共查询到20条相似文献，搜索用时 125 毫秒
1.
地震信号中的随机噪声是一种干扰波，严重降低了地震信号的信噪比，并影响着资料的后续处理和分析.本文根据地震信号中有效信号和随机噪声的差异，结合分数阶B样条小波变换与高斯尺度混合模型提出了一种地震信号随机噪声压制方法.首先利用分数阶B样条小波变换将含噪地震信号映射到最优分数阶小波时频域内，然后对各小波子带系数分别建立高斯尺度混合模型，由贝叶斯方法估计出源地震信号小波系数，最后使用分数阶B样条小波逆变换重构得到降噪后的地震信号.利用本文方法对合成地震记录和实际地震信号进行降噪处理，实验结果表明本文方法能够有效地压制地震信号中的随机噪声，并且较好地保留了有效信号. 相似文献
2.
常规频率域SVD滤波法在随机噪声压制处理时,容易造成弯曲同相轴损伤。针对这一问题,本文提出一种基于分数阶傅里叶变换的混合Cadzow滤波法压制三维地震数据中随机噪声的方法。首先应用分数阶傅里叶变换,将地震数据变换到时频面,再依据Eigenimage滤波法与Cadzow滤波法建立混合的高维Hankel矩阵,然后对其运行奇异值分解,最后通过秩约化的方法来压制随机噪声。此方法用于四川某地区的地震数据处理,结果表明该方法可有效地去除随机噪声,保护有效信号,提高叠后地震数据的信噪比。 相似文献
3.
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
4.
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
5.
本文提出了一种新的基于正交多项式变换来压制动校正后CMP道集上随机噪声的方法,将地震资料经过正交多项式变换,建立正交多项式系数谱,该谱描述了地震资料在正交多项式域的能量分布,可以较好地分离有效波和随机噪声,相对于固定阶次的基于正交多项式变换压制噪声的方法,所提出的方法根据能量随阶次变化的规律,自适应确定表达有效信号的正交多项式阶次,既提高了信号和噪声的分离效果,又有效地保护了地震信号中的AVO信息,对人工合成数据和实际资料的处理结果表明了所提出方法的有效性. 相似文献
6.
7.
随着山地和丘陵地震勘探环境的复杂化，传统的消噪方法已经难以有效地压制地震记录中的随机噪声.Shearlet变换是一种新的多尺度多方向的时频分析方法，具有良好的稀疏表示特性，并且在每个尺度进行方向分解，非常适合用于地震信号随机噪声的压制.但是传统的Shearlet变换去噪方法采用的是硬阈值，在抑制随机噪声的同时也消除了很多有效信号，使得去噪之后的地震资料出现虚假的同相轴，为了解决这一问题我们提出高阶加权阈值函数.高阶加权阈值函数不但整体上连续性较好，而且克服了硬阈值函数存在剧烈的变化的缺点以及软阈值在处理较大Shearlet系数总存在恒定偏差的问题，同时保留了传统的软硬阈值函数的优点.实验结果表明这种基于高阶加权阈值函数的Shearlet变换去噪的方法，可以有效的消除模拟地震信号和实际丘陵地带地震信号中的随机噪声，同时很好的保留有效信号的幅度. 相似文献
8.
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
9.
10.
水平叠加虽然在很大程度上压制了噪声,提高了地震剖面的信噪比,但CMP遭集上还存在不少不是一次波的规则干扰和随机噪声,不利于叠前资料的岩性反演和叠后资料的波阻抗反演.本文提出了基于改进的正交多项式变换压制地震资料中随机噪声的方法,其优势在于:通过对不同时间信号的奇异值分解,确定有效信号正交多项式系数谱的阶数;再利用小波变换,改善有效信号和噪声在低阶上的混叠.文中给出了具体处理的过程,数据试验和实际资料的处理结果表明该方法不仅能有效地压制噪声,而且还能较好地保护地震数据中AVO变化特征. 相似文献
11.
基于混合时频分析技术的地震数据噪声压制(英文) 总被引：2，自引：2，他引：0
针对复杂地质结构、陡倾角相干噪声、空间采样不均匀等情况下F-x域反褶积去噪技术的不足,提出首先应用具有时-频聚集性度量准则的广义S变换将时间-空间域的地震数据变换至时间-频率-空间域(t-f-x)的数据,在t-f-x域中对每一个频率切片应用经验模态分解(EMD),移除噪声占主导地位的本征模态函数以压制相干和随机噪声的滤波方法。模型分析表明第一本征模态函数表征的高频信息以噪声为主,移除第一本证模态函数可以达到压制噪声的目的。经广义S变换后形成t-f-x域中EMD滤波方法等效于具有依赖于空间位置、频率、高波数截断特征的自适应f-k滤波。此滤波方法考虑了数据的局部时-频特征,且具有执行简单的特点。与AR预测滤波方法比较,此法滤除的成分包含较少的低波数的信息,滤除的成分非常的局部化,且获得结果没有表现出过度平滑的特征。实际资料的应用表明在经广义S变换后形成t-f-x域中运用EMD滤波方法能够有效地压制随机和陡倾角相干噪声。 相似文献
12.
13.
