
- a) the signal-to-noise ratio (SNR) of the input data
- b) the window width and the cepstrum components for the separation of the individual parts
- c) the time invariance of the signal in the trace.