CN108051857B - 一种基于经验模态分解的局部相似性小波阈值去噪方法 - Google Patents

一种基于经验模态分解的局部相似性小波阈值去噪方法 Download PDF

Info

Publication number
CN108051857B
CN108051857B CN201711269726.5A CN201711269726A CN108051857B CN 108051857 B CN108051857 B CN 108051857B CN 201711269726 A CN201711269726 A CN 201711269726A CN 108051857 B CN108051857 B CN 108051857B
Authority
CN
China
Prior art keywords
imf
noise
intrinsic mode
local similarity
mode function
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
CN201711269726.5A
Other languages
English (en)
Other versions
CN108051857A (zh
Inventor
李振春
王姣
刘延利
孙苗苗
张雁
李河昭
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.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
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 China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN201711269726.5A priority Critical patent/CN108051857B/zh
Publication of CN108051857A publication Critical patent/CN108051857A/zh
Application granted granted Critical
Publication of CN108051857B publication Critical patent/CN108051857B/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
    • 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
    • G01V2210/30—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

本发明公开了一种基于经验模态分解的局部相似性小波阈值去噪方法，对含噪地震数据x进行经验模态分解，得到一系列从高频到低频的固有模态函数分量imfi；通过自相关判断各个固有模态函数分量是否含有噪声；若固有模态函数分量中既有噪声又有有效信息，则对其进行小波阈值去噪处理，其中是对imfi进行小波阈值初次去噪后的结果，是imfi中被踢出的噪声数据；利用局部相似性原理求和imfi的局部相似性因子w，将imfi中有效信息与噪声进行二次分离，再把二次分离的有效信息加到初次去噪后的数据上，得到干净的固有模态函数

Description

一种基于经验模态分解的局部相似性小波阈值去噪方法
技术领域
本发明属于地震学技术领域，涉及一种基于经验模态分解的局部相似性小波阈值去噪方法。
背景技术
小波阈值去噪是地震数据处理中的一种常规去噪方法，但是该方法在去除随机噪声的同时也会损失部分有效信息。局部相似性去噪方法能将噪声中的有效信息提取出来，再与初次去噪的数据结合，得到最终结果。当信噪比较低时，该方法会在一定程度上受到影响。
发明内容
本发明的目的在于提供一种基于经验模态分解的局部相似性小波阈值去噪方法，解决了目前地震数据去噪处理采用小波阈值去噪会损失部分有效信息的问题。
本发明所采用的技术方案是按照以下步骤进行：
步骤1：对含噪地震数据x进行经验模态分解，得到一系列从高频到低频的固有模态函数分量imfi：
步骤2：通过自相关判断各个固有模态函数分量是否含有噪声，若全部为噪声直接去除；若全部为有效信息，保留该固有模态函数分量；若固有模态函数分量中既有噪声又有有效信息，则对其进行小波阈值去噪处理，其中是对imfi进行小波阈值初次去噪后的结果，是imfi中被踢出的噪声数据；
步骤3：利用局部相似性原理求和imfi的局部相似性因子w，将imfi中有效信息与噪声进行二次分离，再把二次分离的有效信息加到初次去噪后的数据上，得到干净的固有模态函数
步骤4：将所有处理后的固有模态函数求和，重构得到去噪后的地震数据x′：
本发明的有益效果是对地震数据去噪处理，不会产生有效信息的损失。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
本发明对地震数据去噪步骤如下：
(1)对含噪地震数据x进行经验模态分解(EMD)，得到一系列从高频到低频的固有模态函数分量imfi；
(2)通过自相关判断各个固有模态函数分量是否含有噪声。若全部为噪声，比如第一个分量imfi，可以直接去除；若全部为有效信息，保留该固有模态函数分量；若分量imfi中既有噪声又有有效信息，则对其进行小波阈值去噪处理，如下式所示，其中是对imfi进行小波阈值初次去噪后的结果，是imfi中被踢出的噪声数据；
(3)由于能量泄露，小波阈值去噪处理后的噪声数据中可能包含有效信息，我们利用局部相似性原理求和imfi的局部相似性因子w，将imfi中有效信息与噪声进行二次分离，再把二次分离的有效信息加到初次去噪后的数据上，得到干净的固有模态函数
(4)将所有处理后的固有模态函数求和，重构得到去噪后的地震数据x′。
本发明的优点还在于：
(1)本发明将局部相似性去噪与经验模态分解相结合，对含噪的分量进行基于小波阈值的局部相似性去噪，然后重构得到去噪后的结果。模拟和实际数据处理表明，该方法比传统的小波阈值去噪效果更好，更稳定，避免了有效信息能量泄露问题；
(2)信噪比较低时，单纯的局部相似性去噪可能会受到一定的影响，但是对低信噪比的含噪数据进行经验模态分解，可以分离出一部分高频噪声，该噪声有可能全部在第一个分量，甚至第二个分量也几乎全为噪声，去除全部为噪声的固有模态函数后，再对剩下的固有模态函数进行局部相似性去噪处理，可以有效避免该问题。
以上所述仅是对本发明的较佳实施方式而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施方式所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (1)

