CN118244350A - 陆地深层地震自适应非平稳信号分解重构的信号增强方法 - Google Patents
陆地深层地震自适应非平稳信号分解重构的信号增强方法 Download PDFInfo
- Publication number
- CN118244350A CN118244350A CN202410218991.4A CN202410218991A CN118244350A CN 118244350 A CN118244350 A CN 118244350A CN 202410218991 A CN202410218991 A CN 202410218991A CN 118244350 A CN118244350 A CN 118244350A
- Authority
- CN
- China
- Prior art keywords
- signal
- singular vector
- simple harmonic
- singular
- vector matrix
- 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 69
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 62
- 239000013598 vector Substances 0.000 claims abstract description 78
- 239000011159 matrix material Substances 0.000 claims abstract description 69
- 238000005516 engineering process Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 description 8
- 238000010183 spectrum analysis Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000013075 data extraction Methods 0.000 description 5
- 238000013016 damping Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 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
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
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
本发明公布了一种陆地深层地震自适应非平稳信号分解重构的信号增强方法,针对陆地深层弱信号地震资料,基于非平稳信号分解重构技术,通过对左奇异向量矩阵以及奇异值矩阵进行同步处理,实现压制陆地深层非平稳弱信号的背景噪声与信号增强。采用本发明方法,能够对深层非平稳弱信号进行有效的增强,同时处理后的深层地震同相轴更加连续、清晰,压制背景噪声更完全。
Description
技术领域
本发明属于陆地油气地震勘探资料信号处理技术领域,涉及深层低信噪比地震资料去噪与弱信号增强技术,尤其涉及一种陆地深层地震的自适应非平稳信号分解重构信号增强方法,通过自适应非平稳信号分解重构,实现对陆地深层地震弱信号的去噪与增强。
背景技术
目前,据文献[1]记载,深层油气储层的有效信号经过复杂地层不同程度的衰减,主要体现为地震非平稳弱信号,往往难以识别与提取。通过压制背景噪声、增强非平稳弱信号,能够实现可靠的地质解释。然而,野外采集到的深层地震资料往往被背景噪声污染,尤其是对深层弱信号的信噪比降低较为明显。因此,增强深层地震弱信号和压制背景噪声至关重要。
压制地震噪声的方法一般基于有效信号与噪声在统计学、变换域特征或可预测性上的差异。具体方法包括文献[2]中的滤波方法,文献[3]中的变换域,文献[4]中的正交化方法,文献[5]中的降秩方法,以及文献[6]中的深度学习方法。
其中,多道奇异值分析(Multichannel Singular Spectrum Analysis,MSSA)在衰减背景噪声方面具有独特的优势。该方法对背景噪声的压制效果等价于文献[7]中所使用的频率域中的Cadzow滤波。文献[8]将奇异谱分析扩展到MSSA方法的研究,基于线性同相轴的前提假设,利用相邻地震道的谱相似性以及可预测性来得到低秩汉克矩阵。文献[9]使用MSSA同时对叠前3D数据进行去噪和重建。数值实验表明,最终经过MSSA处理后的信号子空间仍含有残余噪声。为此,文献[10]在传统的MSSA算法中引入了阻尼因子概念,提出了阻尼多道奇异谱分析算法。通过在传统的MSSA算法中对奇异值施加阻尼处理,进一步增强了噪声子空间和信号子空间之间的分离程度,去噪效果更好。文献[11]采用用层间聚类法自动确定奇异值个数,进一步提高了阻尼多道奇异值分析实际应用的准确性。
上述多道奇异值分解技术类方法的核心在于处理奇异值分解后的奇异值矩阵,但噪声的存在不仅仅污染了奇异值分解后的奇异值矩阵,同时也污染了左本征向量矩阵,因此,以上方法在压制深层地震资料中背景噪声的同时容易损伤深层非平稳有效弱信号,这对于深层勘探是十分不利的。
参考文献:
[1].李海亮,张丽萍,王海龙,等.利用“两宽一高”地震资料预测深层储层.石油地球物理勘探,2020,55(S1):80-84+7-8.
[2].Jeong W,Tsingas C,Almubarak M.Shear Noise Suppression forSeafloor Vertical Geophone Using Robust Reduced-Rank Filtering.IEEEGeoscience and Remote Sensing Letters,2022,19:1-5.
