CN106526665A - 一种随机噪声衰减的方法及装置 - Google Patents
一种随机噪声衰减的方法及装置 Download PDFInfo
- Publication number
- CN106526665A CN106526665A CN201610833692.7A CN201610833692A CN106526665A CN 106526665 A CN106526665 A CN 106526665A CN 201610833692 A CN201610833692 A CN 201610833692A CN 106526665 A CN106526665 A CN 106526665A
- Authority
- CN
- China
- Prior art keywords
- matrix
- shot record
- single shot
- value
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 155
- 238000012935 Averaging Methods 0.000 claims abstract description 4
- 230000002123 temporal effect Effects 0.000 claims description 27
- 238000000354 decomposition reaction Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 7
- 230000009467 reduction Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000000527 sonication Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/30—Noise handling
- G01V2210/32—Noise reduction
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请实施例提供了一种随机噪声衰减的方法及装置,其中方法包括:获取单炮记录,并对其进行傅里叶变换,得到频域内的单炮记录;根据所述频域内的单炮记录,构建汉克尔矩阵集;对所述汉克尔矩阵集中的每一个汉克尔矩阵进行奇异值分解;根据所述奇异值分解的结果,并结合预设数值K,计算所述每一个汉克尔矩阵的前K个部分和,所述预设数值K不小于所述单炮记录中的倾角个数;将每一个所述前K个部分和矩阵沿其反对角线平均,得到平均后的矩阵;用每一个所述平均后的矩阵的元素值替换频域内的单炮记录的对应数值;将替换后的频域内的单炮记录进行傅里叶反变换。本申请实施例可以实现高保真度的压制随机噪声。
Description
技术领域
本申请涉及石油勘探地震资料处理技术领域,尤其是涉及一种随机噪声衰减的方法及装置。
背景技术
在地震传播过程中,不仅激发了发射波,也激发了面波等干扰波,这就导致地震检波器既检测到了反射信号,又检测到了噪声。地震勘探中的噪声主要有两种:随机噪声和规则噪声,所谓随机噪声就是没有固定频率,在地震整个记录中随机出现,频带很宽,视速度不确定,无一定传播方向的一种噪声,因而很难利用随机噪声和有效波之间频率上的差异或传播方向上的差异对其进行压制。在强噪声下,即使较强的反射信号也可能不明显,甚至淹没在噪声中,地震勘探难度增大。因此,压制随机噪声,提高地震资料信噪比是当前勘探的研究热点之一。
维纳滤波是地震勘探随机噪声压制最早也是最经典的方法,但是它要求已知信号或噪声的相关函数或功率谱,实际上,这很难满足,因此维纳滤波的效果不理想。另一方面在精确地震勘探中,要求地震资料处理满足高保真度、高信噪比和高分辨率的原则,现有技术在压制随机噪声过程中,在提高信噪比的同时或多或少都压制了部分有效信号,这就导致无法实现高保真度的要求。
发明内容
本申请实施例的目的在于提供一种随机噪声衰减的方法及装置,可以实现高保真度的压制随机噪声。
为达到上述目的,本申请实施例提供了一种随机噪声衰减的方法,该方法包括:
获取单炮记录,并对其进行傅里叶变换,得到频域内的单炮记录;
根据所述频域内的单炮记录,构建汉克尔矩阵集,所述汉克尔矩阵集中的每一个汉克尔矩阵的元素为时间频率变换值,所述时间频率变换值为所述单炮记录在预设频率范围内每一个频率切片所对应的时间频率变换值;
对所述汉克尔矩阵集中的每一个汉克尔矩阵进行奇异值分解;
