CN106950597B - 基于三边滤波的混合震源数据分离方法 - Google Patents

基于三边滤波的混合震源数据分离方法 Download PDF

Info

Publication number
CN106950597B
CN106950597B CN201710259316.6A CN201710259316A CN106950597B CN 106950597 B CN106950597 B CN 106950597B CN 201710259316 A CN201710259316 A CN 201710259316A CN 106950597 B CN106950597 B CN 106950597B
Authority
CN
China
Prior art keywords
mrow
record
mixing
separation
shot
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.)
Expired - Fee Related
Application number
CN201710259316.6A
Other languages
English (en)
Other versions
CN106950597A (zh
Inventor
魏亚杰
韩立国
胡勇
靳中原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN201710259316.6A priority Critical patent/CN106950597B/zh
Publication of CN106950597A publication Critical patent/CN106950597A/zh
Application granted granted Critical
Publication of CN106950597B publication Critical patent/CN106950597B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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

本发明涉及一种基于三边滤波的混合震源数据分离方法，假设一个初始的分离结果单炮地震记录，在频率域用混合震源算子将单炮地震记录混合成混合震源记录，与原始的野外采集的混合炮记录做差；用混合震源算子对混合炮记录的差做伪分离得到伪分离记录；利用三边滤波去噪方法对共偏移距域伪分离记录做处理，得到的结果加到初始的分离结果单炮地震记录上就完成了一次迭代分离。能去除所有混合噪声，但同时也去除了部分有效信号，滤去了很大部分高频信息，迭代过程就是对分离单炮记录增加高频信息过程。本发明不仅能够延迟时间范围较小的情况下得到满意的分离结果，提高了采集效率；在去除混合噪声的同时还能够去除其它随机噪声，提高了处理的效率。

