频率域奇异值分解压制随机噪声方法

 奇异值分解(SVD)是提高信噪比的一种较新的有效手段之一。本文从数学角度阐述了奇异值分解SVD滤波技术增强地震资料信噪比的原理,对比了时间域和频率域SVD技术压制随机噪声的处理效果。结果表明,时间域SVD技术只能对水平或接近水平的同相轴进行信号增强,对倾斜同相轴的处理效果较差;而频率域SVD技术既可以处理水平同相轴,也可以处理倾斜同相轴,对提高地震剖面信噪比具有很好的效果。本文用3个简单的合成地震记录和1个实际地震资料检验了SVD两种方法的应用效果。结果表明,本文方法可以达到随机噪声压制的效果。     

基于SVD的频域滤波去噪算法

为了解决时域SVD分解算法对非水平同相轴去噪效果不佳的难题,提出了Eigenimage和Cadzow 2种基于SVD分解的频域去噪算法.这2种算法将数据转化到频率域,在频率切片上进行SVD去噪,将信号时移转换为相移,从根本上解决了非水平同相轴的去噪问题,并且有良好的信号保真性.通过模型对其有效性进行验证,结果表明,Eigenimage和Cadzow算法对同相轴均有很好的去噪效果,但相比时域SVD算法,这2种算法计算量较大.     

基于S变换与奇异值分解的局部放电信号去噪方法

根据白噪声在S变换域服从2分布且平均功率谱与频率成正比的特点,提出了基于S变换与奇异值分解(SVD)的局部放电(PD)信号去噪方法。首先对带噪PD信号进行S变换,得到时频矩阵;接着利用SVD与奇异值差分谱理论,确定PD信号发生的时间与个数,得到白噪声区域;然后通过构造与频率成正比的线性方程,采用硬阈值法对时频矩阵进行处理,完成PD信号的第一次去噪;最后利用SVD对PD信号进行第二次去噪。仿真和实测信号的分析结果表明,文中方法的去噪效果优于小波阈值法,且该方法更简便快捷。     

基于SVD的倾角扫描叠加算法在去噪中的应用

针对SVD对非水平同相轴去噪效果不佳的问题,引入了基于SVD的倾角扫描叠加算法.采用Ricker子波合成倾斜同相轴的地震波,经线性时移后成为水平同相轴,然后用SVD算法提取信号,再作反线性时移恢复其时间轴坐标数据,将反线性时移后的结果叠加作为最终输出,模型验证此方法去噪效果明显.将倾角扫描叠加算法和传统SVD算法进行对比,可知前者所需的本征图像个数更少,但重构信号和去噪效果更好.     

基于C-WNNM的地震随机噪声压制方法

针对低信噪比情况下地震信号同相轴不易识别的问题,提出用C-WNNM方法来压制地震勘探资料中的随机噪声.给出了基于WNNM的低秩逼近理论,利用地震信号在时间和空间上具有一定的相似性这一特点来构建近似低秩矩阵,并且由CEEMD分解得到的IMF1分量来近似估计局部噪声方差,从而获得更加精确的权值.经过迭代逼近得到最终去噪后的信号.对由雷克子波生成的模拟地震勘探资料进行C-WNNM滤波处理.结果表明,在地震数据存在强噪声的情况下,该方法能够有效压制随机噪声并且能够更好地保留有效信号,信噪比相比于原始WNNM算法提高了3 d B左右.     

EHGFs方向可控滤波压制地震勘探随机噪声

为有效提取地震信号同相轴信息, 解决以哈密特-高斯函数(HGFs: Hemite-Gauss Functions)为核函数的方向可控滤波器因无方向性而导致同相轴被降频的问题, 引入以拉伸哈密特-高斯函数(EHGFs: Elongated Hemite-Gauss Functions)为核的方向可控滤波去噪方法。该方法考虑有效信号与随机噪声在方向性上的差异,
通过近似拟合方法构造EHGFs 方向可控滤波器, 借助EHGFs 具有明确的方向性, 滤波时沿着轴向进行滤波,提高线性度, 减少平滑作用, 取得方向滤波数据后再根据数据局部数字特征进行数据重组, 达到去噪效果。实验结果表明, 该方法具有明显压制随机噪声、恢复有效信号的效果。     

基于改进EMD的地震信号去噪

压制随机噪声是地震数据处理过程中的一个重要环节,目前大多数去噪技术都不同程度存在去噪效果差、易损伤有效信号等问题。利用经验模态分解可将信号自适应地分解为不同特征尺度固有模态函数的优点,及小波变换模极大值滤波方法对噪声的依赖性较小且适合于低信噪比信号去噪的优势,构造了一种经验模态分解与小波变换模极大值相结合的新的去噪算法,该算法很好地实现了地震有效信号与随机噪声的分离,有效提高了地震数据信噪比。将该算法应用于仿真实验和实际地震数据处理,结果都表明该方法明显优于常规经验模态分解去噪效果。     

自适应径向道TFPF压制地震记录随机噪声

针对传统时频峰值滤波(TFPF: Time-Frequency Peak Filtering)未考虑地震信号记录道与道之间的相关性以及径向道TFPF 未考虑实际同相轴走向的问题, 在假设反射同相轴局部线性的基础上, 提出自适应径向道时频峰值滤波算法。该算法利用自适应函数获取局部区域内同相轴的走向, 通过径向道变换(RTT: Radial-Trace
Transform)将同相轴拉伸到径向道域, 提高其线性度, 更好地满足TFPF 无偏估计的条件, 减小因信号非线性引起的估计误差。实验结果表明, 该方法在随机噪声压制和有效信号恢复方面都取得了更好的效果。相同窗长下, 该算法相比传统TFPF 信噪比提高了5 dB 左右, 相比径向道TFPF 信噪比提高了3 dB 左右。     

Shearlet域基于非局部均值的地震信号去噪

由于采集环境及仪器性能的限制,采集的地震信号中含有较强的随机噪声,对后续的处理和解释带来很大困难.多尺度几何分析近年来受到关注,在Shearlet变换域中引入非局部均值(NLM,non-local mean algorithm)算法对地震信号进行去噪,该算法首先对地震信号进行非下采样Shearlet变换,对近似服从广义高斯分布的Shearlet系数进行主成分分析(PCA,principal component analysis),然后采用非局部均值处理Shearlet系数,最后对新的Shearlet系数进行Shearlet反变换,得到去噪之后的地震信号.实验结果表明,文中算法在低噪声情况下能够获得优于非局部均值算法的去噪效果,对地震信号去噪具有可行性.     

改进的小波域阈值去噪方法

针对使用常规小波域阅值去噪方法对含有高频噪声的低频信号或较平稳信号进行处理时，其去噪效果和信号保真度有时不能令人满意的问题，提出了一种对小波变换尺度1上的小波系数进行二次小波变换，并进行去噪处理后重构小波系数的新方法。该方法可去除大部分高频随机噪声。此后，再对重构后的信号进行小波域阈值去噪处理。仿真结果表明：该方法去噪效果明显，且信号主要细节保留较好。