根据所述奇异值分解的结果,并结合预设数值K,计算所述每一个汉克尔矩阵的前K个部分和,获取所述每一个汉克尔矩阵的前K个部分和矩阵,所述预设数值K不小于所述单炮记录中的倾角个数;
将每一个所述前K个部分和矩阵沿其反对角线平均,得到对应的平均后的矩阵;
将所述平均后的矩阵进行傅里叶反变化,获取傅里叶反变换后的矩阵;
用所述傅里叶反变换后的矩阵的值代替所述单炮记录中的对应数值。将每一个所述前K个部分和矩阵沿其反对角线平均,得到对应的平均后的矩阵;
用每一个所述平均后的矩阵的元素值替换频域内的单炮记录的对应数值;
本申请实施例还提供了一种随机噪声衰减的装置,用以实现高保真度的压制随机噪声,该装置包括:
获取模块,用于获取单炮记录,并对其进行傅里叶变换,得到频域内的单炮记录;
构建模块,用于根据频域内的单炮记录,构建汉克尔矩阵集,所述汉克尔矩阵集中的每一个汉克尔矩阵的元素为时间频率变换值,所述时间频率变换值为所述单炮记录在预设频率范围内每一个频率切片所对应的时间频率变换值;
分解模块,用于对所述汉克尔矩阵集中的每一个汉克尔矩阵进行奇异值分解;
计算模块,用于根据所述奇异值分解的结果,并结合预设数值K,计算所述每一个汉克尔矩阵前K个部分和,获取每一个汉克尔矩阵的前K个部分和矩阵,所述预设数值K不小于所述单炮记录中的倾角个数;
平均模块,用于将每一个所述前K个部分和矩阵沿其反对角线平均,得到对应的平均后的矩阵;
替换模块,用于用每一个所述平均后的矩阵的元素值替换频域内的单炮记录的对应数值;
反变换模块,用于将替换后的频域内的单炮记录进行傅里叶反变换。
由以上本实施例提供的技术方案可见,本实施例在频域范围内进行了压制随机噪声处理,首先通过将频域内的单炮记录中各个检波器在每一频率切片对应的值构建成汉克尔矩阵集,然后对所述汉克尔矩阵集中的每一个汉克尔矩阵进行奇异值分解,取前K个部分和代替原来的汉克尔矩阵,然后将汉克尔矩阵还原到时间域,所述K值等于所述单炮记录中的倾角个数。由于地震数据的有效秩数不超过数据的倾角个数,取前K个部分和矩阵代替原有的矩阵,可以保留下所有的地震信号,且前K个部分和都是奇异值较大的部分,奇异值越大,对地震信号贡献越大,因此取前K个部分和可以实现高保真的压制随机噪声。
附图说明
此处所说明的附图用来提供对本申请实施例的进一步理解,构成本申请实施例的一部分,并不构成对本申请实施例的限定。在附图中:
图1为本申请实施例的一种随机噪声衰减的方法流程示意图;
图2为本申请实施例的无噪声的剖面图;
图3为本申请实施例的K=1时得到的还原剖面;
图4为本申请实施例的K=2时得到的还原剖面
图5为本申请实施例的K=3时得到的还原剖面
图6为本申请实施例的K=1时得到的还原剖面与无噪声的剖面图想减结果;
图7为本申请实施例的K=2时得到的还原剖面与无噪声的剖面图想减结果;
图8为本申请实施例的K=3时得到的还原剖面与无噪声的剖面图想减结果;
图9为本申请实施例的含随机噪声的剖面图;
图10为本申请实施例的含随机噪声的剖面处理后的效果示意图;
图11为本申请实施例的一种随机噪声衰减的模块示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本申请实施例做进一步详细说明。在此,本申请实施例的示意性实施例及其说明用于解释本申请实施例,但并不作为对本申请实施例的限定。
下面结合附图,对本申请实施例的具体实施方式作进一步的详细说明。
参考图1所示,本申请实施例一种随机噪声衰减的方法可以包括以下步骤:
S101,获取单炮记录,并对其进行傅里叶变换,得到频域内的单炮记录。
S102,根据所述频域内的单炮记录,构建汉克尔矩阵集。
所述汉克尔矩阵集中的每一个汉克尔矩阵的元素为所述单炮记录在预设频率范围内每一个频率切片的时间频率变换值,即预设频率范围内每一个频率切片在各个地震道的时间频率变换值。所述各个地震道与各个检波器相对应。具体的,各个地震道的数据对应各个检波器的数据。每一个频率切片的频率数值根据采样定理,结合采样时间间隔决定。
汉克尔矩阵为每一条副对角线上元素都相等的方阵。这里构建汉克尔矩阵的目的就是为了估算地震数据的有效秩数。
S103,对所述汉克尔矩阵集中的每一个汉克尔矩阵进行奇异值分解。
S104,根据所述奇异值分解的结果,并结合预设数值K,计算所述每一个汉克尔矩阵的前K个部分和,获取每一个汉克尔矩阵的前K个部分和矩阵,又称为降秩近似和,所述预设数值K不小于所述单炮记录中的倾角个数。
对于时间—频域的地震数据,国外学者发现数据的有效秩数不超过数据的倾角个数,因此本申请的实施例首先通过汉克尔矩阵矩阵估算地震数据的有效秩数,再计算汉克尔矩阵的前K个部分和矩阵。按照有效秩数不超过数据的倾角个数的原则,理论上,当K等于数据倾角个数时,前K个部分和矩阵中就会包含全部的地震数据。
