CN110542926A - 一种地震数据尖峰噪声簇的自主检测和压制方法 - Google Patents

Abstract

本发明涉及一种地震数据尖峰噪声簇的自主检测和压制方法，先利用高分辨率的尖峰噪声识别和检测方法，区分开尖峰噪声，而后通过时间间隔判断是否为尖峰噪声簇，将尖峰噪声簇作为一个整体处理，在处理过程中根据采样点在尖峰噪声簇中的相对位置给予不同的权值以削弱强尖峰噪声能量对处理结果的影响。当相邻尖峰噪声间隔小于这两个尖峰噪声最短持续时间时，则认为是尖峰噪声簇，根据这一规则对所有尖峰噪声进行判断。经试验，当环境中存在多个尖峰噪声源且其激发的尖峰噪声连续时，本方法以较高的时域分辨率判断尖峰噪声并压制，压制后的数据削弱了尖峰噪声簇的能量并尽可能保留了信号的特征。

Description

一种地震数据尖峰噪声簇的自主检测和压制方法

技术领域：

本发明涉及一种地震数据处理方法，尤其是尖峰噪声簇的自主检测和压制方法，特别适用于受强尖峰噪声簇严重干扰的信号压噪。

背景技术：

地震勘探或微地震观测的数据采集过程中，震源激发的信号弱，野外环境噪声相对较强，地震数据通常包含尖峰噪声。尖峰噪声来源有近处的人为活动、物体的突然放电、风吹草动或其他物理过程等，这些尖峰噪声一般在时域上表现为随机性、持续时间比较短且其振幅与信号相近或淹没信号。尖峰噪声有时独立出现，很多情况下短时间内会出现多个尖峰噪声，称之为尖峰噪声簇。

中值代替法是最常用的尖峰噪声压制方法，该方法利用尖峰噪声附近的中值进行替代，中值替代不仅会改变尖峰噪声的值，不适当的窗长选取也会改变削弱有用信号的幅值。为此，还衍生了一些改进算法，其中一种是首先估计尖峰噪声与相邻信号的相对能量而后进行中值替代的方法。此外，还有采用基于小波变换的尖峰噪声压制方法，这种方法尖峰噪声压制效果较好，但小波基和分解级数的选择会对尖峰噪声压制效果造成影响，降低方法的稳定性。考虑到尖峰噪声的复杂性和其在时间上随机出现，甚至经常会以尖峰脉冲出现的特点，在本发明中提出一种地震数据尖峰噪声簇的自主检测和压制方法，该方法也适于普通尖峰噪声检测和压制。

尖峰噪声在时域中随机出现的突发性干扰，加之野外勘探环境中尖峰噪声不单独出现，有时表现为一簇时间间隔非常短的尖峰噪声形式，经常被当作信号而误检。当有用信号表现为冲击源信号时，其中混有独立尖峰噪声和尖峰噪声簇，现有的尖峰噪声压制方法难于检测和压制尖峰噪声簇。

发明内容：

本发明的目的就在于针对上述现有技术的不足，提供一种地震数据尖峰噪声簇的自主检测和压制方法。

本发明的目的是通过以下技术方案实现的：

一种地震数据尖峰噪声簇的自主检测和压制方法，包括如下步骤：

a、定义短时间内出现的多个尖峰噪声为尖峰噪声簇。获取一道包含尖峰噪声簇的地震信号x(n),n＝1,2,...,N，N为该道地震信号总采样点数，信号采样率Fs，观察信号时域波形并确定尖峰噪声的最短持续时间t_p；

b、定义地震信号x(n)的特征函数

确定地震信号短时变化量

和长时变化量

式中L_l和L_s分别为计算振幅长时变化量和短时变化量的地震信号采样点数且满足0.01Fs≤L_s≤9Fs·t_p，L_l/L_s＝4；确定尖峰噪声检测阈值

其中

式(4)中Γ()为计算均值的函数，Θ()为计算标准差的函数；

c、拾取所有满足条件的采样点，连续采样点为一个采样点区间，得到多个采样点区间构成的集合Ρ＝{Ρ₁,Ρ₂,...,Ρ_K}，采样点区间之间不连续，K为连续采样点区间的个数，每一个连续采样点区间k∈[1,K]，p_k和为Ρ_k的起始采样点序号和终止采样点序号；

d、对所有的Ρ_k判断，若

Ρ_k则被认为存在尖峰噪声，若不满足则视为不存在尖峰噪声；经过筛选后的尖峰噪声时间段记为Ρ′＝{Ρ′₁,Ρ′₂,...,Ρ′_J}，J为尖峰噪声的个数，尖峰噪声时间段记为j∈[1,J]；p′_j和为Ρ′_j的起始采样点序号和终止采样点序号；

e、判断尖峰噪声簇，当两个相邻尖峰噪声的间隔时间小于这两个尖峰噪声的最长持续时间，即若

则两个相邻的尖峰噪声连续，将两个尖峰噪声合并，视为一个尖峰噪声簇；

f、重复执行步骤e直到所有的相邻的Ρ′_j都判断完毕，得到新的尖峰噪声区间Ρ″＝{Ρ″₁,Ρ″₂,...,Ρ″_M}，M为合并重组后的尖峰噪声个数；重组后的尖峰噪声采样点区间m∈[1,M]；其中p″_m和为Ρ″_m的起始采样点序号和终止采样点序号，定义Ρ″_m的持续长度一半