Description

基于三边滤波的混合震源数据分离方法
技术领域
本发明涉及一种地震勘探高效的采集处理技术，混合震源能够有效的提高采集效率，本发明通过减少混合震源之间的激发延迟时间，保持处理结果精度的同时，进一步提高了采集效率。
背景技术：
混合震源采集技术相对于传统地震数据采集具有改善成像质量、提高采集效率的优势。混合震源采集是不同位置的多个震源以一定的编码方式同时或者延时激发，从而获得相互干涉的混合炮记录，我们把待研究的炮点激发的信号称为有效信号，接收到其它炮激发的信号称为混合噪声，这些混合噪声降低了地震记录的信噪比，从而对成像质量有很大的影响。混合震源数据分离就是对混合炮记录中的混合噪声进行压制，分离出单炮记录的过程。
Silverman提出可控震源的同时激发采集；Beasley等引入了脉冲型震源的同时激发采集；Bagaini对比讨论了各种不同可控震源同时激发采集方法.多源地震混合采集(blended acquisition)是在此基础上进一步发展起来的:Vaage提出随机或者伪随机延迟激发震源的海上电缆采集；混合震源采集最早是由Berkhout提出的，他对混合震源项进行随机线性编码，使得不同震源按照一定的随机延时进行激发；Ikelle用相位编码将常规的单炮记录压缩为多源记录，并且探讨了混合震源的采集、模拟和处理技术；佘德平等对多源混合炮记录数值模拟进行了研究。
混合震源采集的关键在于压制混合噪声，分离出高质量的单炮记录。滤波方法是一种压制混合噪声的有效方法，经过伪分离处理后混合噪声只有在共炮域是相关的，在非共炮域(共检波点域、共偏移距域等)以脉冲形式随机分布。根据这一理论，Huo等利用矢量中值滤波在共中心点域去除混合噪声；Doulgeris等进一步设计了迭代算法，在共检波点域压制混合噪声；韩立国等提出了基于迭代去噪的混合数据分离技术，实现了高混合度混合震源数据分离；刘强等将混采数据分离中插值与去噪在同一个框架下同步处理，提高了分离效率。
上面的方法是在混合延迟时间范围比较大、随机性比较好的情况下，混合噪声在非共炮域呈脉冲形式随机分布，分离效果比较好。考虑到进一步提高采集效率，减小随机延迟时间范围，混合噪声分布明显更加集中，上述方法不能很好的去除混合噪声，得不到高信噪比的分离结果。
发明内容：
本发明的目的针对上述现有技术的不足，提供了一种基于三边滤波的混合震源数据分离方法。
本发明的目的是通过以下技术方案实现的：
本发明的思想是：首先假设了一个初始的分离结果单炮地震记录，在频率域利用混合震源算子将单炮地震记录混合成混合震源记录，与原始的野外采集的混合炮记录做差，之后在频率域利用混合震源算子对混合炮记录的差做伪分离得到一个伪分离记录，然后利用三边滤波去噪的方法对共偏移距域伪分离记录做处理，得到的结果加到初始的分离结果单炮地震记录上就完成了一次迭代分离。第一次迭代设置较小的脉冲权重参数，基本上能去除所有的混合噪声，但同时也去除了一部分有效信号，滤去了很大一部分高频信息，迭代过程就是对分离单炮记录增加高频信息的过程。
基于三边滤波的混合数据分离方法是在MATLAB2013a平台上进行数据处理的。
基于三边滤波的混合数据分离方法，包括以下步骤：
a、对实际混合采集地震数据(一般为两炮混合)进行预处理得到实际混合震源地震数据U；
b、首先假设初始分离单炮炮集记录Pi＝0(i＝0)；
c、在频率域通过混合震源编码Γbl将分离单炮记录混合成混合震源记录Pbl：
Γbl＝e-iωt
Pbl＝PiΓbl
其中ω为频率，t为混合震源中单炮的延迟时间；
d、计算实际采集地震数据U与分离单炮记录合成的混合震源记录Pbl之间的差值，即剩余混合信号Udif＝U-Pbl；
e、在频率域通过混合震源编码Γbl对Udif做伪分离，得到伪分离后的单炮地震数据P′：
其中H表示共轭转置，伪分离数据P′含有大量的混合噪声呈相干分布；
f、将伪分离后的单炮地震数据由共炮域转换到共偏移距域，得到伪分离后的共偏移距域地震记录，此时共偏移距域内有效信号呈连续分布，混合噪声以随机脉冲形式分布；
g、使用三边滤波方法去除共偏移距域地震记录中的混合噪声，具体方法是：
(1)任意选取共偏移距域记录中的一个点x＝(x1,x2)，该点灰度值为u(x)，令Ω＝Ωx(N)是以x点为中心N为半滤波器宽的邻域。
(2)计算点x的ROAD值
