CN108267784A - 一种地震信号随机噪声压制处理方法 - Google Patents
一种地震信号随机噪声压制处理方法 Download PDFInfo
- Publication number
- CN108267784A CN108267784A CN201810047099.9A CN201810047099A CN108267784A CN 108267784 A CN108267784 A CN 108267784A CN 201810047099 A CN201810047099 A CN 201810047099A CN 108267784 A CN108267784 A CN 108267784A
- Authority
- CN
- China
- Prior art keywords
- components
- noise
- imf
- signal
- rank
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 102
- 238000007906 compression Methods 0.000 title claims abstract description 15
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 33
- 238000000926 separation method Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000011946 reduction process Methods 0.000 claims abstract description 4
- 230000003044 adaptive effect Effects 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000003874 inverse correlation nuclear magnetic resonance spectroscopy Methods 0.000 abstract 1
- 239000002131 composite material Substances 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003786 synthesis reaction 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
- 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
一种地震信号随机噪声压制处理方法，该方法包括以下步骤：采用改进的自适应噪声的完备集合经验模态分解方法对原始含噪地震信号s(t)进行分解处理得到有限个IMF分量及残余分量；依据排列熵理论确定各阶IMF分量中有效信号与噪声的能量分界点l；将含噪较多的第1‑l阶高频IMF分量进行奇异值分解降噪处理；最后将二次降噪处理后的高频IMF分量和不做处理的低频IMF分量以及残余分量累加重构得到去噪后的地震信号。本发明中多步骤联合处理技术可有效改善地震噪声压制处理效果，提高地震道集同相轴细节，为后续地震资料处理、解释和正反演计算提供条件。
Description
技术领域
本发明涉及一种地震信号随机噪声压制处理方法，属地震勘探技术领域。
背景技术
地震勘探是地球物理勘探中最重要的方法之一，具有探测深度大、精度高和分辨率高等优点。其通过人工方法激发地震波，依据地震波在不同地层介质中传播时前行路径、振动强度和波形随介质的弹性性质及几何形态的不同而变化，经地震仪器设备接收地震波震动信号，根据对接收到的地震信号旅行时间和速度资料的分析，研究地震波在地层中传播规律，可推断波的传播路径和介质结构；根据地震波的振幅、频率及地层速度等参数，可推断岩石性质，从而达到查明地下地质构造，油气矿藏分布和岩性分类等勘探目的。
地震勘探技术由地震数据采集、地震资料分析处理和地质解释三个部分组成，野外采集的地震资料中含有反映地层特性的有用信息，但这些信息往往是叠加在干扰背景之上，数据之间相互交织扭曲。尤其是随着地震勘探技术的深入运用，探测深度越来越深，工区地表地质条件越来越复杂，地震数据通常充斥着噪声信号的干扰，严重影响地震资料的反演和解释。地震资料数字处理的任务就是分析处理原始野外地震资料并从中提取有用的地质信息，为后续的地质解释提供可靠依据。地震资料分析处理主要由数据预处理、静动校正、水平叠加、噪声压制和偏移处理等步骤组成。其中，地震信号噪声压制操作用于从地震资料中提取有用信息，去除噪声干扰，提高地震资料信噪比。如何压制强干扰噪声，实现地震勘探“高信噪比、高分辨率、高精度”的三高目标，一直是地震勘探研究领域的热点和难点问题，解决该问题对于实际生产有较大的推动作用，并将带来巨大的经济效益。