为向上取整运算；

g、定义尖峰噪声Ρ″_m的权值

式中

h、对于Ρ″_m每一个采样点，以该点为中心在两侧各取L_m窗长的信号

令

式(12)中Λ()为计算中值的函数，对所有的Ρ″_m执行上述运算；x′(n)为压制尖峰噪声后的信号。

有益效果：

经试验，本发明公开的一种地震数据尖峰噪声簇的自主检测和压制方法能够有利于改善受到尖峰噪声和尖峰噪声簇影响的地震数据质量。信号与尖峰噪声同样具有能量增加迅速的特征，一般来说尖峰噪声持续时间较短，可以从持续时间上将其区分。当背景噪声中存在尖峰噪声簇时，检测算法难以将有用信号与尖峰噪声簇区分开，导致检测失效。从而无法压制尖峰噪声的能量，本方法可用于压制尖峰噪声，对尖峰噪声簇检测及压制尤其有效，且本方法无需人工检测尖峰噪声簇，算法自动分析压制尖峰噪声簇，效率更高。

附图说明：

图1地震数据尖峰噪声簇的自主检测和压制方法与传统中值替代法去噪效果对比图

(a)含三个有效地震信号的理想信号x₀(n)图，

(b)包含三个有效地震信号、随机噪声和尖峰噪声的含噪信号x(n)图，

(c)传统中值替代处理后的信号x′_o(n)图，

(d)地震数据尖峰噪声簇自主检测和压制方法处理后的信号x′(n)图。

具体实施方式：

下面结合附图和实施例对本发明作进一步的详细说明。

本发明方法的技术特点为，先利用高分辨率的尖峰噪声识别和检测方法，区分开尖峰噪声，而后通过时间间隔判断是否为尖峰噪声簇，将尖峰噪声簇作为一个整体处理，在处理过程中根据采样点在尖峰噪声簇中的相对位置给予不同的权值以削弱强尖峰噪声能量对处理结果的影响。

一种地震数据尖峰噪声簇的自主检测和压制方法，包括如下步骤：

a、仿真生成主频为20Hz的雷克子波作为理想信号x₀(n),n＝1,2,...,9220,如图1(a)中虚线框。对理想信号叠加随机噪声和尖峰噪声，这里尖峰噪声包括独立尖峰噪声r₁(n)、尖峰噪声簇r₂(n)和长持续时间r₃(n)，如图1(b)中三个实线框，得到含噪信号x(n)。其中r₁(n)持续时间为0.002s，r₂(n)的时间长度为0.3s，r₃(n)持续时间为0.03s。信号采样率Fs＝1000。此时x(n)信噪比SNR₀＝-8.7312，与理想信号相关系数Cor₀＝0.3438。

b、定义地震信号x(n)的特征函数

确定地震信号短时变化量

和长时变化量

式中L_l和L_s分别为计算振幅长时变化量和短时变化量的地震信号采样点数且满足0.01Fs≤L_s≤9Fs·t_p，L_l/L_s＝4；确定尖峰噪声检测阈值

其中

式(4)中Γ(ξ(n))为计算均值的函数，Θ(ξ(n))为计算标准差的函数；

c、拾取所有满足条件的采样点，连续采样点为一个采样点区间，得到多个采样点区间构成的集合Ρ＝{Ρ₁,Ρ₂,...,Ρ₁₂}，共有12个连续时间段满足判断条件，采样点区间之间不连续，每一个连续采样点区间k∈[1,12]，p_k和为Ρ_k的起始采样点序号和终止采样点序号；

d、对所有的Ρ_k判断，若

Ρ_k则被认为存在尖峰噪声，若不满足则视为不存在尖峰噪声；经过筛选后的尖峰噪声时间段记为Ρ′＝{Ρ′₁,Ρ′₂,...,Ρ′₁₂}，共有12个尖峰噪声，每个尖峰噪声时间段记为j∈[1,12]；p′_j和为Ρ′_j的起始采样点序号和终止采样点序号；

e、判断尖峰噪声簇，当两个相邻尖峰噪声的间隔时间小于这两个尖峰噪声的最长持续时间，即若

则两个相邻的尖峰噪声连续，将两个尖峰噪声合并，视为一个尖峰噪声簇；

f、重复执行步骤e直到所有的相邻的Ρ′_j都判断完毕，得到新的尖峰噪声区间Ρ″＝{Ρ″₁,Ρ″₂,Ρ″₃}，其中Ρ″₁和Ρ″₃为独立尖峰噪声，Ρ″₂为尖峰噪声簇；重组后的尖峰噪声时间段m∈[1,3]，其中p″_m和为Ρ″_m的起始采样点序号和终止采样点序号，定义Ρ″_m的持续长度一半