本文将时频峰值滤波(TFPF)去噪技术应用于共炮点地震资料的随机噪声压制.时频峰值滤波技术是通过频率调制将信号调制成解析信号的瞬时频率,利用解析信号的Wigner-Ville分布的峰值进行瞬时频率估计,恢复有效信号,与其它去噪方法相比,TFPF具有在较少的约束条件下压制强随机噪声的优点.本文针对实际地震资料的非线性特性,利用加窗的Wigner-Ville分布实现TFPF,使得地震信号在一个窗长内近似满足线性瞬时频率条件,减小由地震信号非线性引起的偏差.本文对共炮点地震记录做时频峰值滤波处理,滤波结果表明在地震勘探资料中存在强随机噪声的情况下,利用局部线性化处理的时频峰值滤波技术可以有效地压制地震资料中的随机噪声,恢复出湮没在随机噪声中的地震反射信号.信噪比提高3～6 dB. 相似文献
14.
S变换是一种用于分析非平稳信号的时频变换方法, 可以很好地刻画地震信号的时频特性. 本文将S变换用于地震面波数据的噪声去除中, 首先介绍了S变换的理论基础, 然后设计了时频滤波和阈值滤波两种方法, 分别对天然地震面波数据和背景噪声数据进行去噪处理, 并与相位匹配滤波进行了比较． 结果表明, 面波数据经S变换去噪后, 群速度频散曲线的短周期部分得到改善, 能够连续追踪至6 s左右, 但长周期部分出现了缺失; S变换去噪的效果优于相位匹配滤波, 两者相结合会得到更加理想的结果． 相似文献
15.
基于广义S变换的大地电磁测深数据处理 总被引：9，自引：7，他引：2
S变换是一种优于短时傅里叶变换和小波变换的时频分析方法.采用广义S变换进行大地电磁场时间序列频谱分析,一方面能够提高对电磁噪声成分的时间定位能力,便于实现电磁噪声的滤波处理;另一方面可以增加频谱系数的个数,从而改善大地电磁阻抗张量元素的统计特性.本文从广义S变换和大地电磁测深数据处理方法的原理出发,给出了采用叠加窗函数的离散广义S变换形式,讨论了广义S变换窗口宽度比例因子、窗口宽度与可提取频谱系数个数之间的关系,定义了利用离散广义S变换时频谱计算大地电磁场分量功率谱公式;在此基础上,研究了基于S变换时谱频的大地电磁测深数据ROBUST处理方法.最后,通过实测资料进行方法检验,结果表明本文方法比短时傅里叶变换处理效果更好,并且有利于识别和压制电磁噪声. 相似文献
16.
17.
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
18.
19.
Oil and gas exploration gradually changes to the deep and complex areas. The quality of seismic data restricts the effective application of conventional time-frequency analysis technology, especially in the case of low signal-to-noise ratio. To address this problem, we propose a curvelet-based time-frequency analysis method, which is suitable for seismic data, and takes into account the lateral variation of seismic data. We first construct a kind of curvelet adapted to seismic data. By adjusting the rotation mode of the curvelet in the form of time skewing, the scale parameter can be directly related to the frequency of the seismic data. Therefore, the curvelet coefficients at different scales can reflect the time-frequency information of the seismic data. Then, the curvelet coefficients, which represent the dominant azimuthal pattern, are converted to the time-frequency domain. Since the curvelet transform is a kind of sparse representation for the signal, the screening process of the dominant coefficient masks most of the random noise, which enables the method to adapt for the low signal-to-noise ratio data. Results of synthetic and field data experiments using the proposed method demonstrate that it is a good approach to identify weak signals from strong noise in the time-frequency domain. 相似文献
20.
磁共振信号极其微弱，容易受到周围环境中各种电磁噪声干扰.其中随机噪声，由于频带宽、不规则、无规律、与有效信号混叠，难以抑制.近年来，采用数量级为104~105 Hz采样频率收录的全波磁共振信号，以其携带丰富全面的信息量，为数据处理及解释提供了更多的潜能.然而，只要随机噪声的幅度大于信号幅度，拟合得到的信号特征参数准确度就会降低.目前普遍采用的数据叠加方法仅能抑制部分随机噪声，且需要多次采集信号，探测效率低.本文针对全波磁共振信号采样点数多和信号非线性强的特点，提出采用分段时频峰值滤波（STFPF）法消噪，将全波磁共振信号分成若干段，编码为解析信号的瞬时频率，采用短窗长PWVD计算解析信号的时频分布，利用时频分布沿瞬时频率集中的特性，通过提取时频分布的峰值获得信号的无偏估计，达到抑制全波磁共振信号随机噪声的目的.为了验证消噪效果，与传统叠加法进行对比分析，仿真结果表明，对于单次采集信号，信噪比低至-5 dB时，STFPF方法依然能有效抑制信号中的随机噪声，消除随机噪声后信噪比提高23.19 dB，信号的初始振幅拟合误差为3.03%，平均横向弛豫时间拟合误差为2.7%，消噪效果优于传统叠加法，且由于无需多次采集磁共振信号，可有效提高探测效率.模型数据的反演解释进一步验证了STFPF方法的有效性，本文研究结果为实际数据处理奠定了良好的基础. 相似文献