Shearlet域深度残差CNN用于沙漠地震信号去噪

由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题,提出了一种基于Shearlet 变换的深度残差卷积神经网络( ST-CNN: Deep Ｒesidual Convolutional NeuralNetwork for Shearlet Transform) 模型,实现沙漠地震信号的随机噪声压制。在训练阶段,将沙漠地震信号经Shearlet 分解后的系数作为输入,将随机噪声经Shearlet 分解后的系数作为标签,通过卷积神经网络( CNN: Convolutional Neural Network) 学习输入和标签之间的映射关系; 在测试阶段,利用此映射关系即可从沙漠地震信号系数中预测出噪声系数,并间接地获得有效信号系数,最后通过Shearlet 反变换获得有效信号。通过与传统的Shearlet 硬阈值去噪算法对比,发现该算法可把沙漠地震信号的信噪比从－ 4． 48 dB 提高到14． 15 dB,具有更好的去噪效果。     

正则化参数自动优选的RAKSVD方法在地震弱信号去噪中的应用

K均值-奇异值分解(KSVD)去噪方法存在病态问题,因此需要引入正则项进行改进.通过改进正则化近似参数设定,利用AKSVD(近似KSVD)方法对弱信号的识别优势,提出正则化参数自动优选的RAKSVD去噪方法,并进行模型测试和实际资料处理.结果表明,该方法不仅取得了预期的去噪效果,而且更加注重对弱信号的保护,去噪后地震弱...     

小波变换方法在地震资料中去噪和提高分辨率中的应用

以小波变换为基础进行了叠前资料的面波去除处理。从分频处理的思路出发，研究了小波变换Ｆ－Ｘ域拟合去噪。借鉴二维Ｆ－Ｋ编程原理，实现了二维小波的快速算法，给出了噪声在二维小波变换域中的不同特征，进行了相应的处理。在小波变换域中，运用能量补偿方法提高了资料的分辨率。     

基于小波阈值的地震信号去噪处理

地震信号去噪处理是地震勘探所要解决的一项主要任务,提高地震信号信噪比也相应显得尤为重要。本文提出由heursure选取阈值和软阈值函数对测试信号、合成地震信号及实际地震数据进行二次小波分解分层量化处理,与常规小波阈值去噪相比,对含有高频分量的信号,该方法具有很好的去噪效果。     

简述地震资料去噪的两种方法

地震资料去噪是地震资料数据处理的首要任务。根据不同噪音的形成机制、特性,可以选择不同的高保真度的去噪方法,使得地震资料的信噪比和分辨率达到预期的最高,从而降低地震资料解释的难度,提高地震资料解释的速度和精度。在众多的地震资料去噪方法中,频率域滤波和f—k域滤波是最基础的去噪方法,也是地震资料处理人员最常用的去噪方法。频率域滤波可很好的压制面波等规则的干扰波,f—k域滤波去除折射波、直达波等线性干扰波具有很好的效果。     

基于小波变换的爆破地震信号去噪的应用

运用小波变换在不同的尺度下观察信号局部化特征。由于信号和噪声具有不同的奇异性，它们的二进小波变换模的极大值在不同尺度下的传播特性也不相同。在相邻模极小构成的待选通域中分析出噪声局部极大值所在的选通域进行平滑处理，从而得到局部信号的小波系数，将其反变换重建出去噪后的信号。将该方法用于爆破地震信号去噪声，结果表明：这种方法计算简单，且去噪效果较好。     

基于压缩感知和稀疏表示的数据重建与去噪算法研究

传统的数据重建算法受奈奎斯特采样定理限制,采样率要求较高不能灵活等适应实际环境。本文基于压缩感知和稀疏表示理论,提出一种采样点少且流形结构简单的图像重建算法,以少量的采样数据实现从低分辨率观测中恢复高分辨率图像。算法首先通过原始数据特征设计出稀疏表示矩阵;其次,根据表示数据和观测数据的不相关性找出与稀疏表示矩阵对应的最优感知矩阵;最后,通过稀疏求解实现数据的重建与去噪。实验表明,该算法在同等条件下能够避免大量冗余数据的计算,提高数据重建的稳定性和有效性。     

基于EMD与1D全变分的地震信号去噪

经验模态分解(Empirical Mode Decomposition,EMD)是一种信号的时频分析方法,该方法在不需要先验知识的条件下,可以将非平稳、非线性信号,依据信号的特征,自适应的分解为多个本征模态函数(Intrinsic Mode Function,IMF)之和,得到高的频率分辨率。然而,一般的去噪方法是将所选择的高频IMF部分取不同的阈值进行滤波或者是直接置为零重构后实现信号的去噪,很显然这会造成高频部分有用信号的损失。1D全变分(Total Variation,TV)是一种有效的信号去噪方法,能够非常好的保护信号边缘信息,但有时也会把噪声当作边缘信息,出现虚假边缘现象。因此,基于EMD和1D-TV的优点提出了一种新的去噪方法,根据对实际金属矿床地震信号处理的结果表明,该算法能有效的消除地震信号中的噪声,并能有效保护地震信号边缘构造信息。     

一种新的信号去噪优化算法

针对一维信号去噪问题,给出全变差正则化方法进行信号去噪的内在机理,并在此基础上结合优化理论提出一种新的信号去噪方法.数值实验结果表明所提算法具有良好的去噪效果.     

