共查询到17条相似文献，搜索用时 192 毫秒
1.
多级中值滤波器在地震数据处理应用中，其滤波长度越大，消噪效果越好，但同时也会破坏有效信息. 如果为了保护有效信息而减少滤波长度，又会造成大量的噪声不能消除. 本文提出一种新的模糊嵌套多级中值滤波器，设计一个阀值作为判断参数，使滤波器能够在消除随机噪声时采用长滤波器滤波，而在保留有效信息时采用短滤波器滤波，从而既能很好地消除随机噪声，又能最大限度地保护有效信息，保留有效信息的细节结构. 经过模型分析和实际资料处理都取得了很好的效果. 相似文献
2.
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. 相似文献
3.
4.
多分量地震记录P/S波分离是多波地震数据处理的关键技术环节.常规方法大多依据两种波模式视速度或偏振特征的差异，基于信号分析或偏振投影实现模式解耦.在许多实际的地震-地质条件下，这些基于信号特征假设或表层参数模型的P/S波分离方法往往不太有效.为此，本文将各向同性介质条件下的地面多分量地震数据P/S波分离视为非线性的逐点预测问题，借助深度神经网络强大的特征提取能力进行求解.以国际标准模型为基础，提出了创建弹性参数样本库和P/S波分离标签数据集的有效方法.实验表明，丰富的训练样本保证了深度神经网络的泛化性能，在测试数据体上取得了明显优于经典的偏振投影分离方法的处理效果，而且摆脱了对表层介质参数的依赖性，为多分量地震数据反射PP波和PS波成像提供了有效的技术支撑. 相似文献
5.
考虑到传统Hilbert变换所隐含的无限长序列假设的实际局限性, 本文将多窗分析法引入到短时序列Hilbert变换中, 通过构建复协方差矩阵和对该矩阵的特征值与特征向量的求解, 获得三分量地震记录的时变偏振参数;基于不同波型的偏振特性与实测偏振参数, 采用线性_余弦权重函数或高斯权重函数自适应空间滤波, 识别与分离具有特定偏振特性的不同地震响应. 针对天然地震三分量记录的处理结果表明, 该方法在识别、分离具有特定偏振特性的不同地震响应方面具有一定的潜力. 相似文献
6.
提出一种自适应协方差的时频域极化滤波方法。该方法在广义S变换时频方法的基础上,构造时频域自适应协方差矩阵,通过特征分析计算时频域瞬时极化参数,设计极化滤波器,实现多分量地震极化分析和滤波。其优势在于协方差矩阵的分析时窗的长度由多分量地震数据的瞬时频率确定,可以自适应于有效信号的周期,在每个时频点计算极化参数不需要进行插值处理;结合时间频率信息,解决在时间域或频率域波形或频率重叠的信号具有明显的直观性。模型数据及实际三分量台站地震数据处理结果表明,该极化滤波方法在台站地震资料分析和处理方面具有很好的直观性和较高的分辨率。 相似文献
7.
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
8.
9.
10.
《地球物理学进展》2016,(3)
AVO截距和梯度及其交会图是岩性变化识别和油气异常检测的有效手段.但从纵波地震资料中提取的梯度值精确度不高,这是由于梯度属性中含有横波速度和密度成份.为此,本文提出联合使用纵波和转换横波来提取截距和梯度属性方法.首先,本文基于Aki-Richards建立的转换横波反射系数近似式,将上下层纵波速度、横波速度、密度参数进行等量代换推导出以AVO截距和梯度为参数的转换横波反射系数近似式.然后,基于多波多分量地震资料实现了纵波和转换横波联合提取AVO截距和梯度属性参数.层状模型测试表明联合使用纵波和转换横波比仅用纵波提取的AVO梯度参数精度高,并且对背景噪声有一定的压制而获得更稳定的梯度属性结果.多分量实际资料提取的截距属性可指示目标层的流体信息,而通过截距和梯度差属性显示目标层的流体呈局部富集,更符合测试工区的流体分布状况. 相似文献
11.
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. 相似文献
12.
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. 相似文献
13.
介绍了自适应对消技术的基本原理,分析了自适应对消技术的优缺点,针对一些缺点提出了相应的改进方法。由于常规自适应对消技术是通过迭代技术实现的,需要迭代一定次数后才能确定最佳参数,所以在信号起始位置和有效信号尾部收敛效果不好,从而影响滤波效果。引入hausdorff维数来约束地震信号,首先求取原始地震信号的hausdorff维数谱,利用有效信号与随机噪音维数的不同,将有效信号以外的随机噪音滤除,并将自适应对消中的参考噪声对应位置的随机噪音去除;然后将更新后的地震信号和参考噪声进行自适应滤波,从而得到一个优化的自适应对消滤波器。 相似文献
14.
自适应非局部均值地震随机噪声压制(英文) 总被引：2，自引：1，他引：1
非局部均值滤波是一种基于图像信息冗余的去噪方法,其认为图像自身的有效结构具有一定的重复性,而随机噪声则不具备这一特点,通过利用图像本身的自相似性来达到压制随机噪声的目的,是一种全局的去噪方法。本文把这一思想引入地震数据随机噪声压制中,针对传统非局部均值滤波计算量过大的问题,文章采用分块非局部均值的方式来减少计算量;针对滤波参数选取会影响非局部均值滤波效果的问题,提出一种简单的自适应滤波参数地震数据分块非局部均值算法。模型和实际数据处理结果表明:相对于传统的去噪算法(如f-x反褶积),该方法在压制随机噪声的同时对有效信号保护地更好,具有更高的保真度,更有利于后续的处理和解释工作。 相似文献
15.
随机噪声的压制在提高地震资料信噪比方面发挥重要作用.考虑到传统去噪方法在构造复杂地区难以取得理想的去噪结果,本文提出基于Hessian矩阵特征值对应的线性目标关系在多个尺度上对随机噪声进行压制.该方法将地震信号看作不同尺度的曲线,从而利用Hessian矩阵在曲线检测方面表现出的良好性能实现信噪分离.该方法与传统方法相比不受地层倾角的限制,因此能够处理构造较为复杂地区的地震数据.利用模型及实际资料对该方法进行了验证并与传统方法F-X反褶积的去噪结果做对比,结果表明基于Hessian矩阵的随机噪声压制方法在构造复杂地区能够保持有效信号的完整性. 相似文献
16.
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. 相似文献
17.
Jalal Ferahtia Kamel Baddari Nouredine Djarfour Abdel Kader Kassouri 《Pure and Applied Geophysics》2010,167(11):1389-1404
Seismic noise is a fundamental part of seismic data which cannot be avoided when conducting any seismic survey. It consists
of coherent and random noise. Noise removal or filtering is one of the major concerns in the field of seismic processing.
In this paper, we introduce an image filtering technique based on a detection-estimation algorithm for Gaussian and random
noise removal in seismic data, namely the trilateral filter, based on a statistic called rank-ordered absolute differences.
The non-linear and adaptive behaviour of this filter makes it very robust in the presence of random and coherent noise, in
addition to its computational simplicity and its ability to automatically identify noise in data. We have modified the strategy
of trilateral filtering by adapting the rank-ordered absolute differences formula in order to extract the signal component.
We have successfully used this filter for the removal of surface waves and random spiky noise from synthetic and field data.
Results are very encouraging and show the superiority of this filter compared with other filters, particularly when used recursively. 相似文献