为向上取整运算；

g、定义尖峰噪声Ρ″_m的权值

式中

h、对于Ρ″_m每一个采样点，以该点为中心在两侧各取L_m窗长的信号

令

式(12)中Λ()为计算中值的函数，对所有的Ρ″_m执行上述运算；x′(n)为压制尖峰噪声后的信号。如图1(d)所示。

经冲击源数据尖峰噪声簇的自主检测和压制方法处理后的信号x′(n)信噪比SNR′＝1.0548，x′(n)与理想信号x₀(n)相似性Cor′＝0.7435。可以看到r₁(l)完全被压制，r₂(l)处理后振幅仅为原来的1/4，r₃(l)基本没有改变，如图1(d)实线框。图1(c)为采用传统中值替代法的信号x_o′(n)，处理之后r₁(l)完全压制，r₂(l)振幅为未处理的1/2，r₃(l)压制后振幅基本没变。处理后的信号的信噪比SNR″＝-7.5668，Cor″＝0.3847。中值滤波方法本身对随机噪声具有一定的压制性，中值滤波处理后随机噪声得到了压制，尖峰噪声簇和长持续时间的尖峰噪声不能够有效压制。冲击源数据尖峰噪声簇的自主检测和压制方法对短持续时间尖峰噪声的能量完全压制，对于尖峰噪声簇也可以达到准确地检测、识别和压制，但对于长持续时间的尖峰噪声压噪效果较差。

Claims (1)

1.一种地震数据尖峰噪声簇的自主检测和压制方法，其特征在于，包括如下步骤：

a、定义短时间内出现的多个尖峰噪声为尖峰噪声簇。获取一道包含尖峰噪声簇的地震信号x(n),n＝1,2,...,N，N为该道地震信号总采样点数，信号采样率Fs，观察信号时域波形并确定尖峰噪声的最短持续时间t_p；

b、定义地震信号x(n)的特征函数

确定地震信号短时变化量

和长时变化量

式中L_l和L_s分别为计算振幅长时变化量和短时变化量的地震信号采样点数且满足0.01Fs≤L_s≤9Fs·t_p，L_l/L_s＝4；确定尖峰噪声检测阈值

h_p＝Γ(ξ(n))+2Θ(ξ(n)) (4)

其中

式(4)中Γ()为计算均值的函数，Θ()为计算标准差的函数；

c、拾取所有满足ξ(n)＞h_p条件的采样点，连续采样点为一个采样点区间，得到多个采样点区间构成的集合Ρ＝{Ρ₁,Ρ₂,...,Ρ_K}，采样点区间之间不连续，K为连续采样点区间的个数，每一个连续采样点区间p_k和为Ρ_k的起始采样点序号和终止采样点序号；

d、对所有的Ρ_k判断，若

Ρ_k则被认为存在尖峰噪声，若不满足则视为不存在尖峰噪声；经过筛选后的尖峰噪声时间段记为Ρ′＝{Ρ′₁,Ρ′₂,...,Ρ′_J}，J为尖峰噪声的个数，尖峰噪声时间段记为p′_j和为Ρ′_j的起始采样点序号和终止采样点序号；

e、判断尖峰噪声簇，当两个相邻尖峰噪声的间隔时间小于这两个尖峰噪声的最长持续时间，即若

则两个相邻的尖峰噪声连续，将两个尖峰噪声合并，视为一个尖峰噪声簇；

f、重复执行步骤e直到所有的相邻的Ρ′_j都判断完毕，得到新的尖峰噪声区间Ρ″＝{Ρ″₁,Ρ″₂,...,Ρ″_M}，M为合并重组后的尖峰噪声个数；重组后的尖峰噪声采样点区间其中p″_m和为Ρ″_m的起始采样点序号和终止采样点序号，定义Ρ″_m的持续长度一半

为向上取整运算；

g、定义尖峰噪声Ρ″_m的权值

式中

h、对于Ρ″_m每一个采样点，以该点为中心在两侧各取L_m窗长的信号

令

式(12)中Λ()为计算中值的函数，对所有的Ρ″_m执行上述运算；x′(n)为压制尖峰噪声后的信号。