S105,将每一个所述前K个部分和矩阵沿其反对角线平均,得到对应的平均后的矩阵。
由于噪声的影响,使得前K个部分和矩阵可能不再满足汉克尔矩阵的形式要求,为了恢复其汉克尔矩阵的形式,因此这里对前K个部分和矩阵进行反对角线平均处理。
S106,用每一个所述平均后的矩阵的元素值替换频域内的单炮记录的对应数值。
平均后的矩阵与汉克尔矩阵集中的汉克尔矩阵是一一对应的,且平均后的矩阵也具备汉克尔矩阵的形式要求,即每一条副对角线上元素都相等。用平均后的矩阵的元素对应替换单炮记录在预设频率范围内的每一频率切片中各个检波器的频率值,得到替换后的频域内的单炮记录。
S107,将替换后的频域内的单炮记录进行傅里叶反变换。
由图1所示的流程图可知,本实施例在频域范围内进行了压制随机噪声处理,首先通过频域内的将单炮记录中各个检波器在每一频率切片对应的值构建成汉克尔矩阵集,然后对所述汉克尔矩阵集中的每一个汉克尔矩阵进行奇异值分解,取前K个部分和代替原来的汉克尔矩阵,然后将汉克尔矩阵还原到时间域,所述K值等于所述单炮记录中的倾角个数。由于地震数据的有效秩数不超过数据的倾角个数,取前K个部分和矩阵代替原有的矩阵,可以保留下所有的地震信号,且前K个部分和都是奇异值较大的部分,奇异值越大,对地震信号贡献越大,因此取前K个部分和可以实现高保真的压制随机噪声。
在本申请的一个实施例中,S102具体实施时,所述汉克尔矩阵集中的每一个汉克尔矩阵的元素为时间频率变换值,所述时间频率变换值为所述单炮记录在预设频率范围内每一个频率切片所对应的时间频率变换值,所述预设频率范围为所述单炮记录中的地震数据频率范围。
在本申请的一个实施例中,有N个检波点,对应的单炮记录中就有N个检波点的数据。按照以下步骤进行噪声压制。
(1)获取单炮记录,并对其进行傅里叶变换,得到频域内的单炮记录。
(2)根据所述频域内的单炮记录,构建汉克尔矩阵集。
所述汉克尔矩阵集中的每一个汉克尔矩阵的元素为所述单炮记录在预设频率范围内每一个频率切片的时间频率变换值,即预设频率范围内每一个频率切片在各个地震道的时间频率变换值。所述各个地震道与各个检波器相对应。具体的,各个地震道的数据对应各个检波器的数据。每一个频率切片的频率数值根据采样定理,结合采样时间间隔决定。
对于某一个时间频率ω,每一个检波点采样值对应的时间频率变换值分别为t1,t2…tN。将该频率切片的数据构造成一个汉克尔矩阵,如下矩阵A所示。
当N为偶数,则当N为奇数,则根据不同的N选择不同的n的目的是为了保证构成的矩阵是一个方阵,使其满足汉克尔矩阵的形式要求。
(3)将构建的每一个汉克尔矩阵进行奇异值分解(SVD)。时间频率ω所对应的汉克尔矩阵A奇异值分解结果如下所示:
A=UΣVH
式中,U和V分别为酉矩阵;Σ为一个实对角矩阵,其对角线元素为矩阵A的特征值,且按照从大到小排列;H表示共轭转置。
(4)根据所述奇异值分解的结果,并结合预设数值K,计算所述每一个汉克尔矩阵的前K个部分和。
时间频率ω所对应的汉克尔矩阵A的前K个部分和求解过程如下所示。
ui和vi分别是矩阵U和V的列向量,则有矩阵A的第i个加权特征图像Ii为:
Ii=σiuivi H
式中,σi为表示Σ中对角线的元素。
计算汉克尔矩阵A的前K个部分和矩阵FK,又称降秩近似和,如下所示:
FK=I1+I2+…IK
选择合适的K值,保证K值不小于地震信号的倾角个数。
(5)将每一个所述前K个部分和矩阵沿其反对角线平均,得到对应的平均后的矩阵。
由于噪声的影响使得计算得到的K个部分和矩阵不总是能够满足汉克尔矩阵的形式,因此需要对其进行处理,使其变成满足汉克尔矩阵的形式。
时间频率ω所对应的汉克尔矩阵的前K个部分和矩阵FK的处理过程可以为求FK的每一条副对角线上的元素的算术平均值,用求得算术平均值代替相应的副对角线上的所有元素。
(6)用每一个所述平均后的矩阵的元素值替换频域内的单炮记录的对应数值。
平均后的矩阵与汉克尔矩阵集中的汉克尔矩阵是一一对应的,且平均后的矩阵也具备汉克尔矩阵的形式要求,即每一条副对角线上元素都相等。用平均后的矩阵的元素对应替换单炮记录在预设频率范围内的每一频率切片中各个检波器的频率值,得到替换后的频域内的单炮记录。
(7)将替换后的频域内的单炮记录进行傅里叶反变换。
本实施例中,在频域进行噪声压制。根据地震数据的有效秩数不超过数据的倾角个数的原则,选择K值等于倾角个数,借助汉克尔矩阵估算地震数据的有效秩数,用前K个部分和矩阵代替原矩阵,可以保留下所有的地震信号,且前K个部分和都是奇异值较大的部分,奇异值越大,对地震信号贡献越大,因此取前K个部分和可以实现高保真的压制随机噪声。