ROAD(x)＝r1(x)+r2(x)+…+rm(x)
其中rk(x)是y∈Ω，|uy-ux|的值按照从小到大排序的第k个值，本文半滤波器宽N的值一般取1，m的值我们一般取4。
(3)计算点x的权系数：
ω(x,y)＝ωS(x,y)ωR(x,y)1-J(x,y)ωI(x,y)J(x,y)
其中表示距离权重；表示灰度权重，表示脉冲权重。当x点和y点都不为脉冲噪声点时，ROAD(x)和ROAD(y)值都比较小，J(x,y)≈0，脉冲权重ωI对权系数不起作用；当x点和y点至少有一个脉冲噪声点时，ROAD(x)+ROAD(y)值远远大于0，那么J(x,y)≈1，脉冲权重ωI对图像平滑起主要作用。
(4)σI、σJ取较小的值，计算三边滤波修复后的图像点
h、将三边滤波后的共偏移距道集地震记录转换回共炮点域，得到剩余混合信号的分离结果Pdif，那么原始混合震源数据U的分离结果Pi+1＝Pdif+Pi；
i、取i＝i+1，逐渐增大σI、σJ取值，重复过程b～h直到最终得到满足精度要求的结果。
有益效果：本发明成功地将三边滤波等技术应用到了混合震源数据分离中，提出的基于三边滤波的混合数据分离方法不仅能够延迟时间范围较小的情况下得到满意的分离结果，提高了采集效率；在去除混合噪声的同时还能够去除其它随机噪声，提高了数据处理效率。
本发明有以下特点：1、频率域混合震源数据模拟与伪分离，为迭代降噪技术奠定了基础；2、实现了地震炮集记录由共炮点域向共偏移距域、共中心点域、共检波点域转换以及它们的逆变换；3、三边滤波技术在去除混合噪声的同时还能够去除其它随机噪声；4、三边滤波技术是在双边滤波技术的基础上改进来的，继承了双边滤波技术的有点，能够很好的保留边界细节信息；5、混合炮中单炮之间延迟时间比较小的情况下对混合噪声的去除以及对有效信号的保留都有很好的效果。
附图说明
图1基于三边滤波的混合震源数据分离方法流程图。
图2(a)混合震源伪分离后单炮共炮点域地震记录；(b)混合震源伪分离后单炮共检波点域地震记录。
图3随机延时范围较大时，混合震源中两炮的相对延迟时间。
图4为多级中值滤波和本发明方法在随机延时范围较大时的对比结果
(a)为伪分离以后的单炮记录(以第30炮为例)；
(b)为伪分离数据零偏移距地震剖面；
(c)为多级中值滤波的分离结果；
(d)为多级中值滤波分离后的零偏移距剖面；
(e)为多级中值滤波分离前后零偏移距差剖面，即图(b)与(d)的差；
(f)为本发明方法的分离结果；
(g)为本发明方法分离后的零偏移距剖面；
(h)为本发明方法分离前后零偏移距差剖面，即(b)与(g)的差。
图5随机延时范围较小时，混合震源中两炮的相对延迟时间
图6多级中值滤波和本发明方法在随机延迟时间范围较小时的对比结果。
(a)为伪分离以后的单炮记录(以第30炮为例)；
(b)为伪分离数据零偏移距地震剖面；
(c)为多级中值滤波的分离结果；
(d)为多级中值滤波分离后的零偏移距剖面；
(e)为多级中值滤波分离前后零偏移距差剖面，即(b)与(d)的差；
(f)为本发明方法的分离结果；
(g)为本发明方法分离后的零偏移距剖面；
(h)为本发明方法分离前后零偏移距差剖面，即(b)与(g)的差。
图7实际采集数据分离结果对比；
(a)实际采集的混合震源数据
(b)(c)应用本发明方法的分离结果
图8实际数据零偏移距剖面对比
(a)实际采集混合数据零偏移距剖面
(b)分离结果的零偏移距剖面
具体实施方式
下面结合附图和实例对本发明进一步的详细说明
基于三边滤波的混合震源数据分离方法，包括以下步骤：
a、对实际混合采集地震数据(一般为两炮混合)进行预处理得到实际混合震源地震数据U；
b、首先假设初始分离单炮炮集记录Pi＝0(i＝0)；
c、在频率域通过混合震源编码Γbl将分离单炮记录混合成混合震源记录Pbl，
具体实施方式：
(1)对分离单炮炮集记录做FFT变换；
(2)每一个频率ω对应的混合震源记录为Pblω:
Pblω＝PiωΓbl
Γbl＝e-iωt
(3)计算完所有的频率，通过IFFT变换将混合震源记录由频率域转换到时间域得到Pbl。
其中ω为频率，t为混合震源中单炮的延迟时间；
d、计算实际采集地震数据U与分离单炮记录合成的混合震源记录Pbl之间的差值，即剩余混合信号Udif＝U-Pbl；
