共查询到20条相似文献，搜索用时 219 毫秒
1.
Bin Liu Chao Fu Yuxiao Ren Qingsong Zhang Xinji Xu Yangkang Chen 《Geophysical Prospecting》2020,68(5):1509-1522
Random noise attenuation utilizing predictive filtering achieves great performance in denoising seismic data. Conventional predictive filtering methods are based on fixed filter operators and neglect the complexity of structures. In this way, the denoised data cannot meet the requirement of balancing the signal preservation and noise removal. In this study, we proposed a structural complexity-guided predictive filtering method that utilizes an adapted filter operator to adjust the changes of structural complexity. The proposed structural complexity-guided predictive filtering mainly consists of two stages. A slope field information is acquired according to plane-wave destruction to assess the structural complexity. In addition, an adaptive filter operator is obtained to denoise the seismic data according to the adaptive factor. Both synthetic data and real seismic profiles are employed to examine the denoising capacity and flexibility of the refined predictive filtering using adaptive lengths. The analysis of the predicted results shows that adaptive predictive filtering is powerful and has the ability to eliminate random noises with negligible distortions. 相似文献
2.
以地震勘探记录去噪为目标,本文提出了一种隐马尔可夫模型平滑估计方法.它是在基本隐马尔可夫模型滤波基础之上,运用信号检测环节将带噪信号段和无信号段加以区分,构建带噪地震记录的状态转移模型,在贝叶斯框架下,利用平滑密度函数进行状态估计,从而达到压制噪声的目的.数值模拟表明,无论对信噪比还是均方误差,隐马尔可夫模型平滑估计处理后的重构信号优于常规的维纳滤波所恢复信号.我们可以期待这种方法会成为实际地震记录噪声压制的有效手段. 相似文献
3.
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
4.
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. 相似文献
5.
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. 相似文献
6.
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
7.
8.
在地震勘探领域,随机噪声一直是影响地震信号信噪比的主要因素之一,如何从被干扰的地震信号中有效去除随机噪声并保护有用信号具有重要的意义.针对经典小波变换在计算效率方面的缺陷,本文推荐应用提升算法实现第二代小波变换的构建,分析和对比了提升算法(Lifting Scheme)下不同小波变换方法的特性,选取更加符合小波域去噪原理的CDF 9/7双正交小波变换作为基本算法,同时应用了简单、有效的百分位数(Percentiles)软阈值进行信噪分离.通过理论模型处理,本方法可以在去噪能力和保护有用信号之间找到很好的平衡点.实际剖面的处理效果表明,此方法不仅能有效的滤除随机噪声,而且很好地保护有用信号,提高地震数据分析的精确性. 相似文献
9.
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
10.
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
11.
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
12.
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. 相似文献
13.
14.
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
15.
利用紫坪铺水库2004～2007年记录的实际地震数据,通过比较多种滤波方法,发展出一种既能有效滤除地震数据中本底噪音、又对有效信号损伤较小的比值滤波方法。对去噪后的水库诱发地震和构造地震数据,利用小波变换方法,分别进行时频分析获得两类地震的时频谱,并提取可以反映地震发生前后能量分布和聚集情况的时频属性,最后根据各个属性的响应效果,组合得到新的属性。将时频谱与时频属性相结合,总结归纳紫坪铺水库诱发地震与构造地震波谱时频特征的差异性,为地震监测分析提供基础依据。 相似文献
16.
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
17.
Denoising of full-tensor gravity-gradiometer data involves detailed information from field sources, especially the data mixed with high-frequency random noise. We present a denoising method based on the translation-invariant wavelet with mixed thresholding and adaptive threshold to remove the random noise and retain the data details. The novel mixed thresholding approach is devised to filter the random noise based on the energy distribution of the wavelet coefficients corresponding to the signal and random noise. The translationinvariant wavelet suppresses pseudo-Gibbs phenomena, and the mixed thresholding better separates the wavelet coefficients than traditional thresholding. Adaptive Bayesian threshold is used to process the wavelet coefficients according to the specific characteristics of the wavelet coefficients at each decomposition scale. A two-dimensional discrete wavelet transform is used to denoise gridded data for better computational efficiency. The results of denoising model and real data suggest that compared with Gaussian regional filter, the proposed method suppresses the white Gaussian noise and preserves the high-frequency information in gravity-gradiometer data. Satisfactory denoising is achieved with the translation-invariant wavelet. 相似文献
18.
基于ARMA模型非因果空间预测滤波(英文) 总被引：3，自引：1，他引：2
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。 相似文献
19.
有效地压制地震信号中的噪声是地震信号解释和后续处理的重要环节之一.本文建立两种双树复小波域双变量模型对地震信号中的随机噪声进行压制.地震信号经双树复小波变换后,同一方向实部与虚部系数、实部(或虚部)系数与对应的模之间存在较强的相关性.鉴于此,对同一方向实部与虚部小波系数建立双变量模型,从含噪地震信号小波系数中估计原始信号的小波系数,再基于双树复小波逆变换重构得到降噪后的地震信号.进一步对同一方向实部(或虚部)系数与对应的模建立双变量模型,得到地震信号随机噪声压制的第二种双树复小波域双变量方法.最后对合成地震记录和实际地震资料中的随机噪声进行压制的实验结果证实本文两种方法都能够有效地压制地震信号中的随机噪声. 相似文献
20.
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. 相似文献