[3].李林峰,曹玉苹,李哲,等.基于曲波变换-联合双边滤波的二维地震数据随机噪声去除方法研究.石油物探,2023,62(04):633-644.
[4].Chen Yangkang,Fomel S.Random noise attenuation using local signaland-noise orthogonalization.Geophysics,2015,80:1–9.
[5].Ma Haitao,Yan Jie,Li Yue.Low-Frequency Noise Suppression ofDesert Seismic Data Based on Variational Mode Decomposition and Low-RankComponent Extraction.IEEE Transactions on Geoscience and Remote Sensing,2020,17:337-341.
[6].王婧,陈睿,马小琴,等.加权全变分正则化与ADMM求解的无监督地震数据随机噪声压制方法.石油地球物理勘探,2023,58(04):766-779+800.
[7].Hu Yanglijiang,Liu Dawei,Wang Xiaokai,et al.Attenuation of theMultiple Reflection-Refraction in 2-D Common-Shot Gather via Random-Derangement-Based FX Cadzow Filter.IEEE Geoscience and Remote SensingLetters,2022,19:1-5.
[8].Read P L.Phase portrait reconstruction using multivariatesingular systems analysis.Physica D,1993,69:353-365.
[9].Oropeza V,Sacchi M.Simultaneous seismic data denoising andreconstruction via multichannel singular spectrum analysis.Geophysics,2011,76:25–32.
[10].Huang Weilin,Wang Runqiu,Chen Yangkang,et al.Damped multichannelsingular spectrum analysis for 3D random noise attenuation.Geophysics,2016,81:261–270.
[11].曹静杰,许昌昊,朱跃飞.基于层次聚类多道奇异谱分析的地震数据同时重建与去噪方法.石油地球物理勘探,2023,58(04):818-829.
发明内容
为了克服上述现有技术的不足,本发明提供一种陆地深层地震资料的自适应非平稳信号分解重构信号增强技术,基于非平稳信号分解重构技术(Non-stationary SignalDecomposition and Reconstruction,NSSDR),针对深层地震弱信号非平稳性,本发明能够克服深层地震弱信号的非平稳性,通过对奇异向量矩阵和奇异值矩阵的同步处理,实现有效压制背景噪声同时增强非平稳弱信号的技术效果。
本发明的核心是:本发明对多道奇异值分析(Multichannel Singular SpectrumAnalysis,MSSA)方法进行发展和改进,由于随机噪声会污染原始数据,因此经过奇异值分解后得到的三个矩阵都受到噪声的污染,多道奇异值分解通过截断奇异值方法虽然能够分离噪声子空间与信号子空间,但其局限性在于仅通过限制奇异值的数量并不能完全消除噪声成分。同时考虑到深层弱地震信号非平稳性,通过非平稳信号分解重构技术(NSSDR),对奇异值分解后的左奇异值向量矩阵进行进一步去噪。这种方法不仅更全面地分离了噪声子空间与信号子空间,更使得深层地震弱信号得以凸显。相对于传统的多道奇异值分解技术,本发明的方法在去噪方面表现更为强大,同时有效地保护并相对增强了深层的弱信号。这一改进不仅提高了对随机噪声的抵抗力,也使得深层地震信号的提取更为精确,为深层地震数据的处理提供了更加可靠和高效的方法。
本发明的技术方案如下:
一种陆地深层地震的自适应非平稳信号分解重构信号增强方法,是一种深层弱信号地震资料的去噪与增强方法,基于非平稳信号分解重构技术,通过对左奇异向量矩阵以及奇异值矩阵同步处理来实现压制背景噪声与非平稳弱信号增强;包括如下步骤:
A.获取叠前地震二维数据d(x,t),其中x代表偏移距或道号方向;t代表时间方向;
具体实施时,人工合成测试地震数据最大采样时间为6秒,地震道集为101道。
B.通过奇异值分解技术将叠前地震数据d(x,t)进行本征值及向量分解,得到三个本征矩阵,表示为:d(x,t)=EΓG,其中Γ代表奇异值矩阵,E和G分别代表左奇异向量矩阵和右奇异向量矩阵;
C.设计并利用自适应非平稳信号分解技术对左奇异向量矩阵E进行去噪;
C1.设计自适应非平稳信号分解技术,对左奇异向量矩阵E中的所有单列奇异向量e(t)进行频率带宽限制约束;
C2.通过约束自适应地将左奇异向量矩阵中单列奇异向量分解成一系列的简谐信号与噪声;
C3.对单列奇异向量进行瞬时频率约束,分离出有效信号与噪声;
采用单列奇异向量的二阶导数的平方范数的平方估计信号瞬时频率,求得其最小值即为有效信号所对应的频率部分;
C4.设置容许噪声误差值,并根据求解出的简谐成分瞬时频率,得到简谐信号;
C5.将所得到简谐信号进行累加重构,即保留有效信号所对应的部分;
循环以上操作C1~C5,直至遍历所有单列奇异向量,从而得到去噪后的左奇异向量矩阵Esingal,即有效信号所对应的左奇异向量矩阵;
D.重构地震数据:将去噪后的左奇异向量矩阵Esingal与奇异值分解后的奇异值矩阵Γ及右奇异向量矩阵G相乘,得到重构后的有效地震数据;
通过上述步骤,即实现陆地深层地震的自适应非平稳信号分解重构及信号增强。
针对本发明提供的陆地深层地震自适应非平稳信号分解重构的信号增强方法,在步骤C2中,具体是将左奇异向量矩阵E中的单列奇异向量e(t)分解成一系列的简谐信号ak(t)cos[2πfk(t)t]+φk(t)与噪声n(t),表示为:
其中k代表第k个简谐成分,K代表的简谐成分个数,ak(t)代表的是第k个简谐成分的瞬时振幅,cos代表的是余弦函数,π代表的是圆周率,fk(t)代表的是第k个简谐成分的瞬时频率,φk(t)代表的是第k个简谐成分的瞬时振幅,n(t)代表的是噪声。
针对上述陆地深层地震自适应非平稳信号分解重构的信号增强方法,在步骤C3中,求取有效信号所对应的频率部分表示为:
其中min代表的求取最小值,a″k(t)代表的是第k个简谐成分的瞬时振幅二阶导数,代表的是平方范数。
在步骤C4中,具体是将求解出的简谐成分瞬时频率f(t)与单列奇异向量e(t)进行迭代,得到简谐信号,表示为:
其中,ε为容许噪声误差值。具体实施时,容许噪声误差值可选取为1×10-6。
与现有技术相比,本发明的有益效果:
本发明提供一种陆地深层弱信号地震资料的去噪与增强方法,基于非平稳信号分解重构技术,通过对左奇异向量矩阵以及奇异值矩阵同步处理来实现压制背景噪声与非平稳弱信号增强。与现有技术相比,本发明具有以下技术优势:
(一)针对深层地震信号的非平稳性,本发明采用非平稳信号分解重构技术,相较于传统多道奇异值分解方法,避免了在压制背景噪声时对有效信号造成的损伤,提高了数据处理的准确性;
(二)本发明通过对经奇异值分解后的左奇异向量矩阵以及奇异值矩阵同步处理,相较于传统多道奇异值分解方法,进一步提高了背景噪声的抑制效果,尤其适用于低信噪比数据的处理。
附图说明
图1是本发明提供的自适应非平稳信号分解重构信号增强技术的流程框图。
图2是左奇异向量矩阵处理技术的示意图;
其中,虚线框框代表的是本发明方法与现有传统技术的核心区别,重点在于本发明对奇异值分解后的左奇异向量矩阵进行了非平稳信号分解与重构处理。
图3是人工合成测试深层弱信号地震数据;