e、在频率域通过混合震源编码Γbl对Udif做伪分离，得到伪分离后的单炮地震数据P′：
其中H表示共轭转置，伪分离数据P′含有大量的混合噪声呈相干分布；
f、将伪分离后的单炮地震数据由共炮域转换到共偏移距域，得到伪分离后的共偏移距域地震记录，此时共偏移距域内有效信号呈连续分布，混合噪声以随机脉冲形式分布；
g、使用三边滤波方法去除共偏移距域地震记录中的混合噪声，具体方法是：
(1)任意选取共偏移距域记录中的一个点x＝(x1,x2)，该点灰度值为u(x)，令Ω＝Ωx(N)是以x点为中心N为半滤波器宽的邻域。
(2)计算点x的ROAD值
ROAD(x)＝r1(x)+r2(x)+…+rm(x)
其中rk(x)是y∈Ω，|uy-ux|的值按照从小到大排序的第k个值，本文半滤波器宽N的值一般取1，m的值我们一般取4。
(3)计算点x的权系数：
ω(x,y)＝ωS(x,y)ωR(x,y)1-J(x,y)ωI(x,y)J(x,y)
其中表示距离权重；表示灰度权重，表示脉冲权重。当x点和y点都不为脉冲噪声点时，ROAD(x)和ROAD(y)值都比较小，J(x,y)≈0，脉冲权重ωI对权系数不起作用；当x点和y点至少有一个脉冲噪声点时，ROAD(x)+ROAD(y)值远远大于0，那么J(x,y)≈1，脉冲权重ωI对图像平滑起主要作用。
(4)σI、σJ取较小的值，计算三边滤波修复后的图像点
h、将三边滤波后的共偏移距道集地震记录转换回共炮点域，得到剩余混合信号的分离结果Pdif，那么原始混合震源数据U的分离结果Pi+1＝Pdif+Pi；
i、取i＝i+1，逐渐增大σI、σJ取值，重复过程b～h直到最终得到满足精度要求的结果。
实施例1
由于受硬件设备的限制，我们选取了某海域一套实测单炮数据(含有100个震源、100个检波器)对本发明进行验证。我们使用该套单炮数据通过步骤c模拟出了一套两炮混合的混合震源数据。
模拟混合震源数据参数
混合震源个数为50，每个混合震源包含单炮的个数为2，第1个震源和第51个震源组成第1个混合震源，第2个震源和第52个震源组成第二个混合震源，以此类推，第50个震源和第100个震源组成第50个混合震源。检波器个数为100，采样总时长为2s，采样率为0.002s。
基于三边滤波混合震源数据分离参数如下：
由于σI、σJ取值越小对混合噪声压制效果越好，由于每次迭代后剩余混合信号中的噪声强度也逐渐减小，我们这里迭代方法采用逐渐增大σI、σJ的取值。这里σI、σJ取值为(0.2，0.2)，(0.23，0.23)，(0.25，0.25)，(0.26，0.26)，(0.27，0.27)，(0.27，0.27)，(0.27，0.27)。
表1混合震源数据分离对比结果
分离结果信噪比(SNR) 延迟时间范围1s 延迟时间范围0.2s
迭代的多级中值滤波法 16.38dB 7.62dB
本发明方法 17.55dB 18.63dB
注：表1中分离结果信噪比计算公式为：
从表1中可以看出随机时间延迟较大时(1s)，三边滤波方法对混合震源数据分离信噪比和迭代的多级中值滤波方法分离的信噪比有一定的提高，但是差别不大，图4c和图4f可以看出两种方法对混合噪声压制很彻底，图4e和图4h可以看出两种方法对有效信号的保留也很完整。随机时间延迟较小时(0.2s)，三边滤波方法对混合震源数据分离信噪比远远大于迭代的多级中值滤波方法分离的信噪比，图5c和图5f做对比，图5c中可以看到明显的残留混合噪声，图5e和图5h做对比，图5e中可以看到明显的有效信息。从而在随机延迟时间范围较小时三边滤波方法能够更有效的压制混合噪声，同时保留更多的细节信息。
实施例2
海上实际混合数据采集方式为全排列采集，检波线长度为10km，相邻两个检波器距离为25m，共400个检波器，炮线长8km，相邻两炮点水平间距25m，共320个炮点，两条震源船分布于检波线两侧，距离检波线垂直距离分别为100m、900m，两条震源船起始位置分别为第1个炮点和第161个炮点，同时向320炮点方向航行。检波器采样时长为6s，采样间隔为0.002s，随机延时范围为0.5s。
三边滤波分离参数我们选用实施例1的分离参数，分离结果见图7b和图7c，可以看到混合噪声明显得到了压制，图8的分离前后零偏移距剖面进一步验证了本发明方法的有效性，同时图8中我们可以看到本发明方法还能有效的压制其它随机噪声。