发明内容
本发明的目的是，为了解决自然或人工地震资料中存在随机噪声干扰时难以获得准确分析反演计算地下地质状况的问题，提出一种地震信号随机噪声压制处理方法。
实现本发明的技术方案如下：一种地震信号随机噪声压制处理方法，包括以下步骤：
(1)采用改进的自适应噪声完备集合经验模态分解(ICEEMDAN)方法对原始含噪地震信号s(t)进行分解得到有限个本征模态函数(IMF)分量(简称IMF分量)及残余分量Rn(t)；
(2)地震信号中的随机噪声往往分布在第一个或前几个高频IMF分量中，利用排列熵理论(PE)确定各阶IMF分量中有效信号与噪声的能量分界点l，判断含噪较多的高频数个IMF分量；
(3)依据能量分界点l对第1至l阶高频IMF分量，采用奇异值分解技术提取奇异值信息，运用奇异熵增量定阶理论滤除IMF分量中的高频噪声；
(4)将二次去噪处理后的高频IMF分量和不做处理的低频IMF分量以及残余分量累加重构，即得到去噪后的地震信号
式中，n为ICEEMDAN分解得到的IMF分量个数；l为IMF分量中有效信号与噪声的能量分界点；SVD(·)为奇异值分解去噪操作算子；imf＇i(t)为需要进行奇异值分解技术去噪的高频IMF分量；imfi(t)为不需要处理的低频IMF分量；Rn(t)为ICEEMDAN分解后的残余分量。
所述原始含噪地震信号的ICEEMDAN分解步骤包括：
(1)设定操作算子Ej(·)为模态分解(简称EMD)后得到的第j阶IMF分量。添加幅值为ξ0的正负高斯白噪声(-1)qξ0ni(t)到原始信号s(t)中，构成新信号，进行EMD分解操作：
其中，q为系数，取q＝1,2；i为添加成对高斯白噪声的次数，取i＝1,2,...,M/2。得到第一阶IMF分量后，立即停止EMD分解进程，对M个IMF分量做加总平均运算，得到最终的第一阶IMF分量
其中，正负高斯白噪声(-1)qξ0ni(t)在加总平均运算时被抵消，第一阶IMF分量中的残留噪声极小；
(2)从原始信号s(t)中去除第一阶IMF分量得到第一阶残余分量：
其中，在r1(t)基础上添加经EMD分解后的噪声分量(-1)qξ1E(ni(t))再次进行EMD分解：
同步骤1，对M个IMF分量做加总平均运算，得到最终的第二阶IMF分量
从第一阶残余分量r1(t)中去除第二阶IMF分量得到第二阶残余分量：
(3)在对应残余分量添加正负成对的辅助噪声继续添加辅助噪声rk(t)+(-1)qξkEk(ni(t))(k＝2,3,...,N-1)，并按以上步骤求取后续IMF分量及最终的残余分量：
所述排列熵理论确定各阶IMF分量中有效信号与噪声的能量分界点l采用如下步骤：
(1)设定x(t)为长度为D的一维时序序列，以嵌入维数为e、延迟时间为τ对序列里每个元素进行相空间重构，得到的重构矩阵：
其中，H为矩阵的行数，即重构分量的数目；
(2)将每一行的重构分量按照元素的数值大小作升序排列，提取每个元素在排序前所在列的索引构成一个符号序列，对于e维相空间映射下的矩阵有e！种可能的符号序列，记第i种符号序列出现的概率为Pi，则该一维时序序列x(t)的排列熵可表示为：
(3)对上述PE(e)作归一化处理，可得PE＝PE(e)/ln(e！)，PE的取值在[0,1]区间，其大小反映了时间序列的随机性和复杂程度，其值越大，时间序列越复杂，表明该时间序列处于随机状态；
(4)对ICEEMDAN分解得到的各阶IMF分量做以上排列熵处理，将最大PE熵值对应的IMF分量阶数作为有效信号与噪声的能量分界点l。
所述对第1至l阶高频IMF1-l分量作奇异值分解降噪处理包括：
将对应IMF分量信号进行相空间重构，构建Hankel特征矩阵，对该矩阵作奇异值分解得到包含特征值的对角矩阵，保留前Q个对角元素，再对Hankel矩阵估计逆变换操作，最终得到去噪后IMF分量。
本发明的有益效果是，本发明采用改进的ICEEMDAN方法有效改善了传统EMD方法模态混叠及噪声辅助的EMD类方法中IMF分量被辅助噪声污染，重构后信号失真，进而导致去噪效果较差等问题。本发明采用基于排列熵理论确定各阶IMF分量中有效信号与噪声的能量分界点l，避免经验的选定几个高频IMF分量主观因素影响较大的问题；本发明采用采用多步骤联合去噪策略，将奇异值分解去噪运用于能量分界点l前的高阶IMF分量作二次处理，避免直接舍弃一个或多个的IMF高频分量，造成去除高频噪声的同时其中有效地震信号一并去除，进而导致信号的失真的问题。
本发明是一种完全非递归、数据驱动型的非平稳数据处理技术，运用于地震数据处理中可有效实现地震数据中随机噪声和有效信号的频域分解与各组分的有效分离，具有分解能力强、去噪性能好和处理速度快等优点。
附图说明
图1是一种地震信号随机噪声压制处理方法实现流程图；
图2是一种地震信号随机噪声压制处理方法中ICEEMDAN算法流程图；
图3是EEMD、CEEMD和ICEEMDAN三种方法对含噪信号分解得到的IMF 1-8阶分量；
图3(a)是EEMD方法对含噪信号分解得到的IMF 1-8阶分量；
图3(b)是CEEMD方法对含噪信号分解得到的IMF 1-8阶分量；
图3(c)是ICEEMDAN三种方法对含噪信号分解得到的IMF 1-8阶分量；
图4是本发明实施例的合成原始信号、加噪信号和去噪后信号及其对应频谱图；
图4(a)是原始合成信号和原始合成信号对应的频谱图；
图4(b)是加噪后合成信号和加噪后合成信号对应的频谱图；
图4(c)是EEMD方法去噪后信号和EEMD去噪后信号对应的频谱图；
图4(d)是CEEMD方法去噪后信号和CEEMD去噪后信号对应的频谱图；
图4(e)是本发明方法去噪后信号和对应的频谱图；
图5是本发明实施例的三种方法对应不同程度噪声信号的去噪效果信噪比变化对比图；
图6是本发明实施例的合成地震道集数据中各道去噪后初至拾取效果对比图；
图6(a)为纯净信号；
图6(b)为加噪信号；
图6(c)为EEMD方法去噪后信号；
图6(d)为EEMD方法去噪后噪声部分；
图6(e)为CEEMD方法去噪后信号；
图6(f)为CEEMD方法去噪后噪声部分；
图6(g)为ICEEMDAN方法去噪后信号；
图6(h)为ICEEMDAN方法去噪后噪声部分；
图7是野外实际采集的多分量P波地震剖面数据；
图7(a)为实际地震多分量P波地震剖面资料数据；
图7(b)经EEMD方法去噪后；
图7(c)EEMD方法去噪后的噪声部分；
图7(d)CEEMD方法去噪后；
图7(e)CEEMD方法去噪后的噪声部分；
图7(f)本发明方法去噪后信号；
图7(g)本发明方法去噪后噪声部分；
图8是本发明实施例的四组实际单炮地震记录的初至拾取分布示意图
图8(a)CEEMD方法中对图7中A区域放大；
图8(b)本发明方法中对图7中A区域放大；
图8(c)EEMD方法中对图7中B区域放大；
图8(d)本发明方法中对图7中B区域放大。
具体实施方式
本实施例一种地震信号随机噪声压制处理方法，见图1至图8所示。
图1为本实施例的实现流程图，首先，输入采集到的地震数据，对原始含噪地震数据s(t)进行ICEEMDAN分解得到有限个频率由高至低的IMF分量，根据排列熵理论确定各阶IMF分量中有效信号与噪声的能量分界点l，对第1-l阶高频IMF分量进行奇异值分解降噪的二次处理；保持第l-n阶低频IMF分量不变；最后，将保持不变的低频IMF分量和经二次处理后高频IMF分量以及残余分量进行累加重构得到最终的去噪地震信号
附图2为本实施例中ICEEMDAN算法流程图，详细分界流程描述如下：
设定操作算子Ej(·)为模态分解(Empirical Mode Decomposition，EMD)后得到的第j阶IMF分量。添加幅值为ξ0的正负高斯白噪声(-1)qξ0ni(t)到原始信号s(t)中，构成新信号，进行EMD分解操作：
其中，q为系数，取q＝1,2；i为添加成对高斯白噪声的次数，取i＝1,2,...,M/2。得到第一阶IMF分量后，立即停止EMD分解进程，对M个IMF分量做加总平均运算，得到最终的第一阶IMF分量
其中，正负高斯白噪声(-1)qξ0ni(t)在加总平均运算时被抵消，第一阶IMF分量中的残留噪声极小。
从原始信号s(t)中去除第一阶IMF分量得到第一阶残余分量：
其中，在r1(t)基础上添加经EMD分解后的噪声分量(-1)qξ1E(ni(t))再次进行EMD分解：
对M个IMF分量做加总平均运算，得到最终的第二阶IMF分量
从第一阶残余分量r1(t)中去除第二阶IMF分量得到第二阶残余分量：
在对应残余分量添加正负成对的辅助噪声继续添加辅助噪声rk(t)+(-1)qξkEk(ni(t))(k＝2,3,...,N-1)，并按以上步骤求取后续IMF分量及最终的残余分量：
为验证本发明方法对含噪信号的分解与去噪性能，人工合成一组由30、40和60HzRicker子波构成的单道信号。在添加不同随机噪声下，采用EEMD、CEEMD和ICEEMDAN三种方法进行含噪信号的分解，分解参数中的辅助噪声标准差设置与加噪参数一致，集总次数设置分别为500、50和50。采用均方根误差RMSE和信噪比SNR衡量各种方法的去噪效果，计算公式如下：
其中，T为原始信号s(t)的长度，为重构信号；RMSE可从数值上定量反映重构信号与原始信号的差别，RMSE越小重构效果越好，完备性越充分。信噪比SNR以dB为单位，其值越高，表明信号中残留的噪声越小。
图3为三种噪声辅助方法对加入标准差为0.3的噪声后的含噪信号分解得到的1-8阶IMF分量，图3(a)是EEMD方法对含噪信号分解得到的IMF 1-8阶分量；图3(b)是CEEMD方法对含噪信号分解得到的IMF 1-8阶分量；图3(c)是ICEEMDAN三种方法对含噪信号分解得到的IMF 1-8阶分量。
图中加性噪声主要分布在第一阶IMF分量，各频率Ricker子波陆续出现，其中ICEEMDAN方法区分最为明显，除第一阶IMF分量外其余分量含噪最少。由于加噪后的信号极值点数量增加，导致EMD类分解方法中求包络均值计算量加大，进而导致分解耗时相对纯净信号的分解有所增加，EEMD、CEEMD和本发明方法分别耗时40.997s、22.162s和15.220s。
根据排列熵理论确定各阶IMF分量中有效信号与噪声的能量分界点l，计算得到EEMD、CEEMD和ICEEMDAN三种方法中IMF分量的能量分界点l分别为1、2、1，对三种方法的第1-l阶高频IMF分量进行奇异值分解降噪的二次处理，将保持不变的低频IMF分量和经二次处理后高频IMF分量以及残余分量进行累加重构得到最终的地震信号，达到去噪的目的。
图4为纯净信号、含噪信号和各种方法重构去噪后信号及对应频谱分布图，图4(a)是原始合成信号和原始合成信号对应的频谱图；图4(b)是加噪后合成信号和加噪后合成信号对应的频谱图；图4(c)是EEMD方法去噪后信号和EEMD去噪后信号对应的频谱图；图4(d)是CEEMD方法去噪后信号和CEEMD去噪后信号对应的频谱图；图4(e)是本发明方法去噪后信号和对应的频谱图。
图4(b)中含噪信号中添加了0.3标准差的随机噪声，加噪后的信号变得杂乱，其高频噪声表现在全频带上。对比图4中重构去噪后波形(c-e)，三种方法均有一定的去噪效果，对应频谱图中高频随机噪声被有效压制，尤属本发明改进的ICEEMDAN联合奇异值分解方法效果最佳，去噪后信号几乎不含毛刺和随机抖动，频谱分布与纯净信号基本一致。加噪信号的信噪比SNR为-0.183dB，EEMD、CEEMD和本发明方法去噪后的信噪比SNR分别为4.0641、9.31和14.926dB；加噪信号的均方根误差RMSE为0.499，EEMD、CEEMD和本发明方法去噪后的均方根误差RMSE分别为0.2953、0.105和0.0701。
图5给出了三种方法对应不同程度噪声信号的去噪效果，即三种方法去噪后信号信噪比SNR变化趋势，右下角虚线对应输入输出信噪比SNR不变，方向为变化趋势。从图中可以看出，在不同噪声强度的含噪信号中(信噪比SNR由-8至8dB)，三种方法去噪后信号的信噪比SNR均有所提高，比较可见本发明改进方法的信噪比提升最为迅速，去噪效果最佳。
图6是本实施例的合成地震道集数据中各道去噪后初至拾取效果对比图；图6(a)为纯净信号；图6(b)为加噪信号；图6(c)为EEMD方法去噪后信号；图6(d)为EEMD方法去噪后噪声部分；图6(e)为CEEMD方法去噪后信号；图6(f)为CEEMD方法去噪后噪声部分；图6(g)为ICEEMDAN方法去噪后信号；图6(h)为ICEEMDAN方法去噪后噪声部分。
图6(a)为由40Hz的Ricker子波，采样间隔为2ms构成的四个水平和一个倾斜交叉同相轴事件构成的合成地震道集；图6(b)为加噪道集数据，SNR＝-4.854dB。使用EEMD，CEEMD和本发明联合方法对加噪后的信号进行分解去噪处理，去噪结果如图6(c)、图(g)及其相应的噪声部分如图6(d)、图6(h)所示。分析可知，图6(c)EEMD去噪方法中高倾斜有效地震事件在噪声部分中出现，表明EEMD方法不适于对该类事件去噪处理。图6(e)CEEMD方法有效地保留了有用的倾斜事件，但去噪后道集中仍然残余较大的噪声水平；而采用本发明联合去噪方法时，有用的能量都保存下来，大部分的随机噪声有效压制，同相轴细节较为清晰。三种方法去噪后的信噪比SNR分别为1.070、-1.213和3.186dB，去噪耗时分别为20.623、14.985和6.107min。从SNR和处理耗时数值对比中表明本发明方法对随机噪声压制处理具有精度高、速度快的优势。
图7(a)为是一个野外实际采集的多分量P波地震剖面数据。可以看出原始数据中大部分信号是水平的，地震剖面中的浅层部分随机噪声能量分布较强，对随机噪声的去除提出了更高的要求。图7(b)、图7(d)、图7(f)为EEMD、CEEMD和本发明三种方法去噪后的地震数据；图7(c)、图7(e)、图7(g)为对应去噪后的噪声部分剖面。分析可知，三种方法均能取得较好的去噪效果，但EEMD方法的噪声剖面中仍存在部分高倾角有效地震信号，与图6中人工合成信号效果类似，无法避免有效信号的缺失；本发明方法和CEEMD方法看起来去噪效果相当，但如图8所示放大本发明方法去噪后地震剖面中的A、B矩形框区域可知，相比EEMD和CEEMD方法，本发明方法的去噪更加彻底，可以更好地保持地震剖面中的细节信息。
在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。
Claims (4)
1.一种地震信号随机噪声压制处理方法，其特征在于，所述方法步骤如下：
(1)采用改进的自适应噪声完备集合经验模态分解方法对原始含噪地震信号s(t)进行分解得到有限个本征模态函数分量(以下称IMF分量)及残余分量Rn(t)；
(2)地震信号中的随机噪声往往分布在第一个或前几个高频IMF分量中，利用排列熵理论确定各阶IMF分量中有效信号与噪声的能量分界点l，判断含噪较多的高频数个IMF分量；
(3)依据能量分界点l对第1至l阶高频IMF分量，采用奇异值分解技术提取奇异值信息，运用奇异熵增量定阶理论滤除IMF分量中的高频噪声；
(4)将二次去噪处理后的高频IMF分量和不做处理的低频IMF分量以及残余分量累加重构，即得到去噪后的地震信号
式中，n为ICEEMDAN分解得到的IMF分量个数；l为IMF分量中有效信号与噪声的能量分界点；SVD(·)为奇异值分解去噪操作算子；imfi＇(t)为需要进行奇异值分解技术去噪的高频IMF分量；imfi(t)为不需要处理的低频IMF分量；Rn(t)为ICEEMDAN分解后的残余分量。
2.根据权利要求1所述的一种地震信号随机噪声压制处理方法，其特征在于，所述原始含噪地震信号的ICEEMDAN分解步骤包括：
(1)设定操作算子Ej(·)为模态分解(EMD)后得到的第j阶IMF分量。添加幅值为ξ0的正负高斯白噪声(-1)qξ0ni(t)到原始信号s(t)中，构成新信号，进行EMD分解操作：
其中，q为系数，取q＝1,2；i为添加成对高斯白噪声的次数，取i＝1,2,...,M/2。得到第一阶IMF分量后，立即停止EMD分解进程，对M个IMF分量imf1 i(t)做加总平均运算，得到最终的第一阶IMF分量
其中，正负高斯白噪声(-1)qξ0ni(t)在加总平均运算时被抵消，第一阶IMF分量中的残留噪声极小；
(2)从原始信号s(t)中去除第一阶IMF分量得到第一阶残余分量：
其中，在r1(t)基础上添加经EMD分解后的噪声分量(-1)qξ1E(ni(t))再次进行EMD分解：
同步骤1，对M个IMF分量做加总平均运算，得到最终的第二阶IMF分量
从第一阶残余分量r1(t)中去除第二阶IMF分量得到第二阶残余分量：
(3)在对应残余分量添加正负成对的辅助噪声继续添加辅助噪声rk(t)+(-1)qξkEk(ni(t))(k＝2,3,...,N-1)，并按以上步骤求取后续IMF分量及最终的残余分量：
3.根据权利要求1所述的一种地震信号随机噪声压制处理方法，其特征在于，所述排列熵理论确定各阶IMF分量中有效信号与噪声的能量分界点l采用如下步骤：
(1)设定x(t)为长度为D的一维时序序列，以嵌入维数为e、延迟时间为τ对序列里每个元素进行相空间重构，得到的重构矩阵：
其中，H为矩阵的行数，即重构分量的数目；
(2)将每一行的重构分量按照元素的数值大小作升序排列，提取每个元素在排序前所在列的索引构成一个符号序列，对于e维相空间映射下的矩阵有e！种可能的符号序列，记第i种符号序列出现的概率为Pi，则该一维时序序列x(t)的排列熵可表示为：
(3)对上述PE(e)作归一化处理，可得PE＝PE(e)/ln(e！)，PE的取值在[0,1]区间，其大小反映了时间序列的随机性和复杂程度，其值越大，时间序列越复杂，表明该时间序列处于随机状态；
(4)对ICEEMDAN分解得到的各阶IMF分量做以上排列熵处理，将最大PE熵值对应的IMF分量阶数作为有效信号与噪声的能量分界点l。
4.根据权利要求1所述的一种地震信号随机噪声压制处理方法，其特征在于，所述对第1至l阶高频IMF1-l分量作奇异值分解降噪处理包括：
将对应IMF分量信号进行相空间重构，构建Hankel特征矩阵，对该矩阵作奇异值分解得到包含特征值的对角矩阵，保留前Q个对角元素，再对Hankel矩阵估计逆变换操作，最终得到去噪后IMF分量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810047099.9A CN108267784A (zh) | 2018-01-18 | 2018-01-18 | 一种地震信号随机噪声压制处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810047099.9A CN108267784A (zh) | 2018-01-18 | 2018-01-18 | 一种地震信号随机噪声压制处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108267784A true CN108267784A (zh) | 2018-07-10 |
Family
ID=62775939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810047099.9A Pending CN108267784A (zh) | 2018-01-18 | 2018-01-18 | 一种地震信号随机噪声压制处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108267784A (zh) |
Cited By (12)
| 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 |
| CN109143371A (zh) * | 2018-08-01 | 2019-01-04 | 中国石油化工股份有限公司江汉油田分公司物探研究院 | 一种地震数据的噪声去除方法及装置 |
| CN110096956A (zh) * | 2019-03-25 | 2019-08-06 | 中国地质大学（武汉） | 基于eemd和排列熵二阶差分的信号去噪方法及装置 |
| CN110837121A (zh) * | 2018-08-16 | 2020-02-25 | 中国石油化工股份有限公司 | 地震资料中的随机噪音消除方法及系统 |
| CN110940409A (zh) * | 2019-12-02 | 2020-03-31 | 天津市计量监督检测科学研究院 | 一种基于iceemdan与ica联合去噪的超声信号测量方法 |
| CN111458750A (zh) * | 2020-04-20 | 2020-07-28 | 中国科学院地球化学研究所 | 地震数据去噪方法及装置 |
| CN111709279A (zh) * | 2020-04-30 | 2020-09-25 | 天津城建大学 | 一种利用svd-emd算法分离微地震噪声混合信号的算法 |
| CN112183263A (zh) * | 2020-09-17 | 2021-01-05 | 昆明理工大学 | 一种基于改进的iceemd和hd的单向阀早期故障信号降噪方法 |
| CN112817056A (zh) * | 2020-12-30 | 2021-05-18 | 吉林大学 | 一种大地电磁信号去噪方法及系统 |
| CN114239757A (zh) * | 2022-02-25 | 2022-03-25 | 湖南师范大学 | 一种电磁时间序列数据的去噪方法及系统 |
| CN114234361A (zh) * | 2021-12-14 | 2022-03-25 | 北京工业大学 | 一种基于双重降噪和模糊指标的中央空调传感器故障检测方法 |
| CN116340731A (zh) * | 2023-05-29 | 2023-06-27 | 北京科技大学 | 一种岩石声发射信号的降噪办法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107272066A (zh) * | 2017-06-22 | 2017-10-20 | 东华理工大学 | 一种含噪地震信号初至走时拾取方法及装置 |
| CN107480619A (zh) * | 2017-08-03 | 2017-12-15 | 中国地质大学（武汉） | 基于eemd和排列熵的探地雷达b扫描图像的降噪方法及系统 |
-
2018
- 2018-01-18 CN CN201810047099.9A patent/CN108267784A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107272066A (zh) * | 2017-06-22 | 2017-10-20 | 东华理工大学 | 一种含噪地震信号初至走时拾取方法及装置 |
| CN107480619A (zh) * | 2017-08-03 | 2017-12-15 | 中国地质大学（武汉） | 基于eemd和排列熵的探地雷达b扫描图像的降噪方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 吴世勇 等: "《数字流域理论方法与实践 雅砻江流域数字化平台建设及示范应用》", 31 August 2016, 郑州：黄河水利出版社 * |
| 张建伟 等: ""基于CEEMDAN 与SVD 的泄流结构振动信号降噪方法"", 《振动与冲击》 * |
| 郝彬: ""基于模态分解的MEMS矢量水听器信号去噪及应用"", 《中国优秀硕士学位论文全文数据库-工业科技II辑》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109143371A (zh) * | 2018-08-01 | 2019-01-04 | 中国石油化工股份有限公司江汉油田分公司物探研究院 | 一种地震数据的噪声去除方法及装置 |
| CN110837121A (zh) * | 2018-08-16 | 2020-02-25 | 中国石油化工股份有限公司 | 地震资料中的随机噪音消除方法及系统 |
| 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 |
| 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 |
| CN110096956B (zh) * | 2019-03-25 | 2023-02-10 | 中国地质大学（武汉） | 基于eemd和排列熵二阶差分的信号去噪方法及装置 |
| CN110096956A (zh) * | 2019-03-25 | 2019-08-06 | 中国地质大学（武汉） | 基于eemd和排列熵二阶差分的信号去噪方法及装置 |
| CN110940409A (zh) * | 2019-12-02 | 2020-03-31 | 天津市计量监督检测科学研究院 | 一种基于iceemdan与ica联合去噪的超声信号测量方法 |
| CN111458750A (zh) * | 2020-04-20 | 2020-07-28 | 中国科学院地球化学研究所 | 地震数据去噪方法及装置 |
| CN111458750B (zh) * | 2020-04-20 | 2021-03-23 | 中国科学院地球化学研究所 | 地震数据去噪方法及装置 |
| CN111709279A (zh) * | 2020-04-30 | 2020-09-25 | 天津城建大学 | 一种利用svd-emd算法分离微地震噪声混合信号的算法 |
| CN111709279B (zh) * | 2020-04-30 | 2023-07-21 | 天津城建大学 | 一种利用svd-emd算法分离微地震噪声混合信号的算法 |
| CN112183263A (zh) * | 2020-09-17 | 2021-01-05 | 昆明理工大学 | 一种基于改进的iceemd和hd的单向阀早期故障信号降噪方法 |
| CN112183263B (zh) * | 2020-09-17 | 2022-11-04 | 昆明理工大学 | 一种基于改进的iceemd和hd的单向阀早期故障信号降噪方法 |
| CN112817056B (zh) * | 2020-12-30 | 2021-12-07 | 吉林大学 | 一种大地电磁信号去噪方法及系统 |
| CN112817056A (zh) * | 2020-12-30 | 2021-05-18 | 吉林大学 | 一种大地电磁信号去噪方法及系统 |
| CN114234361A (zh) * | 2021-12-14 | 2022-03-25 | 北京工业大学 | 一种基于双重降噪和模糊指标的中央空调传感器故障检测方法 |
| CN114239757A (zh) * | 2022-02-25 | 2022-03-25 | 湖南师范大学 | 一种电磁时间序列数据的去噪方法及系统 |
| CN116340731A (zh) * | 2023-05-29 | 2023-06-27 | 北京科技大学 | 一种岩石声发射信号的降噪办法及系统 |
| CN116340731B (zh) * | 2023-05-29 | 2023-08-22 | 北京科技大学 | 一种岩石声发射信号的降噪办法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108267784A (zh) | 一种地震信号随机噪声压制处理方法 | |
| Dong et al. | Desert low-frequency noise suppression by using adaptive DnCNNs based on the determination of high-order statistic | |
| Dong et al. | New suppression technology for low-frequency noise in desert region: The improved robust principal component analysis based on prediction of neural network | |
| Gómez et al. | A simple method inspired by empirical mode decomposition for denoising seismic data | |
| CN102998706B (zh) | 一种衰减地震数据随机噪声的方法及系统 | |
| Langston et al. | Separating signal from noise and from other signal using nonlinear thresholding and scale‐time windowing of continuous wavelet transforms | |
| CN104122588A (zh) | 基于谱分解提高叠后地震资料分辨率的方法 | |
| CN107102356B (zh) | 基于ceemd的地震信号高分辨率处理方法 | |
| Sun et al. | Cross-correlation analysis and time delay estimation of a homologous micro-seismic signal based on the Hilbert–Huang transform | |
| CN109031422A (zh) | 一种基于CEEMDAN与Savitzky-Golay滤波的地震信号噪声抑制方法 | |
| 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 | |
| CN103954992B (zh) | 一种反褶积方法及装置 | |
| CN105116442A (zh) | 岩性油气藏弱反射地震信号的重构方法 | |
| CN107179550B (zh) | 一种数据驱动的地震信号零相位反褶积方法 | |
| CN104849757B (zh) | 消除地震信号中随机噪声系统及方法 | |
| Zhang et al. | Signal preserving and seismic random noise attenuation by Hurst exponent based time–frequency peak filtering | |
| CN109738950B (zh) | 基于三维稀疏聚焦域反演的噪声型数据一次波反演方法 | |
| CN105445801A (zh) | 一种消除二维地震资料随机噪音的处理方法 | |
| CN106873036A (zh) | 一种基于井震结合的去噪方法 | |
| 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 | |
| CN103728661A (zh) | 一种高精度反q滤波地震资料处理方法 | |
| CN110146923A (zh) | 一种高效的高精度深度域地震子波提取方法 | |
| CN103558636A (zh) | 一种从叠后地震数据采集脚印衰减的方法 | |
| CN103645504A (zh) | 基于广义瞬时相位及p范数负模的地震弱信号处理方法 | |
| CN108693558B (zh) | 地震数据处理方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180710 |