基于时频域内低秩提取的沙漠地震信号处理
发布时间：2021-06-26 00:09
现如今,人类社会发展对石油、天然气等不可再生资源的需求日益增加,而常规油气藏地区与易开采区域的油气资源不断被消耗,所以,对于环境复杂、开采难度较大的油气藏地区进行的油气资源勘探研究已经成为资源勘探领域的热点。位于塔里木盆地的沙漠地区富含丰富的油气资源,因此,对其进行地质勘探、分析地质结构、探明资源储备情况具有十分重要的意义。而地震勘探方法作为一种具有高精度、低成本特点的资源勘探手段,它能够提供一整套由浅至深的详细而较为准确的地层构造资料,但是,由于沙漠地区的环境特殊性与复杂性,采集到的地震资料往往会受到沙漠随机噪声的影响,这些噪声具有非高斯、非平稳、频率低的特点,严重淹没了有效信号,难以达到地震资料高信噪比、高分辨率、高保真度的“三高”要求,得不到具有高质量的地震勘探资料。因此,研究有效压制沙漠地震随机噪声的方法对于油气资源勘探具有十分深远的意义。地震勘探噪声压制方法发展至今,国内外诸多优秀学者已经提出、改进并运用了很多有效的算法。在传统的地震噪声压制方法中,带通滤波器、小波变换结合阈值的算法已经得到广泛应用,并取得了较好的处理效果,但由于沙漠地震资料中有效信号与低频的随机噪声有频率混...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
地震资料采集示意图
第3章基于时频分解域内低秩成分提取的沙漠地震信号噪声消减19图3.1VMD-OptShrink算法流程3.1.2算法实现为了更为清晰、细致的描述VMD-OptShrink算法的实现过程，本文取一幅较为简单的合成地震记录为例，绘制各个步骤生成的图来逐步介绍其原理。图3.2（a）是本文选取出的只有两条同相轴的简单合成模拟地震纯净信号，与模拟沙漠地震噪声（图3.2（b））叠加构成了模拟沙漠地震记录，如图3.2（c）所示。由于该模拟合成的地震记录采样频率是500Hz，采样时长2800ms，采样点数是1400，共50道，可见，在实验过程中，输入的图3.2（c）所示的沙漠地震信号矩阵的维数为1400×50。根据前文介绍的VMD-OptShrink算法第二步，将分解好的所有模态重新组合，构成一个×阶的信号分量矩阵。当输入地震信号矩阵维数为1400×50时，的值为1400，的值为50，本文在算法实现过程中的分解模态数暂选为3。依算法原理，经过VMD将地震资料的所有道进行分解，并按道数顺序将各道的模态组合成为一个信号分量矩阵，分解、组合矩阵的结果如图3.2（d）所示，可见，该矩阵的列数成为150，所以信号分量矩阵的维数成为1400×150。由于图3.2（d）中的地震信号分解的模态道难以看清，本文将图3.2（d）中用红色框标记处的部分进行放大，结果如图3.2（e）所示。在图3.2（e）中，第1-3道为图3.2（c）中第1道地震信号分解的3个模态，图3.2（e）中第4-6道为图3.2（c）中第2道地震信号分解的3个模态，以此类推，按这样的顺序摆放各个模态构成了信号分量矩阵。在图3.2（e）中可以清晰地看到VMD分解的模态效果，有效信号大致保留在了分解的第二个模态中，但依旧存在些许噪声，分解模态数取3时，各个地震信号道是分解不彻底的，有严重的频谱混叠现象，可见，分解模态数取3并不是一个十分合
第3章基于时频分解域内低秩成分提取的沙漠地震信号噪声消减23法在选秩方面要更为方便、简单，达到了简化秩值选取的目的。简化秩选取VMD-SSGoDec算法的具体流程如图3.3所示，从流程图中可以看出，对比图3.1的方法，本节算法只是多了循环步骤，对地震记录道进行逐道处理，其余算法整体思想并没有变化，同样都是在是时频分解域内进行低秩成分的提取以达到消噪目的。本节介绍的方法在参数选择方面变得更为简洁方便，但随之而来所要付出的代价则是对于SNR的提升幅度变小，去噪效果要稍弱于VMD-OptShrink，可是其去噪效果还是在可以接受的范围之内，相较于传统的地震信号处理方法，其去噪结果依旧能体现出该算法的优越性，有效信号保留完整，同相轴的连续性也得到了增强。在计算代价方面，该算法与VMD-OptShrink类似，计算成本主要取决于VMD的计算成本，Semi-SoftGoDec虽然会花费一些时间，但与VMD的计算时间复杂性相比，该时间是可以忽略不计的。从上述算法步骤中可以看出，本文算法是一个单道处理算法，尽管是多次提取，但实验整体的时间复杂度并没有明显的提高。模拟合成记录实验的时间往往会在几分钟内完成，而对于更为复杂的实际记录，也会在二十分钟以内即可完成去噪处理。图3.3简化秩选取VMD-SSGoDec算法流程3.2.2算法实现同样为了更为形象直观的说明简化秩选取VMD-SSGoDec算法的实现过程，本文取图3.2（c）中所示的合成模拟沙漠地震记录来逐步描述本小节所介绍的算法步骤。根据3.2.1节中介绍的算法第一个步骤，选用的模拟合成地震记录作为输入信号矩阵时，其维数为1400×50，利用VMD进行模态分解的时候，同样将分解模态数暂定为3，与VMD-OptShrink算法实现过程选区的参数保持一致，实际上，分解模态数暂为3依旧和VMD-OptShrink算法?