Claims (2)

1.一种基于三边滤波的混合震源数据分离方法，包括以下步骤：
a、对实际混合采集地震数据进行预处理得到实际混合震源地震数据U；
b、首先假设初始分离单炮炮集记录Pi＝0(i＝0)；
c、在频率域通过混合震源编码Γbl将分离单炮炮集记录混合成混合震源记录Pbl：
Γbl＝e-iωt
Pbl＝ifft[fft(Pi)×Γbl]
其中ω为频率，t为混合震源中单炮的延迟时间，fft与ifft分别表示快速傅立叶变换与快速傅立叶逆变换；
d、计算实际混合震源地震数据U与分离单炮炮集记录合成的混合震源记录Pbl之间的差值，即剩余混合信号Udif＝U-Pbl；
e、在频率域通过混合震源编码Γbl对Udif做伪分离，得到伪分离后的单炮地震数据P′：
<mrow> <msup> <mi>P</mi> <mo>&amp;prime;</mo> </msup> <mo>=</mo> <mi>i</mi> <mi>f</mi> <mi>f</mi> <mi>t</mi> <mo>&amp;lsqb;</mo> <mi>f</mi> <mi>f</mi> <mi>t</mi> <mrow> <mo>(</mo> <msub> <mi>U</mi> <mrow> <mi>d</mi> <mi>i</mi> <mi>f</mi> </mrow> </msub> <mo>)</mo> </mrow> <msup> <mrow> <mo>(</mo> <msubsup> <mi>&amp;Gamma;</mi> <mrow> <mi>b</mi> <mi>l</mi> </mrow> <mi>H</mi> </msubsup> <msub> <mi>&amp;Gamma;</mi> <mrow> <mi>b</mi> <mi>l</mi> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msubsup> <mi>&amp;Gamma;</mi> <mrow> <mi>b</mi> <mi>l</mi> </mrow> <mi>H</mi> </msubsup> <mo>&amp;rsqb;</mo> </mrow>
其中H表示共轭转置，伪分离后的单炮地震数据P′含有大量的混合噪声呈相干分布；
f、将伪分离后的单炮地震数据由共炮域转换到共偏移距域，得到伪分离后的共偏移距域地震记录，此时共偏移距域内有效信号呈连续分布，混合噪声以随机脉冲形式分布；
g、使用三边滤波方法去除共偏移距域地震记录中的混合噪声；
h、将三边滤波后的共偏移距域地震记录转换回共炮点域，得到剩余混合信号的分离结果Pdif，那么实际混合震源地震数据U的分离结果Pi+1＝Pdif+Pi；
i、取i＝i+1，重复过程b～h直到最终得到满足精度要求的结果。
2.按照权利要求1所述的基于三边滤波的混合震源数据分离方法，其特征在于，g步骤去除共偏移距域地震记录中混合噪声具体方法包括以下步骤：
(1)任意选取共偏移距域地震记录中的一个点x＝(x1,x2)，该点灰度值为ux，令Ω＝Ωx(N)是以x点为中心，N为半滤波器宽的邻域；
(2)计算点x的ROAD值
ROAD(x)＝r1(x)+r2(x)+…+rm(x)
其中rk(x)是y∈Ω，|uy-ux|的值按照从小到大排序的第k个值，半滤波器宽N＝1，m＝4；
(3)计算点x的权系数：
ω(x,y)＝ωS(x,y)ωR(x,y)1-J(x,y)ωI(x,y)J(x,y)
其中表示距离权重，表示灰度权重，表示脉冲权重，
<mrow> <mi>J</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>1</mn> <mo>-</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>R</mi> <mi>O</mi> <mi>A</mi> <mi>D</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>R</mi> <mi>O</mi> <mi>A</mi> <mi>D</mi> <mrow> <mo>(</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <mn>2</mn> </mfrac> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msup> <mo>/</mo> <mn>2</mn> <msubsup> <mi>&amp;sigma;</mi> <mi>J</mi> <mn>2</mn> </msubsup> </mrow>
当x点和y点都不为脉冲噪声点时，ROAD(x)和ROAD(y)值都比较小，此时J(x,y)≈0，脉冲权重ωI对权系数不起作用，当x点和y点至少有一个脉冲噪声点时，ROAD(x)+ROAD(y)值远远大于0，那么J(x,y)≈1，脉冲权重ωI对图像平滑起主要作用，
其中σI、σJ取值范围区间为(0，1)，随着i增加σI、σJ取相同的值分别为：0.2、0.23、0.25、0.26、0.27、0.27、0.27；
(4)根据步骤(3)中给定的σI、σJ的值，计算三边滤波修复后的图像点
<mrow> <msub> <mover> <mi>u</mi> <mo>~</mo> </mover> <mi>x</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&amp;Sigma;</mi> <mrow> <mi>y</mi> <mo>&amp;Element;</mo> <mi>&amp;Omega;</mi> </mrow> </msub> <mi>&amp;omega;</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msub> <mi>u</mi> <mi>y</mi> </msub> </mrow> <mrow> <msub> <mi>&amp;Sigma;</mi> <mrow> <mi>y</mi> <mo>&amp;Element;</mo> <mi>&amp;Omega;</mi> </mrow> </msub> <mi>&amp;omega;</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>.</mo> </mrow>
CN201710259316.6A 2017-04-20 2017-04-20 基于三边滤波的混合震源数据分离方法 Expired - Fee Related CN106950597B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710259316.6A CN106950597B (zh) 2017-04-20 2017-04-20 基于三边滤波的混合震源数据分离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710259316.6A CN106950597B (zh) 2017-04-20 2017-04-20 基于三边滤波的混合震源数据分离方法

Publications (2)