在本申请的一个实施例中,含噪声的剖面数据倾角个数为m,按照图1所示的流程对原含噪声图像进行压制的过程中,预设数值K选择不小于m的数值。
在本申请的一个具体实施例中,从K=m开始,对含噪声的原图像进行处理,得到处理结果,再对K值在原来数值基础上依次加1,分别得到处理结果,选择其中处理结果最符合预期效果的一个K值。
根据地震数据的有效秩数不超过数据的倾角个数的原则,前K个部分和就应该包含地震数据,K设置过程中,选择不小于倾角个数的数值,可以进一步优化处理过程,得到最优的处理结果。
在本申请的一个具体实施例中,利用无噪声的地震数据验证本申请实施例所提供的技术方案可以实现高保真的还原原地震数据。
如图2所示为倾角个数为3的无噪声地震数据,按照图1所示的流程的步骤对图2进行处理。取K=1时,可以得到如图3所示的还原后的图像。取K=2时,可以得到如图4所示的还原后的图像.取K=3时,可以得到如图5所示的还原后的图像。将图3~图5依次与图2相减,可以得到图3~图5分别与图2之间的变化,依次对应为图6、图7和图8。
图6~图8所示的相减结果可知,当K值等于地震数据的倾角个数时,本申请实施例提供的技术方案可以完全恢复原图像。证明了本申请实施例提供的技术方案的高保幅性。
在本申请的一个具体实施例中,利用有噪声的地震数据验证本申请实施例所提供的技术方案可以实现压制噪声的作用。
如图9所示为含油随机噪声的地震数据,按照图1所示的流程的步骤对图9进行压制噪声处理。由图9中可知,剖面的数据倾角为2,因此处理过程中选择K=2,处理结果如图10所示。由图10可知,本申请实施例所提供的技术方案可以实现压制噪声的作用。
本申请实施例中还提供了一种随机噪声衰减的装置,如下面的实施例所述。由于该装置解决问题的原理与一种随机噪声衰减的方法相似,因此该装置的实施可以参见一种随机噪声衰减的方法的实施,重复之处不再赘述。
如图11所示,本申请实施例中的一种随机噪声衰减的装置可以包括:
获取模块1101,用于获取单炮记录,并对其进行傅里叶变换,得到频域内的单炮记录。
构建模块1102,用于根据频域内的单炮记录,构建汉克尔矩阵集,所述汉克尔矩阵集中的每一个汉克尔矩阵的元素为时间频率变换值,所述时间频率变换值为所述单炮记录在预设频率范围内每一个频率切片所对应的时间频率变换值。
所述汉克尔矩阵集中的每一个汉克尔矩阵的元素为所述频域内的单炮记录在预设频率范围内的每一频率切片中各个检波器的频率值。
分解模块1103,用于对所述汉克尔矩阵集中的每一个汉克尔矩阵进行奇异值分解。
计算模块1104,用于根据所述奇异值分解的结果,并结合预设数值K,计算所述每一个汉克尔矩阵的前K个部分和,获取每一个汉克尔矩阵的前K个部分和矩阵,所述预设数值K不小于所述单炮记录中的倾角个数。
平均模块1105,用于将每一个所述前K个部分和矩阵沿其反对角线平均,得到对应的平均后的矩阵。
替换模块1106,用于用每一个所述平均后的矩阵的元素值替换频域内的单炮记录的对应数值。
反变换模块1107,用于将替换后的频域内的单炮记录进行傅里叶反变换。
在本申请的一个实施例中,对含噪声的原图像进行处理,得到处理结果。处理中的K值选择不小于在所述单炮记录中的倾角个数的数值,分别得到处理结果,选择其中处理结果最符合预期效果的一个K值。
由以上一种随机噪声衰减的装置的实施例可见,本实施例在频域范围内进行了压制随机噪声处理,首先通过将单炮记录中各个检波器在每一频率切片的值构建成汉克尔矩阵集,对所述汉克尔矩阵集中的每一个汉克尔矩阵进行奇异值分解,取前K个部分和代替原来的汉克尔矩阵,然后将汉克尔矩阵还原到时间域,所述K值等于所述单炮记录中的倾角个数。由于地震数据的有效秩数不超过数据的倾角个数,取前K个部分和代替原有的矩阵,可以保留下所有的地震信号,且前K个部分和都是奇异值较大的部分,奇异值越大,对地震信号贡献越大,因此取前K个部分和可以实现高保真的压制随机噪声。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请实施例的具体实施例而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种随机噪声衰减的方法,其特征在于,所述包括以下步骤:
获取单炮记录,并对其进行傅里叶变换,得到频域内的单炮记录;
根据所述频域内的单炮记录,构建汉克尔矩阵集,所述汉克尔矩阵集中的每一个汉克尔矩阵的元素为时间频率变换值,所述时间频率变换值为所述单炮记录在预设频率范围内每一个频率切片所对应的时间频率变换值;