基于空间分数阶复扩散的地震勘探噪声压制

沙漠地震勘探数据信噪比低,随机噪声主要为非平稳、非高斯的低频色噪声,利用常规噪声压制方法很难有效辨识与表征地震勘探信号,导致弱纹理结构信号的损失。针对此问题,引入分数阶梯度算子,提出空间分数阶复扩散随机噪声压制算法。该算法利用空间分数阶梯度增强地震信号的弱纹理和细节,在复扩散框架下,根据同相轴结构控制扩散强度。实验采用合成地震勘探数据和实际沙漠地震勘探数据评估算法性能,结果表明,提出的空间分数阶复扩散滤波算法可压制沙漠勘探随机噪声并保留有效信号结构。     

垂直地震剖面资料中的随机噪声衰减

针对常规滤波方法没有考虑背景噪声的问题，提出了一种利用背景噪声统计规律的小波域随机噪声衰减方法．在假设背景噪声是统计平稳的前提下，首先估计背景噪声与直达波到达之后的实际地震记录的相关系数，在这个系数比较小的情况下，利用每一道直达波到达前的背景噪声估计该道噪声的统计参数，然后给出噪声阈值估计，进而在小波域衰减垂直地震剖面（VSP）资料的随机噪声，获得高保真的VSP资料．对合成地震记录和实际资料的仿真实验表明，新方法比常规滤波方法的信噪比提高了约2dB，且更能体现地震信号的时变特点，处理后的剖面同相轴更清晰．     

一种基于邻域噪声评价法的图像去噪算法

常用的经典脉冲噪声滤波方法在去除图像脉冲噪声的过程中,常常造成图像细节信息的丢失,导致图像模糊不清.为了克服这一缺陷,提出了一种新的基于局部相似度分析和邻域噪声评价的图像去噪算法.该算法通过分析图像中各像素点的局部相似度来确定图像的轮廓和噪声,再通过邻域脉冲噪声评价法检测出脉冲噪声点,使图像处理仅处理噪声点而保持轮廓像素点不变,更有效地改善了噪声检测精度,并保护了图像的细节特征.实验结果表明,这种新算法较其他经典滤波器具有更有效的图像去噪和细节信息保护性能,具有一定的应用价值.     

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。     

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。     

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。     

基于固定点算法的地震数据降噪

 结合改进的固定点算法,解决了噪声环境下的ICA问题。根据噪声分布特性,分两个阶段去除不同类型的随机噪声。在预处理阶段去除了加性高斯白噪声,预处理后的数据采用改进的固定点算法,盲分离出有效信号和非高斯随机噪声。提出了对固定点算法迭代过程中设定较精确的初始值问题的算法,该方法能较为准确地设置初始值,使算法能提取有效信号。通过仿真实验和对实际地震数据的处理,得到了满意的分离结果,较好地恢复了有效信号。此外,当实际地震数据加载了较强噪声,信噪比降低时,采用本文算法进行盲分离,同样取得了良好的效果,再次验证了本文算法具有良好的稳健性和适应性。将盲分离算法应用到实际地震数据处理方面的研究,有助于地震资料的解释,同时这种处理技术的研究也能够促进盲分离技术的发展。     

利用小波变换多尺度传播特性实现地震信号去噪

小波变换可以把时域信号变换到时间尺度域中,在不同的尺度下观察信号不同的局部化特征．由于信号和噪声具有不同的奇异性,它们的二进小波变换模的极大值在不同尺度下的传播特性也不同．文中根据信号和噪声在小波变换域模极大值的多尺度传播特性的不同,以及地震信号相邻道的相关性,提出了一种去除地震信号中随机噪声的方法,实验表明该方法具有较好的去噪效果．     

一种基于神经网络的地震信号去噪的处理方法

在众多的去噪处理方法中，Ｋ－Ｌ变换是去除随机噪声的有效方法．Ｋ－Ｌ变换是利用地震剖面各道在空间方向的相关性来取信号的共同特征，以实现去除剖面中的随机噪声．传统的Ｋ－Ｌ变换是通过矩阵的Ｈｏｕｓｈｏｌｄ变换实现的．其运算量及空间占用量比较大．笔者用一种Ｈｏｐ－ｆｉｅｌｄ网实现对地震剖面进行Ｋ－Ｌ变换的去噪处理，并且给出了该网络的详尽描述及稳定性证明．由于Ｈｏｐｆｉｅｌｄ网能实时进行处理，固而具有实时性．模拟实验的结果表明，这种方法对消除地震剖面的随机噪声是一种行之有效的方法．     

宽频地震仪数据采集通道的噪声分析

为了从噪声理论角度验证宽频地震仪数据采集通道低噪声设计的合理性,采用等效En-In噪声模型理论和噪声的计算方法,对数据采集通道的固有噪声进行了分析与计算。通过实验结果及理论分析证明了所设计的宽频地震仪等效输入噪声小于2μV,满足系统噪声设计要求。同时实验结果与理论计算趋于一致,证明了此理论方法适合地震仪数据采集通道的噪声分析,为地震仪数据采集通道的低噪声设计奠定了基础。