共查询到18条相似文献，搜索用时 187 毫秒
1.
《物探与化探》2020,(4)
野外地震数据受到各种随机因素干扰,需要对随机噪声进行去除。小波分析中的软、硬阈值法是有效的地震数据降噪方法,但由于算法本身特性使得降噪具有一定的缺陷。因此,文中提出了一种改进的小波阈值降噪算法。首先构建了改进的阈值方法模型并对其功能进行了研究,确定了sym3为改进的阈值算法的最佳小波基以及最佳小波分解的层数为3层。利用仿真实验证明了改进的阈值方法降噪能力具有有效性,并通过均方差(RMSE)和信噪比(SNR)对新算法降噪效果进行了评价。最后,将本文提出的算法应用于实际地震数据降噪处理,结果发现改进的阈值法能够有效地去除地震数据中的各类随机噪声,通过与软、硬阈值法降噪效果进行对比研究,结果得出改进的阈值方法降噪效果更理想。 相似文献
2.
介绍了Donoho的小波域阈值去噪处理方法,提出了对小波变换尺度上小波系数进行分时分频相关处理去噪后,再重构小波系数的方法,以去除大部分随机噪声。然后,再对重构后地震剖面进行小波域阈值去噪处理。结果表明,使用上述新方法可以有效改善地震剖面处理效果,提高信噪比。 相似文献
3.
《物探化探计算技术》2021,(3)
通过小波变换与CEEMDAN相结合的方式对地震信号进行降噪处理,对小波分解的高频信号进行CEEMDAN分解,再根据自相关函数剔除高频IMF分量进行重构达到提取有效反射波,压制噪声干扰的目的,最后对信号进行小波重构并进行信噪比和均方差计算。结果表明,通过小波变换和CEEMDAN降噪后,有效地减少了噪声对于地震信号的影响,对于信噪比和分辨率都有提高。 相似文献
4.
地震信号去噪能有效提高信号的信噪比和分辨率。二代小波变换可以在不同尺度上对含噪信号进行小波分解和多分辨率分析,实现窗口宽度自适应调整的局部化分析。但小波变换阈值法在去噪过程中会在信号的不连续邻域会产生伪吉布斯效应,而平移不变量阈值去噪方法通过平移-去噪-平均的思想可以很好的解决该问题。因此本文在已有的二代小波变换阈值去噪的基础上将平移不变量这一改进方法应用于二代小波变换中,实现了对地震信号更加快速有效的去噪处理,并在模拟数据试算和实际数据试算中取得了良好的去噪效果。 相似文献
5.
小波分析在地震资料去噪中的应用 总被引：3，自引：1，他引：3
小波变换方法已广泛应用于信号处理领域。应用多尺度小波分析方法来消除地震观测信号中的噪声是一种行之有效的方法。这里从小波变换的基本原理出发,详细介绍了地震信号的阈值去噪原理,并根据模拟信号和实测地震信号的频谱分析,讨论了如何选择小波基及去噪过程中的阈值取值问题。从小波分解理论知道,利用多尺度分解方式对地震资料进行分析处理,相当于对实测地震资料进行不同尺度的细化分析,由于对不同地区、不同资料的精度要求不同,我们只要使用不同的尺度进行小波变换处理,就可以得到去除原信号的细部巨变(噪声干扰)特征的信号。同时,我们对小波变换处理后重构的地震信号与原信号进行了对比分析,误差结果分析表明该方法切实可行。我们还利用MATLAB语言及其小波工具箱,实现了对地震资料的去噪处理。 相似文献
6.
7.
8.