对所述汉克尔矩阵集中的每一个汉克尔矩阵进行奇异值分解;
根据所述奇异值分解的结果,并结合预设数值K,计算所述每一个汉克尔矩阵的前K个部分和,获取所述每一个汉克尔矩阵的前K个部分和矩阵,所述预设数值K不小于所述单炮记录中的倾角个数;
将每一个所述前K个部分和矩阵沿其反对角线平均,得到对应的平均后的矩阵;
用每一个所述平均后的矩阵的元素值替换频域内的单炮记录的对应数值;
将替换后的频域内的单炮记录进行傅里叶反变换。
2.如权利要求1所述的方法,其特征在于,所述将所述每一个汉克尔矩阵的前K个部分和矩阵沿反对角线平均包括:
用所述前K个部分和矩阵中的每一条反对角线元素的算术平均值代替相应的反对角线上的所有元素。
3.如权利要求1所述的方法,其特征在于,所述计算所述每一个汉克尔矩阵的前K个部分和为:
FK=I1+I2+…IK
式中,FK表示所述前K个部分和,Ii表示第i个加权特征图像。
4.如权利要求1所述的方法,其特征在于,所述预设频率范围为所述单炮记录中的地震数据频率范围。
5.如权利要求1所述的方法,其特征在于,所述预设数值K大于所述单炮记录中的倾角个数。
6.一种随机噪声衰减的装置,其特征在于,所述装置包括:
获取模块,用于获取单炮记录,并对其进行傅里叶变换,得到频域内的单炮记录;
构建模块,用于根据频域内的单炮记录,构建汉克尔矩阵集,所述汉克尔矩阵集中的每一个汉克尔矩阵的元素为时间频率变换值,所述时间频率变换值为所述单炮记录在预设频率范围内每一个频率切片所对应的时间频率变换值;
分解模块,用于对所述汉克尔矩阵集中的每一个汉克尔矩阵进行奇异值分解;
计算模块,用于根据所述奇异值分解的结果,并结合预设数值K,计算所述每一个汉克尔矩阵前K个部分和,获取每一个汉克尔矩阵的前K个部分和矩阵,所述预设数值K不小于所述单炮记录中的倾角个数;
平均模块,用于将每一个所述前K个部分和矩阵沿其反对角线平均,得到对应的平均后的矩阵;
替换模块,用于用每一个所述平均后的矩阵的元素值替换频域内的单炮记录的对应数值;
反变换模块,用于将替换后的频域内的单炮记录进行傅里叶反变换。
7.如权利要求6所述的装置,其特征在于,所述将所述每一个汉克尔矩阵的前K个部分和矩阵沿反对角线平均包括:
用所述前K个部分和矩阵中的每一条反对角线素的算术平均值代替相应的反对角线上的所有元素。
8.如权利要求6所述的装置,其特征在于,所述计算所述每一个汉克尔矩阵前K个部分和为:
FK=I1+I2+…IK
式中,FK表示所述前K个部分和,Ii表示第i个加权特征图像。
9.如权利要求6所述的装置,其特征在于,所述预设频率范围为所述单炮记录中的地震数据频率范围。
10.如权利要求6所述的装置,其特征在于,所述预设数值K大于所述单炮记录中的倾角个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610833692.7A CN106526665B (zh) | 2016-09-20 | 2016-09-20 | 一种随机噪声衰减的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610833692.7A CN106526665B (zh) | 2016-09-20 | 2016-09-20 | 一种随机噪声衰减的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106526665A true CN106526665A (zh) | 2017-03-22 |
CN106526665B CN106526665B (zh) | 2018-07-13 |
Family
ID=58344123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610833692.7A Active CN106526665B (zh) | 2016-09-20 | 2016-09-20 | 一种随机噪声衰减的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106526665B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109001802A (zh) * | 2018-08-30 | 2018-12-14 | 电子科技大学 | 基于Hankel张量分解的地震信号重构方法 |
CN109582917A (zh) * | 2018-10-24 | 2019-04-05 | 加康康健有限公司 | 一种基于ssa的信号去噪方法、装置、终端设备及存储介质 |
