CN106842324B - 一种基于时频域稀疏优化的光缆耦合噪声压制方法 - Google Patents
一种基于时频域稀疏优化的光缆耦合噪声压制方法 Download PDFInfo
- Publication number
- CN106842324B CN106842324B CN201611122364.2A CN201611122364A CN106842324B CN 106842324 B CN106842324 B CN 106842324B CN 201611122364 A CN201611122364 A CN 201611122364A CN 106842324 B CN106842324 B CN 106842324B
- Authority
- CN
- China
- Prior art keywords
- data
- optical cable
- noise
- signal
- cable coupled
- 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.)
- Active
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000009466 transformation Effects 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 239000006185 dispersion Substances 0.000 claims abstract description 8
- 241001269238 Data Species 0.000 claims abstract description 6
- 238000003825 pressing Methods 0.000 claims abstract description 6
- 238000000926 separation method Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 239000000700 radioactive tracer Substances 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 239000000835 fiber Substances 0.000 claims description 4
- 239000004615 ingredient Substances 0.000 claims description 4
- 230000021615 conjugation Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims 2
- 238000010276 construction Methods 0.000 claims 1
- 238000009826 distribution Methods 0.000 abstract description 18
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000001228 spectrum Methods 0.000 description 18
- 239000013307 optical fiber Substances 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000009021 linear effect Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004454 trace mineral analysis Methods 0.000 description 1
- 238000012795 verification Methods 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
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
- G01V1/364—Seismic filtering
-
- 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
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/20—Trace signal pre-filtering to select, remove or transform specific events or signal components, i.e. trace-in/trace-out
- G01V2210/21—Frequency-domain filtering, e.g. band pass
-