本文编号：3250225
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
地震资料采集示意图
第3章基于时频分解域内低秩成分提取的沙漠地震信号噪声消减19图3.1VMD-OptShrink算法流程3.1.2算法实现为了更为清晰、细致的描述VMD-OptShrink算法的实现过程，本文取一幅较为简单的合成地震记录为例，绘制各个步骤生成的图来逐步介绍其原理。图3.2（a）是本文选取出的只有两条同相轴的简单合成模拟地震纯净信号，与模拟沙漠地震噪声（图3.2（b））叠加构成了模拟沙漠地震记录，如图3.2（c）所示。由于该模拟合成的地震记录采样频率是500Hz，采样时长2800ms，采样点数是1400，共50道，可见，在实验过程中，输入的图3.2（c）所示的沙漠地震信号矩阵的维数为1400×50。根据前文介绍的VMD-OptShrink算法第二步，将分解好的所有模态重新组合，构成一个×阶的信号分量矩阵。当输入地震信号矩阵维数为1400×50时，的值为1400，的值为50，本文在算法实现过程中的分解模态数暂选为3。依算法原理，经过VMD将地震资料的所有道进行分解，并按道数顺序将各道的模态组合成为一个信号分量矩阵，分解、组合矩阵的结果如图3.2（d）所示，可见，该矩阵的列数成为150，所以信号分量矩阵的维数成为1400×150。由于图3.2（d）中的地震信号分解的模态道难以看清，本文将图3.2（d）中用红色框标记处的部分进行放大，结果如图3.2（e）所示。在图3.2（e）中，第1-3道为图3.2（c）中第1道地震信号分解的3个模态，图3.2（e）中第4-6道为图3.2（c）中第2道地震信号分解的3个模态，以此类推，按这样的顺序摆放各个模态构成了信号分量矩阵。在图3.2（e）中可以清晰地看到VMD分解的模态效果，有效信号大致保留在了分解的第二个模态中，但依旧存在些许噪声，分解模态数取3时，各个地震信号道是分解不彻底的，有严重的频谱混叠现象，可见，分解模态数取3并不是一个十分合
第3章基于时频分解域内低秩成分提取的沙漠地震信号噪声消减23法在选秩方面要更为方便、简单，达到了简化秩值选取的目的。简化秩选取VMD-SSGoDec算法的具体流程如图3.3所示，从流程图中可以看出，对比图3.1的方法，本节算法只是多了循环步骤，对地震记录道进行逐道处理，其余算法整体思想并没有变化，同样都是在是时频分解域内进行低秩成分的提取以达到消噪目的。本节介绍的方法在参数选择方面变得更为简洁方便，但随之而来所要付出的代价则是对于SNR的提升幅度变小，去噪效果要稍弱于VMD-OptShrink，可是其去噪效果还是在可以接受的范围之内，相较于传统的地震信号处理方法，其去噪结果依旧能体现出该算法的优越性，有效信号保留完整，同相轴的连续性也得到了增强。在计算代价方面，该算法与VMD-OptShrink类似，计算成本主要取决于VMD的计算成本，Semi-SoftGoDec虽然会花费一些时间，但与VMD的计算时间复杂性相比，该时间是可以忽略不计的。从上述算法步骤中可以看出，本文算法是一个单道处理算法，尽管是多次提取，但实验整体的时间复杂度并没有明显的提高。模拟合成记录实验的时间往往会在几分钟内完成，而对于更为复杂的实际记录，也会在二十分钟以内即可完成去噪处理。图3.3简化秩选取VMD-SSGoDec算法流程3.2.2算法实现同样为了更为形象直观的说明简化秩选取VMD-SSGoDec算法的实现过程，本文取图3.2（c）中所示的合成模拟沙漠地震记录来逐步描述本小节所介绍的算法步骤。根据3.2.1节中介绍的算法第一个步骤，选用的模拟合成地震记录作为输入信号矩阵时，其维数为1400×50，利用VMD进行模态分解的时候，同样将分解模态数暂定为3，与VMD-OptShrink算法实现过程选区的参数保持一致，实际上，分解模态数暂为3依旧和VMD-OptShrink算法?
本文编号：3250225
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3250225.html