CN110728624A (zh) * | 2019-09-29 | 2020-01-24 | 厦门大学 | 一种高分辨率扩散加权图像重建方法 |
CN111257929A (zh) * | 2020-02-17 | 2020-06-09 | 成都理工大学 | 一种奇异值衰减的降秩去噪方法 |
CN111830560A (zh) * | 2020-07-24 | 2020-10-27 | 河北工业大学 | 一种基于降秩算法的地震数据重建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040054479A1 (en) * | 2002-09-12 | 2004-03-18 | Trickett Stewart Roy | Method of using matrix rank reduction to remove random noise from seismic data |
CN102998706A (zh) * | 2012-11-23 | 2013-03-27 | 中国石油大学(北京) | 一种衰减地震数据随机噪声的方法及系统 |
CN104849758A (zh) * | 2015-05-05 | 2015-08-19 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 针对地震数据中的规则干扰的压制方法 |
WO2015145261A2 (en) * | 2014-03-28 | 2015-10-01 | Cgg Services Sa | Noise attentuation using a dipole sparse tau-p inversion |
-
2016
- 2016-09-20 CN CN201610833692.7A patent/CN106526665B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040054479A1 (en) * | 2002-09-12 | 2004-03-18 | Trickett Stewart Roy | Method of using matrix rank reduction to remove random noise from seismic data |
CN102998706A (zh) * | 2012-11-23 | 2013-03-27 | 中国石油大学(北京) | 一种衰减地震数据随机噪声的方法及系统 |
WO2015145261A2 (en) * | 2014-03-28 | 2015-10-01 | Cgg Services Sa | Noise attentuation using a dipole sparse tau-p inversion |
CN104849758A (zh) * | 2015-05-05 | 2015-08-19 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 针对地震数据中的规则干扰的压制方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109001802A (zh) * | 2018-08-30 | 2018-12-14 | 电子科技大学 | 基于Hankel张量分解的地震信号重构方法 |
CN109001802B (zh) * | 2018-08-30 | 2019-11-05 | 电子科技大学 | 基于Hankel张量分解的地震信号重构方法 |
CN109582917A (zh) * | 2018-10-24 | 2019-04-05 | 加康康健有限公司 | 一种基于ssa的信号去噪方法、装置、终端设备及存储介质 |
CN109582917B (zh) * | 2018-10-24 | 2023-04-14 | 加康康健有限公司 | 一种基于ssa的信号去噪方法、装置、终端设备及存储介质 |
CN110728624A (zh) * | 2019-09-29 | 2020-01-24 | 厦门大学 | 一种高分辨率扩散加权图像重建方法 |
CN110728624B (zh) * | 2019-09-29 | 2021-07-23 | 厦门大学 | 一种高分辨率扩散加权图像重建方法 |
CN111257929A (zh) * | 2020-02-17 | 2020-06-09 | 成都理工大学 | 一种奇异值衰减的降秩去噪方法 |