- 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
- G01V2210/324—Filtering
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)
Abstract
本发明公开一种基于时频域稀疏优化的光缆耦合噪声压制方法：01：根据有效信号波形形态特征与光缆耦合噪声波形形态特征确定形态成分分析所使用的两种变换字典，并构成超完备字典；02：使用分块坐标松弛算法对原始地震记录数据进行单道处理，实现信噪分离，得到初步压噪后数据；03：对初步压噪噪声进行高通滤波处理，原始数据减去高通滤波后噪声数据得到有效信号数据，消除波散现象；重复步骤02‑03直到所有道数据处理完成。本发明解决了分布式光纤采集记录地震数据中光缆耦合噪声的干扰问题，达到了彻底地压制光缆耦合噪声。此外，本发明方法可以进行单炮处理，具有良好的自适应性，并且可以并行处理，满足工业上大规模计算需求。
Description
技术领域
本发明涉及信号处理领域，特别涉及一种有关于地震勘探领域中的光缆耦合噪声压制方法。
背景技术
20世纪70年代以来，随着光导纤维以及光纤传感技术的巨大发展，光纤在通信传感领域取得到了广泛应用。分布式光纤传感技术利用光纤自身特性把光纤作为敏感元件，分辨率高、误差小，且测量距离远，可实现远距离测量与监控，特别适用于大范围多点测量，可以准确测量出光纤沿线上每一点的温度、振动以及损伤等信息。与传统传感器相比，分布式光纤具有抗电磁干扰、抗腐蚀、耐高温高压、体积小、易弯曲以及集信息采集与传输为一体的优点，非常适合于一些传统传感器受到限制的领域。在垂直地震资料采集过程中，油气井所处外界以及井内部环境复杂，温度、压强较高，采集位置较深，采用普通的电类传感已经不能满足要求，而分布式光纤技术可以有效地解决这些问题，并得到了广泛应用。分布式光纤技术采集得到的垂直地震剖面(VSP)数据的质量已经足够满足在成像、地层检测等方面的应用，而且由于生产成本较低，在工业上逐渐得到广泛应用。
但是，由于分布式光缆在采集传感与传输过程中没有贴靠到井壁上并受到随机振动事件的影响，导致产生强烈的振荡，而且振荡波的接触点在整个观测过程中相当稳定，因此在采集记录数据中受到强烈的光缆耦合噪声干扰，降低了地震数据的信噪比，影响数据的后续分析处理。现有技术：
模拟噪音减去法。该方法自动识别噪声道，确定含有噪声的接收道范围；然后提取子波，提取反射系数，并计算子波与反射系数褶积得到模拟噪声并减去。
现有技术的缺点：
(1)该方法需要识别噪声道，有时会检测不到弱光缆耦合噪声的个别道数据。
(2)该方法是基于得到模拟噪声并减去，而不同道地震数据的耦合噪声形态是复杂的，因此有时会导致去噪不彻底或者对有效信号造成损伤。
因此，提出一种有效压制分布式光纤采集资料中光缆耦合噪声的方法对于分布式光纤技术的进一步发展应用具有十分重要的意义。
发明内容
本发明的目的在于提供一种基于时频域稀疏优化的光缆耦合噪声压制方法。本发明根据分布式光纤系统中光缆耦合噪声产生原理以及有效信号与耦合噪声时频特征的差异性，选取连续小波变换稀疏表示有效信号，选取全局离散余弦变换稀疏表示光缆耦合噪声，并将这两类波形形态字典构造成超完备字典，利用分块坐标松弛算法进行求解。对分离的噪声做高通滤波，并减去得到有效信号，最终得到压制光缆耦合噪声后的数据。其中截止频率是在分析光缆耦合噪声的频谱分布后确定的。
一种基于时频域稀疏优化的光缆耦合噪声压制方法，对地震记录信号实施步骤01-步骤03：
步骤01：根据地震记录信号中有效信号波形形态特征与光缆耦合噪声波形形态特征确定形态成分分析所使用的两种变换字典，并构成超完备字典；
步骤02：对地震记录信号的原始数据进行单道处理，实现信噪分离，得到初步压噪后数据；
步骤03：根据光缆耦合噪声的统计信息，确定噪声高通滤波截止频率，并对噪声做高通滤波，原始数据减去高通滤波后噪声数据得到有效信号数据，消除波散现象；
重复步骤02-03直到所有道数据处理完成。
进一步的，步骤01中根据有效信号波形形态特征与噪声波形形态特征确定形态成分分析的两种变换字典，有效信号选择小波变换字典，光缆耦合噪声选择全局离散余弦变换字典，并构成超完备字典：
选择连续小波变换作为稀疏表示有效信号的字典，其中连续小波变换为：
式中WTx(a,τ)为变换系数，a表示尺度因子，x(t)表示待分析信号，ψ(t)表示Morlet母小波；其中t为时间，τ为平移量，*表示共轭。
连续小波变换的反变换为：
式中常数CΨ＜∞为其容许条件。
选择全局离散余弦变换作为稀疏表示光缆耦合噪声的字典，其中全局离散余弦变换的定义：
式中DCT(u)表示待分析信号的全局离散余弦变换系数，x[n]表示待分析信号，u＝1...N-1，n＝0...N-1，N为数据采样点长度。
全局离散余弦变换的反变换为：
用选定的字典A1即连续小波变换和A2即全局离散余弦变换，构成超完备字典，稀疏表示信号计算稀疏表示系数：
式中：x1为重构系数中与A1对应的部分；x2为重构系数中与A2对应的部分；为拉格朗日乘子。