基于离散小波变换的地震资料自适应高频噪声压制 总被引：1，自引：0，他引：1
针对现有的小波变换阈值去噪方法无法适用于地震资料高频噪声压制的缺点,笔者分别对阈值函数和阈值选取方案进行了改进,提出了连续硬阈值函数与自适应阈值相结合的地震资料高频噪声压制方法.连续硬阈值函数兼具软、硬阈值函数的优点,可提高重构地震信号的保真度,减少人为噪声误差;自适应阈值方案可根据非平稳地震数据中的能量时变、空变分布特点,通过引入不同子带小波系数标准差、代数平均值以及几何平均值等统计参数,使阈值能够随不同子带的小波系数能量变化而自动调整,以适应地震资料高频噪声压制的要求.实际地震数据处理结果表明,笔者提出的方法在提高信噪比的同时,可保护陡倾角反射界面信号,提高噪声压制后地震数据的保真度. 相似文献
9.
小波变换方法在地震资料噪声消除中的应用 总被引：7，自引：0，他引：7
小波变换方法由于具有同时在时间域与频率域分析的特点,在信号的分析处理方面得到了广泛的应用,将其应用于地震信号噪声的处理,有着更好的应用前景和研究价值.笔者的研究工作主要围绕小波变换消噪过程中阈值方法的选择及阈值的选取,同时将一维小波方法与F-K滤波方法、二维小波方法与F-K方法以及这3种方法结合起来进行噪声的去除,用于实际数据处理,效果较好. 相似文献
10.
Seislet变换是一种类小波变换方法, 主要根据小波基沿地震同相轴的局部倾角方向来分析数据, 其中, 局部地震倾角的表征是该方法的核心。局部倾角的求取方法有很多种, 但是往往在低信噪比的条件下存在着一些局限。根据共中心点道集中基于时距关系的地震倾角定义, 提出一种适应于低信噪比条件下的倾角求取方法。对比基于时距关系与平面波分解滤波器计算出的局部地震倾角, 结果证明, 该方法能更加准确地表征低信噪比条件下同相轴的倾角信息。将基于时距关系的局部地震倾角用于Seislet框架, 建立表征低信噪比数据的新型Seislet变换方法。在地震数据处理中, 引入语音信号中改进的阈值方法。结合新型Seislet变换, 提出阈值去噪方法, 此方法不但适于地震数据, 而且在提高信噪比方面也优于传统的阈值去噪方法。实际数据处理的结果验证了新型Seislet变换与改进阈值去噪方法的组合能够有效地解决低信噪比条件下的信号提取任务。 相似文献
11.
12.
基于改进混沌果蝇优化小波阈值法地震信号随机噪声压制 总被引：1，自引：0，他引：1
由于野外采集地震资料往往带有较多的随机噪声,给资料解释造成困难。针对小波阈值去噪的阈值选取通常需要对信号进行先验估计,带有较强猜测性,阈值选取难以获得最优结果。本文提出基于改进混沌果蝇优化的小波阈值法,将基于广义交叉验证(GCV)函数设定为阈值选取目标函数,在混沌果蝇优化算法中引入调节系数实现对该目标函数的迭代寻优,在无先验信息前提下,获取最优小波阈值。通过将本文算法用于合成地震记录和实际地震记录进行去噪处理,并对比常用小波阈值去噪算法,证明了本文算法的有效性。 相似文献
13.
HAO Xue LI Yue YANG Bao-jun .College of GeoExploration Science Technology Jilin University Changchun China .College of Communicate Engineering Jilin University Changchun China 《吉林大学学报(地球科学版)》2006,(Z2)
奇异值分解是一种基于代数特征值的提取方法,小波变换是一种时间频率域的去噪方法,两者在去噪方面各有特点。将奇异值分解和小波阈值去噪的方法有机地结合起来,用于消除地震勘探资料中的随机噪声。仿真实验显示对于较低信噪比资料仍有很好的处理效果。 相似文献
14.
基于经验模态分解(EMD)的小波熵阈值地震信号去噪 总被引：1，自引：0，他引：1
针对EMD阈值去噪算法中阈值由经验选取以及无法有效区分各固有模态函数上有用信息的不足,本文对各固有模态函数进行小波变换,对各层小波系数进行相关处理,以突出有效信息,抑制噪声;将细节系数的有效信号和突变点置零并等分为若干区间,选取小波熵最大子区间的高频小波系数平均值作为噪声方差计算得到阈值。该阈值选取方法依据小波熵的特点,自适应地根据对应尺度上信号自身的能量特征确定该尺度阈值。将该算法应用于仿真信号和实际地震信号去噪,结果表明该方法优于基于EMD的小波阈值去噪,在提高去噪效果的同时,也更好地保护有效信号。 相似文献
15.
地震勘探的有效信号常受到随机噪声的干扰而难以识别,需要进行随机噪声和有效信号的分离。传统Shearlet全局阈值不随方向与尺度变化,在去噪的同时也会损失许多有效信号。Shearlet变换作为一种新的多尺度多方向时频分析方法,具有最优的稀疏表示能力、局部化特征和方向敏感性。本文将含噪地震信号通过Shearlet分解后计算各尺度与方向上Shearlet域系数的L2范数,并对其进行数据重排后发现,随着方向改变L2范数不断减小,进而提出一种基于L2范数的尺度方向自适应阈值计算方法。将其与小波变换、曲波变换、Shearlet全局阈值去噪方法对比,模拟数据与实际地震记录去噪结果表明,本文方法在去除随机噪声的同时,深部弱信号也得到了很好的恢复,地震数据的信噪比比其他3种方法有所提高,在0.929 9 dB条件下提升至11.565 1 dB。 相似文献
16.
由于随机噪声是一种频带较宽的干扰波,因此依靠单一的去噪处理方式往往难以获得清晰反映目标体的地震信息。小波变换能够较好的去除高斯噪声,保留有效波中、高频成分,提高记录的信噪比,但去除脉冲噪声的效果却并不理想;中值滤波具有良好的边缘保持特性,虽低频去噪声效果有限,但去除脉冲噪声效果明显。因此可利用二维小波变换与中值滤波优势互补的方法,进行叠前去噪处理,达到去除宽频随机噪声的目的。首先运用二维小波变换的理论,采用自适应门限阀值方法进行去噪,同时结合中值滤波方法联合去噪。模型与实际数据的应用效果表明,联合去噪方法可有效压制噪声能量、保留高频有效信号、提高地震记录信噪比与分辨率。 相似文献
17.
Estimating observation error covariance matrix of seismic data from a perspective of image denoising
Estimating observation error covariance matrix properly is a key step towards successful seismic history matching. Typically, observation errors of seismic data are spatially correlated; therefore, the observation error covariance matrix is non-diagonal. Estimating such a non-diagonal covariance matrix is the focus of the current study. We decompose the estimation into two steps: (1) estimate observation errors and (2) construct covariance matrix based on the estimated observation errors. Our focus is on step (1), whereas at step (2) we use a procedure similar to that in Aanonsen et al. 2003. In Aanonsen et al. 2003, step (1) is carried out using a local moving average algorithm. By treating seismic data as an image, this algorithm can be interpreted as a discrete convolution between an image and a rectangular window function. Following the perspective of image processing, we consider three types of image denoising methods, namely, local moving average with different window functions (as an extension of the method in Aanonsen et al. 2003), non-local means denoising and wavelet denoising. The performance of these three algorithms is compared using both synthetic and field seismic data. It is found that, in our investigated cases, the wavelet denoising method leads to the best performance in most of the time. 相似文献
18.
基于小波变换的改进阈值函数自适应去噪方法 总被引：3，自引：2，他引：3
在多分辨分析小波阈值去噪方法的基础上[3],用一种改进的阈值函数和自适应阈值选取算法相结合的方法,克服了硬阈值法不连续性和软阈值法有偏差的缺点。该方法能自动跟踪噪声,不同尺度自适应采用不同的阈值,可有效去除每一尺度上的噪声,保留有用信号,提高信噪比。仿真实验和地震资料处理结果表明,该方法去噪效果明显,可在各类消除随机噪声的信号处理中发挥作用。 相似文献