CN111257929B (zh) * | 2020-02-17 | 2021-03-19 | 成都理工大学 | 一种奇异值衰减的降秩去噪方法 |
CN111830560A (zh) * | 2020-07-24 | 2020-10-27 | 河北工业大学 | 一种基于降秩算法的地震数据重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106526665B (zh) | 2018-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106526665A (zh) | 一种随机噪声衰减的方法及装置 | |
US20200105287A1 (en) | Deep neural network-based method and apparatus for combining noise and echo removal | |
Chen | Iterative deblending with multiple constraints based on shaping regularization | |
CN102819043B (zh) | 阵列信号随机噪声自适应模型去噪方法 | |
CN108828670B (zh) | 一种地震数据降噪方法 | |
CN102854533A (zh) | 一种基于波场分离原理提高地震资料信噪比的去噪方法 | |
CN105607125A (zh) | 基于块匹配算法和奇异值分解的地震资料噪声压制方法 | |
RU2539573C1 (ru) | Способ адаптивного и согласованного подавления флуктуационных шумов и сосредоточенных помех и устройство для его реализации | |
CN106771905A (zh) | 一种适用于高频电流局部放电检测的脉冲提取方法 | |
CN103728665A (zh) | 一种精细剩余静校正方法 | |
CN106059968A (zh) | Musa系统多级部分并行干扰消除多用户检测方法 | |
CN112992173B (zh) | 基于改进bca盲源分离的信号分离和去噪方法 | |
CN104133248B (zh) | 一种高保真声波干扰压制方法 | |
CN108919357B (zh) | 一种基于频谱重构的鬼波压制方法 | |
CN107179550A (zh) | 一种数据驱动的地震信号零相位反褶积方法 | |
Wason et al. | Source separation via SVD-free rank minimization in the hierarchical semi-separable representation | |
WO2019074554A2 (en) | ADAPTIVE INTERFERENCE INTERRUPTER FOR MULTIPLE REFERENCE INPUTS | |
CN110703332B (zh) | 一种鬼波压制方法 | |
Khajwaniya et al. | Satellite image denoising using Weiner filter with SPEA2 algorithm | |
Yu et al. | Seismic energy dispersion compensation by multi-scale morphology | |
CN106199716A (zh) | 一种叠后地震数据随机噪声压制方法 | |
Mazur et al. | Robust room equalization using sparse sound-field reconstruction | |
Nagarajappa | Coherent noise estimation by adaptive Hankel matrix rank reduction | |
RU2548660C2 (ru) | Приемное устройство широкополосных сигналов | |
Chen* | Deblending by iterative orthogonalization and seislet thresholding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |