CN110542926B - 一种地震数据尖峰噪声簇的自主检测和压制方法 - Google Patents

一种地震数据尖峰噪声簇的自主检测和压制方法 Download PDF

Info

Publication number
CN110542926B
CN110542926B CN201910824545.7A CN201910824545A CN110542926B CN 110542926 B CN110542926 B CN 110542926B CN 201910824545 A CN201910824545 A CN 201910824545A CN 110542926 B CN110542926 B CN 110542926B
Authority
CN
China
Prior art keywords
spike noise
peak
noise
cluster
spike
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
Application number
CN201910824545.7A
Other languages
English (en)
Other versions
CN110542926A (zh
Inventor
姜弢
王京椰
晁云峰
林君
郑晶涵
王鑫
胡秋月
覃锴
周琪
杨大鹏
郑凡
孙淑琴
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 CN201910824545.7A priority Critical patent/CN110542926B/zh
Publication of CN110542926A publication Critical patent/CN110542926A/zh
Application granted granted Critical
Publication of CN110542926B publication Critical patent/CN110542926B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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)

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tp；
b、定义地震信号x(n)的特征函数
Figure BDA0002188662170000021
确定地震信号短时变化量
Figure BDA0002188662170000022
和长时变化量
Figure BDA0002188662170000023
式中Ll和Ls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≤Ls≤9Fs·tp，Ll/Ls＝4；确定尖峰噪声检测阈值
Figure BDA0002188662170000024
其中
Figure BDA0002188662170000025
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
Figure BDA0002188662170000029
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,...,ΡK}，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
Figure BDA0002188662170000026
k∈[1,K]，pk和
Figure BDA0002188662170000027
为Ρk的起始采样点序号和终止采样点序号；
d、对所有的Ρk判断，若
Figure BDA0002188662170000028
Ρk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
Figure BDA0002188662170000031
j∈[1,J]；p′j和
Figure BDA0002188662170000032
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
Figure BDA0002188662170000033
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
Figure BDA00021886621700000311
m∈[1,M]；其中p″m和
Figure BDA0002188662170000034
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
Figure BDA0002188662170000035
Figure BDA0002188662170000036
为向上取整运算；
g、定义尖峰噪声Ρ″m的权值
Figure BDA0002188662170000037
式中
Figure BDA0002188662170000038
h、对于Ρ″m每一个采样点，以该点为中心在两侧各取Lm窗长的信号
Figure BDA0002188662170000039
令
Figure BDA00021886621700000310
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
Figure BDA0002188662170000051
确定地震信号短时变化量
Figure BDA0002188662170000052
和长时变化量
Figure BDA0002188662170000053
式中Ll和Ls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≤Ls≤9Fs·tp，Ll/Ls＝4；确定尖峰噪声检测阈值
Figure BDA0002188662170000054
其中
Figure BDA0002188662170000055
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
Figure BDA0002188662170000056
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
Figure BDA0002188662170000057
k∈[1,12]，pk和
Figure BDA0002188662170000058
为Ρk的起始采样点序号和终止采样点序号；
d、对所有的Ρk判断，若
Figure BDA0002188662170000059
Ρk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
Figure BDA00021886621700000510
j∈[1,12]；p′j和
Figure BDA00021886621700000511
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
Figure BDA0002188662170000061
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
Figure BDA0002188662170000062
m∈[1,3]，其中p″m和
Figure BDA0002188662170000063
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
Figure BDA0002188662170000064
Figure BDA0002188662170000065
为向上取整运算；
g、定义尖峰噪声Ρ″m的权值
Figure BDA0002188662170000066
式中
Figure BDA0002188662170000067
h、对于Ρ″m每一个采样点，以该点为中心在两侧各取Lm窗长的信号
Figure BDA0002188662170000068
令
Figure BDA0002188662170000069
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xo′(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tp；
b、定义地震信号x(n)的特征函数
Figure FDA0002499331900000011
确定地震信号短时变化量
Figure FDA0002499331900000012
和长时变化量
Figure FDA0002499331900000013
式中Ll和Ls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≤Ls≤9Fs·tp，Ll/Ls＝4；确定尖峰噪声检测阈值
hp＝Γ(ξ(n))+2Θ(ξ(n)) (4)
其中
Figure FDA0002499331900000014
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)＞hp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,...,ΡK}，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
Figure FDA0002499331900000021
pk和
Figure FDA0002499331900000022
为Ρk的起始采样点序号和终止采样点序号；
d、对所有的Ρk判断，若
Figure FDA0002499331900000023
Ρk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
Figure FDA0002499331900000024
p′j和
Figure FDA0002499331900000025
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
Figure FDA0002499331900000026
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
Figure FDA0002499331900000027
其中p″m和
Figure FDA0002499331900000028
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
Figure FDA0002499331900000029
Figure FDA00024993319000000210
为向上取整运算；
g、定义尖峰噪声Ρ″m的权值
Figure FDA0002499331900000031
式中
Figure FDA0002499331900000032
h、对于Ρ″m每一个采样点，以该点为中心在两侧各取Lm窗长的信号
Figure FDA0002499331900000033
令
Figure FDA0002499331900000034
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。
CN201910824545.7A 2019-09-02 2019-09-02 一种地震数据尖峰噪声簇的自主检测和压制方法 Active CN110542926B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910824545.7A CN110542926B (zh) 2019-09-02 2019-09-02 一种地震数据尖峰噪声簇的自主检测和压制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910824545.7A CN110542926B (zh) 2019-09-02 2019-09-02 一种地震数据尖峰噪声簇的自主检测和压制方法

Publications (2)

Publication Number Publication Date
CN110542926A CN110542926A (zh) 2019-12-06
CN110542926B true CN110542926B (zh) 2020-07-28