进一步的，步骤02中使用分块坐标松弛算法对对原始地震记录数据进行单道处理，实现信噪分离，得到初步压噪后数据，具体包括以下步骤：
首先假设有效信号与光缆耦合噪声信号初始值都为零，然后通过分块坐标松弛算法迭代得到分离的有效信号与光缆耦合噪声。分块坐标松弛算法的主要步骤为：
初始化：初始迭代步数k＝0，初始解
表示有效信号的系数初始解，表示光缆耦合噪声的系数初始解；
迭代：每步迭代k增加1，并计算：
式中，Tλ为硬阈值函数；与A1构成一对正反变换，与A2构成一对正反变换。
终止条件：当小于预设的值时，即继续迭代对结果的影响足够小时，迭代终止；
输出：
为分离的有效信号的变换系数，为分离的光缆耦合噪声的变换系数。
分块坐标松弛算法迭代阈值函数类型为硬阈值，其中硬阈值函数公式如下：
式中：为硬阈值函数，λ为硬阈值，为系数矩阵的元素，k＝1,2,...,N，且N为系数矩阵的尺寸。
进一步的，步骤03中对噪声做高通滤波处理，原始数据减去滤波后噪声，得到有效信号数据，消除波散现象：
由于分块坐标松弛算法的局限性，迭代终止得到的光缆耦合噪声数据中含有有效信号成分，对有效信号造成损伤。
通过抽取若干道含有光缆耦合噪声的数据道分析振幅谱，统计得到噪声的低频范围，并将此作为截止频率，对光缆耦合噪声数据做此截止频率下的高通滤波，使有效信号从噪声数据中过滤出来。
原始数据减去滤波后的光缆耦合噪声数据，得到最终分离的有效信号。
相对于现有技术，本发明具有以下有益效果：利用本发明的方法对分布式光纤记录数据进行光缆耦合噪声压制，不仅能够有效的压制光缆耦合噪声，而且有效信号具有较高保真性。此外，该发明方法适用于单炮集处理，具有很强的自适应性，可以并行处理，因此适用于大规模的工业应用。
附图说明
图1A为分布式光纤记录地震信号波形图；
图1B为分布式光纤记录地震信号归一化振幅谱图；
图1C为分布式光纤记录地震信号时频图；
图2A为有效信号的时域波形图；
图2B为光缆耦合噪声的时域波形图；
图3A为连续小波变换原子示意图；
图3B为全局离散余弦变换原子示意图；
图4为本发明方法处理数据的流程图；
图5A-5C为含有光缆耦合噪声的数据归一化振幅谱图；
图6A为分布式光纤记录原始数据；
图6B为初步压制光缆耦合噪声后得到的有效信号数据；
图6C为对噪声高通滤波然后原始数据减去噪声数据得到的有效信号数据；
图6D为分离出的光缆耦合噪声；
图7为单道数据压噪前后的时域波形图；
图8A为单道数据压噪前的归一化振幅谱；
图8B为图8A所示数据压噪后的归一化振幅谱；
图8C为图8A所示数据分离出的光缆耦合噪声的归一化振幅谱；
图9A为单道数据压噪前的时频谱；
图9B为图9A所示数据压噪后的时频谱；
图9C为图9A所示数据分离出的光缆耦合噪声的时频谱。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步详细的说明。
本发明是基于时频域稀疏优化的分布式光纤光缆耦合噪声分离方法。本发明根据分布式光纤记录中有效信号与光缆耦合噪声时频特征差异性，选取连续小波变换稀疏表示有效信号，全局离散余弦变换稀疏表示光缆耦合噪声，并将这两类波形形态字典构造成超完备字典，利用分块坐标松弛算法进行实现的。
如图1A-1C所示，分布式光纤记录某一单道数据中有效信号受到较强光缆耦合噪声的干扰，有效信号在时频谱上表现为近似脉冲特征，光缆耦合噪声在时频谱上表现为近似几条水平直线的特征，在振幅谱上表现为近似脉冲特征，即光缆耦合噪声主要表现为几个单频信号的叠加。
如图2A与图3A所示，连续小波变换原子与有效信号波形形态相似，能更有效地表示有效信号。
如图2B与图3B所示，全局离散余弦变换原子与光缆耦合噪声波形形态比较匹配，能更有效表示光缆耦合噪声。
请参阅图4所示，在本发明提出了一种基于时频域稀疏优化的光缆耦合噪声压制方法，主要包括以下步骤：
步骤101：根据地震记录信号中有效信号波形形态特征与光缆耦合噪声波形形态特征确定形态成分分析所使用的两种变换字典，即小波变换与全局离散余弦变换以及相对应的参数，并构成超完备字典；
步骤102：使用分块坐标松弛算法对原始地震记录数据进行单道处理，实现信噪分离，得到初步压噪后数据；
步骤103：对初步压噪得到的噪声进行高通滤波处理，原始数据减去高通滤波后噪声数据得到有效信号数据，以消除波散现象；
重复步骤102-103直到所有道数据处理完成。
步骤101中根据有效信号波形形态特征与噪声波形形态特征确定形态成分分析的两种变换字典，有效信号选择小波变换字典，光缆耦合噪声选择全局离散余弦变换字典，并构成超完备字典：
选择连续小波变换作为稀疏表示有效信号的字典，其中连续小波变换为：
式中WTx(a,τ)为变换系数，a表示尺度因子，x(t)表示待分析信号，ψ(t)表示Morlet母小波；其中t为时间，τ为平移量，*表示共轭。
连续小波变换的反变换为：
式中常数CΨ＜∞为其容许条件。
本实施例中，小波变换基函数类型选择为实数类型，小波变换最小尺度为2×dt，最大尺度为100×dt，dt为采样间隔，尺度间隔为0.125。
选择全局离散余弦变换作为稀疏表示光缆耦合噪声的字典，其中全局离散余弦变换的定义：
式中DCT(u)表示待分析信号的全局离散余弦变换系数，x[n]表示待分析信号，且u＝1,2,...,N-1，n＝0...N-1，N为数据采样点长度。
全局离散余弦变换的反变换为
步骤102中对原始数据进行单道处理，得到初步压噪数据，具体包括以下步骤：
首先假设有效信号与光缆耦合噪声信号初始值都为零，然后通过分块坐标松弛算法迭代得到分离的有效信号与光缆耦合噪声。
坐标松弛算法的迭代步骤为：
初始化：初始迭代步数k＝0，初始解
表示有效信号的系数初始解，表示光缆耦合噪声的系数初始解；
迭代：每步迭代k增加1，并计算：
式中，Tλ为硬阈值函数。
终止条件：当小于预设的值时，即继续迭代对结果的影响足够小时，迭代终止；
输出：
为分离的有效信号的变换系数，为分离的光缆耦合噪声的变换系数。
分块坐标松弛算法中阈值函数类型为硬阈值，其中硬阈值函数公式如下：
式中：为硬阈值函数，λ为硬阈值，为系数矩阵的元素，k＝1,2,...,N，且N为系数矩阵的尺寸。
本实施例中，分块坐标松弛算法迭代次数选择为30次；每道数据的振幅均值作为该道数据处理时的最小阈值参数，小波变换阈值权系数为0.85，全局离散余弦变换的阈值权系数为0.8。
步骤103中对初步压噪噪声进行做高通滤波处理，原始数据减去滤波后噪声，得到有效信号数据，消除波散现象：
对图6A中若干道含有光纤耦合噪声的数据的归一化振幅谱，如图5A-5C，进行统计分析，本实施例中选择6.5Hz作为光缆耦合噪声的高通滤波截止频率。
原始数据减去滤波后的光纤耦合噪声，得到压制光缆耦合噪声后的数据。
本发明具有如下有益效果：
1)本发明对有效信号具有高保真性，能够有效的保护有效波的高低频成分；
2)本发明方法可以进行单炮处理，具有良好的自适应性；
3)本发明方法是基于单道数据进行处理的，可以并行处理，满足工业大规模计算需求。
下面利用本发明提供的分析处理方法应用到分布式光纤记录的实际数据中，发现本发明的方法不仅能够有效地压制光缆耦合噪声，而且有效信号具有较高保真性，为后续资料的分析奠定基础。
如图6A为基于分布式光纤记录的地震数据的一个炮集片段数据，接下来验证本发明方法处理该实际地震资料的有效性。该数据总共1200道，采样时间间隔为1ms，记录长度为5.993s。从剖面上可以看出，地震数据受到很强的光缆耦合噪声干扰，导致部分有效信号被光缆耦合噪声覆盖，对地震资料的后续分析造成严重影响。
如图6B所示，应用本发明方法的第2步即对该炮集数据进行处理，获得初步压噪数据。可以看到，光缆耦合噪声得到的有效压制，被掩盖的有效信号同相轴显露出来。但是，出现了明显的波散现象，主要是因为噪声数据中含有有效信号损伤。
如图6C所示，应用本发明方法的第3步即对第2步中分离出的噪声进行巴特沃兹高通滤波而后从原始数据中减去滤波后噪声得到有效信号数据。可见，波散现象得到抑制。
如图6D所示，本发明方法分离的光缆耦合噪声中没有对有效信号造成损伤。
图7为图6A所示数据抽取第480道使用本发明压制光缆耦合噪声前后的波形图。可以看出，原始数据中光缆耦合噪声得到明显压制。
如图8A-8C所示，为图6A所示数据抽取第480道数据使用本发明方法压制光缆耦合噪声前后的归一化振幅谱图。原始数据振幅谱中明显的单峰得到抑制，光缆耦合噪声振幅谱中的单峰较窄，表现为明显的单频特征，可见没有对有效信号造成损伤。
如图9A-9C所示，为图6A所示数据抽取第480道数据使用本发明方法压制光缆耦合噪声前后的时频谱。原始数据时频谱中可以看到有明显的光缆耦合噪声能量，压噪后数据时频谱中没有残留光缆耦合噪声能量，噪声数据中的时频谱表现为水平直线即单频信号特征，且没有有效信号特征的时频分量出现，说明没有对有效信号造成损伤。
以上的实际资料算例中，利用本发明的方法对分布式光纤记录的地震资料数据进行光缆耦合噪声压制，不仅能够有效的压制光缆耦合噪声，而且有效信号具有较高保真性，为后续资料的分析奠定基础。
最后需要说明的是，以上模型和实际资料算例对本发明的目的，技术方案以及有益效果提供了进一步的验证，这仅属于本发明的具体实施算例，并不用于限定本发明的保护范围，在本发明的精神和原则之内，所做的任何修改，改进或等同替换等，均应在本发明的保护范围内。
Claims (3)
1.一种基于时频域稀疏优化的光缆耦合噪声压制方法，其特征在于，对地震记录信号实施步骤01-步骤03：
步骤01：根据波形形态特征，确定分别稀疏表示地震记录信号中有效信号与光缆耦合噪声的两种字典，并构成超完备字典；
步骤02：使用分块坐标松弛算法对原始地震记录数据进行单道处理，实现信噪分离，得到初步压噪后数据；
步骤03：对初步压噪得到的噪声进行高通滤波处理，原始数据减去高通滤波后噪声数据得到有效信号数据，以消除波散现象；
重复步骤02-03直到所有道数据处理完成。
2.如权利要求1所述的一种基于时频域稀疏优化的光缆耦合噪声压制方法，其特征在于，步骤01，包括：
形态成分分析的对象是含有两种具有不同形态特征的成分：
式中：表示待分析信号；表示信号中的两种成分，具有不同的形态特征；形态成分分析的目标是分别提取出两种成分；假设和能够分别由字典A1和A2有效的稀疏表示，但是用A2稀疏表示和用A1稀疏表示时稀疏性差；
选择连续小波变换作为稀疏表示有效信号的字典，其中连续小波变换为：
式中WTx(a,τ)为待分析信号的连续小波变换系数，a表示尺度因子，x(t)表示待分析信号，ψ(t)表示Morlet母小波，t为时间，τ为平移量，*表示共轭；
连续小波变换的反变换为：
式中常数CΨ＜∞为其容许条件；
构造全局离散余弦变换作为稀疏表示光缆耦合噪声的字典，其中全局离散余弦正变换为：
式中DCT(u)表示待分析信号的全局离散余弦变换系数，x[n]表示待分析信号，u＝1,2,...,N-1，n＝0...N-1，其中N为数据采样点长度；
全局离散余弦变换的反变换为：
用选定的字典A1即连续小波变换和A2即全局离散余弦变换，构成一组超完备字典，稀疏表示信号计算稀疏表示系数：
式中：x1为重构系数中与A1对应的部分；x2为重构系数中与A2对应的部分；为拉格朗日乘子；
步骤02，包括：
步骤01中优化问题通过分块坐标松弛算法进行迭代得到分离的有效信号与光缆耦合噪声；分块坐标松弛算法的步骤为：
初始化：初始迭代步数k＝0，初始解
表示信号成分1的系数初始解，表示信号成分2的系数初始解；
迭代：每步迭代k增加1，并计算：
式中，Tλ为硬阈值函数；与A1构成一对正反变换，与A2构成一对正反变换；
终止条件：当小于预设的值时，继续迭代对结果的影响足够小时，迭代终止；
输出：
为分离的信号成分1的变换系数，为分离的信号成分2的变换系数；
分块坐标松弛算法中，硬阈值函数公式如下：
式中：为硬阈值函数，λ为硬阈值，为系数矩阵的元素，k＝1,2,...,N，N为系数矩阵的尺寸，Φ为变换字典，s为时域信号。
3.如权利要求2所述的一种基于时频域稀疏优化的光缆耦合噪声压制方法，其特征在于，步骤03包括：对步骤02中得到的光纤耦合噪声做高通滤波处理，然后原始数据减去滤波后的光纤耦合噪声，得到分离的有效信号数据；重复步骤02-03，直至所有道数据处理完。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611122364.2A CN106842324B (zh) | 2016-12-08 | 2016-12-08 | 一种基于时频域稀疏优化的光缆耦合噪声压制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611122364.2A CN106842324B (zh) | 2016-12-08 | 2016-12-08 | 一种基于时频域稀疏优化的光缆耦合噪声压制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106842324A CN106842324A (zh) | 2017-06-13 |
| CN106842324B true CN106842324B (zh) | 2018-10-30 |
Family
ID=59139074
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611122364.2A Active CN106842324B (zh) | 2016-12-08 | 2016-12-08 | 一种基于时频域稀疏优化的光缆耦合噪声压制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106842324B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107436451B (zh) * | 2017-07-26 | 2019-10-11 | 西安交通大学 | 一种自动计算地震数据光缆耦合噪声强弱程度的振幅谱方法 |
| CN107356967B (zh) * | 2017-07-26 | 2019-04-12 | 西安交通大学 | 一种压制地震资料强屏蔽干扰的稀疏优化方法 |
| CN109765608B (zh) * | 2018-12-11 | 2021-05-25 | 中煤科工集团西安研究院有限公司 | 一种基于联合字典的煤层巷道锚杆振动噪声压制方法 |
| CN109959964B (zh) * | 2019-04-28 | 2020-10-27 | 西安交通大学 | 一种高铁震源地震信号的宽频背景噪声压制方法 |
| US11340371B2 (en) | 2019-07-11 | 2022-05-24 | Halliburton Energy Services, Inc. | Fiber optic noise mitigation for distributed acoustic sensing |
| CN113570041B (zh) * | 2021-07-29 | 2024-05-10 | 中国地质大学（北京） | 一种神经网络以及利用该神经网络压制海上光纤拖缆地震数据噪声的方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5347222A (en) * | 1993-01-11 | 1994-09-13 | Kabushiki Kaisha Toshiba | Signal/noise ratio optimization tuning system |
| CN101551465B (zh) * | 2008-04-03 | 2011-04-20 | 中国石油天然气集团公司 | 一种自适应识别和消除地震勘探单频干扰的方法 |
| CN102053273A (zh) * | 2009-10-29 | 2011-05-11 | 中国石油化工股份有限公司 | 一种对地震波信号进行反q滤波的方法 |
| CN105158801B (zh) * | 2015-07-29 | 2017-10-17 | 中国石油天然气集团公司 | 光缆耦合噪声的压制处理方法和装置 |
-
2016
- 2016-12-08 CN CN201611122364.2A patent/CN106842324B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106842324A (zh) | 2017-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106842324B (zh) | 一种基于时频域稀疏优化的光缆耦合噪声压制方法 | |
| CN107817527B (zh) | 基于块稀疏压缩感知的沙漠地震勘探随机噪声压制方法 | |
| Li et al. | Weak signal detection using multiscale morphology in microseismic monitoring | |
| CN103995289B (zh) | 基于时频谱模拟的时变混合相位地震子波提取方法 | |
| CN109669212B (zh) | 地震数据处理方法、地层品质因子估算方法与装置 | |
| CN106771905B (zh) | 一种适用于高频电流局部放电检测的脉冲提取方法 | |
| CN107436451B (zh) | 一种自动计算地震数据光缆耦合噪声强弱程度的振幅谱方法 | |
| CN105974468B (zh) | 一种能够同时进行五维地震数据重建和噪声压制的方法 | |
| CN106680874B (zh) | 基于波形形态特征稀疏化建模的谐波噪声压制方法 | |
| CN113935467B (zh) | 基于迭代多尺度注意力网络的das井中勘探数据噪声抑制方法 | |
| CN107179550B (zh) | 一种数据驱动的地震信号零相位反褶积方法 | |
| Dong et al. | Random and coherent noise suppression in DAS-VSP data by using a supervised deep learning method | |
| CN108345033A (zh) | 一种微地震信号时频域初至检测方法 | |
| Li et al. | Wavelet-based higher order correlative stacking for seismic data denoising in the curvelet domain | |
| CN110208856A (zh) | 一种基于流形分区2d-vmd的沙漠复杂噪声压制方法 | |
| CN105869126A (zh) | 高光谱图像的压缩感知去噪方法 | |
| Tang et al. | Adaptive threshold shearlet transform for surface microseismic data denoising | |
| CN106680873B (zh) | 一种自动衡量地震数据谐波噪声强弱的振幅谱比值方法 | |
| CN109283581B (zh) | 一种基于深度域地震波频散分析的储层含气性评价方法 | |
| CN109100813B (zh) | 一种基于协同滤波消除地面核磁共振数据中尖峰噪声的方法 | |
| Du et al. | Study on optical fiber gas-holdup meter signal denoising using improved threshold wavelet transform | |
| CN113389541A (zh) | 一种油井动液面信号高精度提取方法 | |
| Lin et al. | Research on microseismic denoising method based on CBDNet | |
| CN111650655B (zh) | 一种非负矩阵分解的有监督瞬变电磁信号降噪方法 | |
| Chen et al. | Wavelets in geosciences |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 |