基于字典训练的小波域稀疏表示微地震去噪方法

发布时间：2017-10-15 01:04

  本文关键词：基于字典训练的小波域稀疏表示微地震去噪方法

  更多相关文章： 微地震 随机噪声压制 稀疏表示 字典学习 小波变换

【摘要】：地面微地震数据的信噪比很低,严重地影响初至拾取的精度及反演结果的可靠性。为此,研究了基于字典训练的稀疏表示去噪方法,通过曲波变换估算了剖面中的噪声方差,从而将该法用于实际地面微地震资料去噪中;为了改善在低信噪比时的去噪效果,研究了小波域的稀疏表示去噪方法,并与普通的稀疏表示去噪方法进行了定量分析。理论模型及实际资料的处理结果表明:1迭代次数及字典原子的大小会对去噪结果产生较大影响,去噪后数据的信噪比随着两者的增加而增加,但这也会导致计算效率降低。因此,在处理时对于较大的数据可以选择中等大小的字典原子及迭代次数,以保证在得到较高信噪比的同时,具有较快的运算速度;2该方法可以去除传统稀疏表示方法在去噪后引入的"背景斑块",且去噪后的信噪比也得到极大提高。因此,相对于传统的方法,本文的方法具有显著的优势及较好的应用价值。
【作者单位】： 中国石油大学(华东)地球科学与技术学院;
【关键词】： 微地震 随机噪声压制 稀疏表示 字典学习 小波变换
【基金】：国家自然科学基金项目(41504097,41374123) 国家重大专项(2011ZX05006-002)联合资助
【分类号】：P631.4
【正文快照】： 也仅适用于水平及倾斜同相轴,对于复杂形态的同1　引言相轴,其应用受到了限制。此外,由于地面微地震资料具有噪声能量强、有效信号能量弱的特点,很多常地面微地震监测由于其采集方式的特点,所获规去噪方法难以获得较好的去噪效果[7-9],因此开发资料通常存在微震事件少、有效信

【相似文献】

中国硕士学位论文全文数据库 前1条

1 范弘毅;基于稀疏表示和压缩感知的地震信号处理及应用研究[D];电子科技大学;2014年

，

本文编号：1034177