Family

ID=68711061

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910824545.7A Active CN110542926B (zh) 2019-09-02 2019-09-02 一种地震数据尖峰噪声簇的自主检测和压制方法

Country Status (1)

Country Link
CN (1) CN110542926B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111259311B (zh) * 2020-01-14 2023-03-24 西安应用光学研究所 尖峰噪声处理方法
CN111274904B (zh) * 2020-01-14 2023-03-24 西安应用光学研究所 针对尖峰噪声的信号处理系统
CN113376698B (zh) * 2021-06-23 2022-09-27 吉林大学 一种低漏检的地震数据尖峰噪声检测及压制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3894222A (en) * 1974-06-03 1975-07-08 Digital Data Systems Apparatus for suppressing noise spikes
CN106646637A (zh) * 2016-12-27 2017-05-10 吉林大学 一种去除核磁信号中尖峰噪声的方法
CN107045149A (zh) * 2017-04-17 2017-08-15 吉林大学 一种基于双奇异值分解的全波核磁共振信号噪声滤除方法
CN108759708A (zh) * 2018-03-15 2018-11-06 北京航空航天大学 一种对尖峰噪声免疫的高精度相干峰定位方法
CN109597134A (zh) * 2019-01-28 2019-04-09 吉林大学 基于绝热脉冲激发源的核磁共振地下水探测装置及其方法
CN109765629A (zh) * 2019-01-30 2019-05-17 吉林大学 一种能够压制同频噪声干扰的地面磁共振信号提取方法
CN109885903A (zh) * 2019-01-29 2019-06-14 吉林大学 一种基于模型的地面核磁共振信号尖峰噪声去除方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9810803B2 (en) * 2011-03-23 2017-11-07 Seismic Global Ambient, Llc Method for subsurface mapping using seismic emissions

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3894222A (en) * 1974-06-03 1975-07-08 Digital Data Systems Apparatus for suppressing noise spikes
CN106646637A (zh) * 2016-12-27 2017-05-10 吉林大学 一种去除核磁信号中尖峰噪声的方法
CN107045149A (zh) * 2017-04-17 2017-08-15 吉林大学 一种基于双奇异值分解的全波核磁共振信号噪声滤除方法
CN108759708A (zh) * 2018-03-15 2018-11-06 北京航空航天大学 一种对尖峰噪声免疫的高精度相干峰定位方法
CN109597134A (zh) * 2019-01-28 2019-04-09 吉林大学 基于绝热脉冲激发源的核磁共振地下水探测装置及其方法
CN109885903A (zh) * 2019-01-29 2019-06-14 吉林大学 一种基于模型的地面核磁共振信号尖峰噪声去除方法
CN109765629A (zh) * 2019-01-30 2019-05-17 吉林大学 一种能够压制同频噪声干扰的地面磁共振信号提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
压缩小波变换和非线性阈值技术压制磁共振尖峰噪声方法研究;林婷婷 等;《地球物理学报》;20170731;第60卷(第7期);第2858-2868页 *
基于背景信息的磁共振成像尖峰噪声消除;陈华莉 等;《波谱学杂志》;20121231;第29卷(第4期);第537-545页 *

Also Published As

Publication number Publication date
CN110542926A (zh) 2019-12-06

Similar Documents

Publication Publication Date Title
CN110542926B (zh) 一种地震数据尖峰噪声簇的自主检测和压制方法
US8112147B2 (en) Method and apparatus for generating determination indexes for identifying ECG interfering signals
CN108983058B (zh) 基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法
Lin et al. Seismic random noise elimination by adaptive time-frequency peak filtering
CN110443104A (zh) 一种应用于超声波局放检测的数据滤波方法
CN111652031A (zh) 一种基于改进经验小波变换的滚动轴承故障诊断方法
CN108303258A (zh) 一种滚动轴承性能退化评估的特征提取方法
CN113052000A (zh) 一种船舶机械设备早期微弱故障信号特征诊断方法
CN115061203A (zh) 一种基于频域奇异值分解的矿山单通道微震信号降噪方法及应用
CN111680785A (zh) 基于稀疏特性与对抗神经网络相结合的ecg信号处理方法
CN109212603A (zh) 一种基于gs变换滤波和emd去噪的地震信号检测算法
CN110542927B (zh) 变窗口加权地震数据尖峰噪声压制方法
CN110780349A (zh) 一种基于增强块匹配精度的加权核范数最小化算法及沙漠地震中低频噪声抑制方法和应用
CN114330445A (zh) 一种基于变压器振动信号敏感imf的小波阈值去噪方法
Yu et al. Removal of random noise in seismic data by time-varying window-length time-frequency peak filtering
CN116720059A (zh) CEEMDAN-Grey-SSA弱信号提取方法
Lin et al. Removal of power line interference in EEG signals with spike noise based on robust adaptive filter
CN112006679B (zh) 一种基于窗口方差变换的穿戴式心电信号r波检测方法
CN112766044B (zh) 疏松样品纵横波速度分析方法、装置及计算机存储介质
CN113376698B (zh) 一种低漏检的地震数据尖峰噪声检测及压制方法
CN110542925B (zh) 一种基于峰值包络线的地震数据尖峰噪声识别及压制方法
CN111414808B (zh) 基于平移不变分数阶小波稀疏表示的机械故障诊断方法
CN114593815B (zh) 一种基于自噪声数据的线谱提取技术
CN112578442B (zh) 一种去除海洋地震勘探尾流噪音的方法
CN114740530B (zh) 基于双曲时窗约束的中高频拟线性噪声压制方法及装置

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
GR01 Patent grant
GR01 Patent grant