Publication Number Publication Date
CN106950597A CN106950597A (zh) 2017-07-14
CN106950597B true CN106950597B (zh) 2018-05-01

Family

ID=59476465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710259316.6A Expired - Fee Related CN106950597B (zh) 2017-04-20 2017-04-20 基于三边滤波的混合震源数据分离方法

Country Status (1)

Country Link
CN (1) CN106950597B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112782754A (zh) * 2019-11-06 2021-05-11 中国石油天然气集团有限公司 多源同步采集数据模拟方法及装置
CN115267899B (zh) * 2022-08-15 2024-01-12 河北地质大学 基于边界保持的DnCNN混合震源地震数据分离方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489159A (zh) * 2013-09-02 2014-01-01 电子科技大学 基于三边结构导向滤波的三维地震数据图像降噪方法
CN104536034A (zh) * 2015-01-08 2015-04-22 吉林大学 多震源并行激发采集与混合地震记录分离方法
CN105425296A (zh) * 2015-10-28 2016-03-23 中国石油天然气集团公司 地质体识别方法和装置
CN105527649A (zh) * 2015-11-30 2016-04-27 中国科学院地质与地球物理研究所 一种多域多次分离的高效采集多震源混合数据分离方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9754377B2 (en) * 2014-08-15 2017-09-05 Illinois Institute Of Technology Multi-resolution depth estimation using modified census transform for advanced driver assistance systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489159A (zh) * 2013-09-02 2014-01-01 电子科技大学 基于三边结构导向滤波的三维地震数据图像降噪方法
CN104536034A (zh) * 2015-01-08 2015-04-22 吉林大学 多震源并行激发采集与混合地震记录分离方法
CN105425296A (zh) * 2015-10-28 2016-03-23 中国石油天然气集团公司 地质体识别方法和装置
CN105527649A (zh) * 2015-11-30 2016-04-27 中国科学院地质与地球物理研究所 一种多域多次分离的高效采集多震源混合数据分离方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
地震数据的多属性三边滤波算法;华岗等;《计算机辅助设计与图形学学报》;20110630;第23卷(第06期);1034-1039 *
鲁棒多尺度地震层位识别与可视化;华岗等;《浙江大学学报(工学版)》;20111031;第45卷(第10期);1687-1703 *

Also Published As

Publication number Publication date
CN106950597A (zh) 2017-07-14

Similar Documents

Publication Publication Date Title
CN105607125B (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
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
CN108549106B (zh) 混叠噪声压制方法及装置
CN108267784A (zh) 一种地震信号随机噪声压制处理方法
CN101598812B (zh) 去除数字检波器单点接收地震记录中的异常噪声方法
CN109633752B (zh) 基于三维快速Radon变换的海上拖缆资料自适应鬼波压制方法
CN106646612A (zh) 基于矩阵降秩的地震数据重建方法
CN104932010B (zh) 一种基于近道镶边稀疏Radon变换的绕射波分离方法
CN102736109B (zh) 一种crp道集去噪、校正与叠加的方法
CN106597539A (zh) 针对黄土塬地区的曲波域Radon变换噪声压制方法
CN105700020A (zh) 一种地震数据随机噪声压制方法及装置
CN107144879A (zh) 一种基于自适应滤波与小波变换结合的地震波降噪方法
CN104849757B (zh) 消除地震信号中随机噪声系统及方法
CN106646637A (zh) 一种去除核磁信号中尖峰噪声的方法
CN104614769B (zh) 一种压制地震面波的聚束滤波方法
CN102221708A (zh) 基于分数阶傅里叶变换的随机噪声压制方法
CN104133248B (zh) 一种高保真声波干扰压制方法
CN107179550B (zh) 一种数据驱动的地震信号零相位反褶积方法
CN106680874A (zh) 基于波形形态特征稀疏化建模的谐波噪声压制方法
Shen et al. Resolution equivalence of dispersion-imaging methods for noise-free high-frequency surface-wave data
CN109885903A (zh) 一种基于模型的地面核磁共振信号尖峰噪声去除方法
CN113077386A (zh) 基于字典学习和稀疏表征的地震资料高分辨率处理方法
CN105510975B (zh) 提高地震数据信噪比的方法及装置
CN106950597B (zh) 基于三边滤波的混合震源数据分离方法
CN103364826A (zh) 基于独立分量分析的地震盲源反褶积方法

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180501

Termination date: 20190420