基于多模态低秩处理的沙漠地震随机噪声压制

发布时间：2021-11-27 12:18

　　作为现代地球物理勘探的主要手段和油气资源勘探领域中的重要方法之一,地震勘探一直以来都备受各国学者的密切关注。近年来,随着人类生产生活对油气资源的需求日益攀升,容易开采的油气资源的减少,非常规的油气资源开采成为热点,这也就使得地震勘探的应用难度越来越大。地震勘探工程的顺利展开很大程度上依赖于一副品质良好的地震记录,而消减地震勘探随机噪声提高其信噪比是提升地震记录品质的关键一步,因此,寻找一种有效的地震勘探随机噪声的压制方法,提高地震记录品质意义深远。近年来,各国学者相继提出了一系列随机噪声消减的方法,如f-x反褶积、小波去噪算法、时频峰值滤波、经验模态分解等,这些经典的算法先后被应用于地震信号处理领域中,虽然均取得了一定的效果,然而,各自的局限性使得处理效果不尽人意。f-x反褶积虽然工程应用较为普遍,但它要求反射波同向轴具有线性或局部线性,无法压制不规则噪声,而且,在处理低信噪比资料时会出现明显误差;小波变换作为一种多尺度的时频分析方法,虽然在地震勘探应用比较广泛,但是其去噪效果很大程度上依赖于阈值的选取,限制了方法应用的灵活性和适用性;时频峰值滤波虽然可以处理低信噪比的数据,但是受非线... 

【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】：60 页

【学位级别】：硕士

【部分图文】：

模拟沙漠地震数据EMD分解示意图

吉林大学硕士学位论文12(3)令ii1，循环进行步骤(2)，直至Mi；(4)将M次得到的IMF分量进行数学平均，得到最终的IMF分量。将EEMD算法应用到模拟沙漠地震资料的处理中，这里我们依然选取一道含有三个雷克子波的模拟信号进行分解。图2.2是对沙漠地震信号进行EEMD分解的示意图，从上至下依次为含噪信号和分解得到的IMF分量，从图中可以看出，相比于EMD分解，EEMD分解之后，有效信号更大程度上被分解在不同的模态分量中，也就是说EEMD算法相比于EMD算法，一定程度上克服了模态混叠的现象。图2.2模拟沙漠地震数据EEMD分解示意图2.2.2参数初始化由于EEMD算法的核心思想就是高斯白噪声的引入，那么所添加的高斯白噪声的幅值如何选取就是我们不得不思考的问题；另外，我们定义经集合平均之后的分量为我们想要的模态分量，那么够早的集合信号的数量是多少，是否越多越好，也是我们需要考虑的问题，因此添加白噪声的幅值a和构造集合信号的数量M，这两个参数的设置对于EEMD分解的准确度与计算效率都有着有很大的影响。通过大量的试验，我们发现，a偏小，不足以淹没干扰信号的影响，a偏大，会导致噪声信号淹没有用信号，后面的分解也会失去意义。再来看M值选取，毫无疑问，M越大分解的准确度必然会随之提高，最终的去噪效果也必然会越好，但是存在的问题是运算量也会随之增大，计算成本会变得非常高，当你付出的成本与结果优化的程度不匹配的

吉林大学硕士学位论文16将CEEMDAN算法应用于模拟沙漠地震数据处理过程，图2.4是该算法对模拟沙漠地震数据分解示意图，本文依然采用了一道含有三个雷克子波的模拟信号进行分解。分解之后获得9个模态分量。图2.4模拟沙漠地震数据CEEMDAN分解示意图为了更直观的对比三种算法的性能，图2.5从一副噪声强度更大的模拟沙漠地震数据中任选一道，给出了EEMD算法与CEEMDAN算法的单道对比图，图2.5(a)为EEMD算法的单道对比图，图2.5(b)为CEEMDAN算法的单道对比图，从图中方框圈出部分可以看出，CEEMDAN算法在降噪之后，信号的保幅性能得到了一定的提升，也就是说，CEEMDAN算法在一定程度上克服了模态混叠，更好地实现了将噪声同有效信号分解到不同频带上的目标。


本文编号：3522272