1.一种基于经验模态分解的局部相似性小波阈值去噪方法，其特征在于按照以下步骤进行：
步骤1：对含噪地震数据x进行经验模态分解，得到一系列从高频到低频的固有模态函数分量imfi：
步骤2：通过自相关判断各个固有模态函数分量是否含有噪声，若全部为噪声直接去除；若全部为有效信息，保留该固有模态函数分量；若固有模态函数分量中既有噪声又有有效信息，则对其进行小波阈值去噪处理，其中是对imfi进行小波阈值初次去噪后的结果，是imfi中被踢出的噪声数据；
步骤3：利用局部相似性原理求和imfi的局部相似性因子w，将imfi中有效信息与噪声进行二次分离，再把二次分离的有效信息加到初次去噪后的数据上，得到干净的固有模态函数
步骤4：将所有处理后的固有模态函数求和，重构得到去噪后的地震数据x′：
CN201711269726.5A 2017-12-05 2017-12-05 一种基于经验模态分解的局部相似性小波阈值去噪方法 Expired - Fee Related CN108051857B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711269726.5A CN108051857B (zh) 2017-12-05 2017-12-05 一种基于经验模态分解的局部相似性小波阈值去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711269726.5A CN108051857B (zh) 2017-12-05 2017-12-05 一种基于经验模态分解的局部相似性小波阈值去噪方法

Publications (2)

Publication Number Publication Date
CN108051857A CN108051857A (zh) 2018-05-18
CN108051857B true CN108051857B (zh) 2019-08-06

Family

ID=62122050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711269726.5A Expired - Fee Related CN108051857B (zh) 2017-12-05 2017-12-05 一种基于经验模态分解的局部相似性小波阈值去噪方法

Country Status (1)

Country Link
CN (1) CN108051857B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111323820A (zh) * 2018-12-17 2020-06-23 中国石油天然气股份有限公司 地面微震记录的重构方法及装置
CN110807349A (zh) * 2019-08-02 2020-02-18 邯郸钢铁集团有限责任公司 基于emd分解和小波阈值的自适应降噪方法
CN111650654B (zh) * 2020-05-13 2022-03-22 吉林大学 联合emd与wt算法的地面磁共振信号尖峰噪声剔除方法
CN112748464A (zh) * 2020-12-25 2021-05-04 青岛黄海学院 一种瑞雷面波频散曲线快速反演方法
CN113093540B (zh) * 2021-03-31 2022-06-28 中国科学院光电技术研究所 一种基于小波阈值去噪的滑模扰动观测器设计方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105116442A (zh) * 2015-07-24 2015-12-02 长江大学 岩性油气藏弱反射地震信号的重构方法
CN107247933A (zh) * 2017-05-27 2017-10-13 北京理工大学 一种烟雾环境中fmcw激光定距系统差频信号提取方法
CN107367759A (zh) * 2017-06-14 2017-11-21 中国石油化工股份有限公司 一种基于结构特征的地震数据保边去噪方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105116442A (zh) * 2015-07-24 2015-12-02 长江大学 岩性油气藏弱反射地震信号的重构方法
CN107247933A (zh) * 2017-05-27 2017-10-13 北京理工大学 一种烟雾环境中fmcw激光定距系统差频信号提取方法
CN107367759A (zh) * 2017-06-14 2017-11-21 中国石油化工股份有限公司 一种基于结构特征的地震数据保边去噪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于经验模态分解的小波阈值降噪方法研究;李振兴 等;《计算机仿真》;20090930;第26卷(第9期);第358-367页
局部相关加权中值滤波技术及其在叠后随机噪声衰减中的应用;刘洋 等;《地球物理学报》;20110228;第54卷(第2期);第325-328,337页

Also Published As

Publication number Publication date
CN108051857A (zh) 2018-05-18

Similar Documents

Publication Publication Date Title
CN108051857B (zh) 一种基于经验模态分解的局部相似性小波阈值去噪方法
CN110598166B (zh) 一种自适应确定小波分层级数的小波去噪方法
CN110146291A (zh) 一种基于CEEMD和FastICA的滚动轴承故障特征提取方法
CN108107475B (zh) 基于经验小波变换和多阈值函数的井中微地震去噪方法
CN106814396B (zh) 一种基于vmd的矿山微震信号的降噪滤波方法
CN110659621A (zh) 一种基于变分模态分解和排列熵的联合降噪方法
Satheesh et al. Medical image denoising using adaptive threshold based on contourlet transform
CN103854264A (zh) 一种基于改进型阈值函数的小波变换图像去噪方法
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
CN108801634B (zh) 基于奇异值分解和优化的频带熵提取轴承故障特征频率的方法及其应用
CN109932624B (zh) 一种基于高斯尺度空间的电缆局放周期窄带干扰去噪方法
CN106570843A (zh) 一种自适应小波阈值函数图像噪声抑制方法
CN112084845B (zh) 基于多尺度小波系数自相关的低频1/f噪声消除方法
CN103427870A (zh) 基于稀疏傅里叶变换的深度扩频捕获与干扰抑制方法
CN104133248A (zh) 一种高保真声波干扰压制方法
CN103426145A (zh) 一种基于多分辨分析的合成孔径声纳相干斑噪声抑制方法
CN104166975A (zh) 一种复杂环境下低空红外目标检测算法
CN113487505A (zh) 一种基于噪声识别的红外图像混合降噪方法
CN102608658A (zh) 强能量干扰抑制方法
CN103971012A (zh) 一种基于赛利斯模型和分数阶微分的兰姆波信号消噪方法
CN109088616A (zh) 一种基于混沌振子的信号去噪方法
Vishwakarma et al. De-noising of Audio Signal using Heavy Tailed Distribution and comparison of wavelets and thresholding techniques
CN113567129A (zh) 一种列车轴承振动信号基于ceemd的降噪方法
Oktar et al. Denoising speech by notch filter and wavelet thresholding in real time
Patanavijit et al. Performance inspection of denoising method implemented by decision based adaptive median filter for using under RVIN condition

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

Granted publication date: 20190806

Termination date: 20201205

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