其中,(a)为干净地震数据图,从时间角度来看,从上到下分别设计了六个能量依次减弱的倾斜以及相互交叉的同相轴;(b)为添加的强背景噪声图,强背景噪声无规律、全面覆盖;(c)为被强噪声干扰后地震数据图,强噪声严重破坏了有效信号的可识别性,明显清晰的同相轴出现明显不连续。
图4是对地震数据进行奇异值分解后得到的信号左奇异向量矩阵:
其中,(a)为无背景噪声地震数据分解后得到的信号左奇异向量矩阵;(b)为带背景噪声地震数据分解后得到的信号左奇异向量矩阵。
图5是左奇异向量矩阵前101列;
其中,(a)为无背景噪声地震数据分解后左奇异向量矩阵;(b)为带背景噪声地震数据分解后左奇异向量矩阵。
图6是左奇异向量矩阵单列对比图;
其中,其中无背景噪声地震数据提取列用灰色表示,带背景噪声地震数据提取列用黑色表示。(a)为第五列对比;(b)为第二十列对比。
图7是对人工合成测试深层数据,分别采用多道奇异值分析MSSA方法与非平稳信号分解重构NSSDR方法进行合成的效果对比,而本发明方法较MSSA方法能够压制更多的随机噪声以及保护有效信号;
其中,(a)为带背景噪声合成数据;(b)为带背景噪声合成数据经过MSSA去噪后;(c)为带背景噪声合成数据经过NSSDR去噪后;(d)带背景噪声合成数据经过MSSA去噪后残差数据;(e)带背景噪声合成数据经过NSSDR去噪后残差数据。
图8是实际深层数据去噪:MSSA方法与NSSDR方法效果对比;
其中,(a)为带背景噪声实际数据;(b)为带背景噪声实际数据经过MSSA去噪后;(c)为带背景噪声实际数据经过NSSDR去噪后;(d)带背景噪声实际数据经过MSSA去噪后残差数据;(e)带背景噪声实际数据经过NSSDR去噪后残差数据。
图9是实际深层6-7秒数据去噪:MSSA方法与NSSDR方法对比;
其中,(a)为带背景噪声实际数据;(b)为带背景噪声实际数据经过MSSA去噪后;(c)为带背景噪声实际数据经过NSSDR去噪后;(d)带背景噪声实际数据经过MSSA去噪后残差数据;(e)带背景噪声实际数据经过NSSDR去噪后残差数据。
具体实施方式
下面结合附图,通过实施例进一步描述本发明,但不以任何方式限制本发明的范围。
本发明提供陆地深层地震的自适应非平稳信号分解重构信号增强方法,针对陆地深层弱信号地震资料,基于非平稳信号分解重构技术,通过对左奇异向量矩阵以及奇异值矩阵同步处理来实现压制背景噪声(去噪)与非平稳弱信号增强。
图1所示为本发明提供的自适应非平稳信号分解重构信号增强技术的流程;包括如下步骤:
A.针对野外接收的叠前地震二维数据d(x,t),其中x代表偏移距或道号方向,,t代表时间方向,。由于存在背景噪声干扰的问题从而影响有效信号的识别,对地震数据d(x,t)进行背景噪声压制或有效信号增强;
B.对叠前地震数据d(x,t)进行本征值以及向量(奇异值)分解,得到三个本征矩阵,也即d(x,t)=EΓG,其中Γ代表奇异值矩阵,E和G代表着左、右奇异向量矩阵;
C.设计并利用自适应非平稳信号分解技术对左奇异向量矩阵E进行去噪;
图2示意了左奇异向量矩阵处理技术,本发明方法与现有传统技术的区别重点在于本发明对奇异值分解后的左奇异向量矩阵进行了非平稳信号分解与重构处理。
C1.叠前地震数据d(x,t)受到背景噪声干扰,因此奇异值分解后左奇异向量矩阵E也会受到背景噪声污染,对其进行自适应非平稳信号分解技术处理;
C2.设计自适应非平稳信号分解技术,可以自适应的将左奇异向量矩阵E中的单列奇异向量e(t)分解成一系列的简谐信号ak(t)cos[2πfk(t)t]+φk(t)与噪声n(t):
其中k代表第k个简谐成分,K代表的简谐成分个数,ak(t)代表的是第k个简谐成分的瞬时振幅,cos代表的是余弦函数,π代表的是圆周率,fk(t)代表的是第k个简谐成分的瞬时频率,φk(t)代表的是第k个简谐成分的瞬时振幅,n(t)代表的是噪声。
C3.对单列奇异向量进行瞬时频率约束,分离出有效信号与噪声;
有效信号在频率域中频率带宽集中而噪声分散。因此对单列奇异向量进行瞬时频率约束可以有效分离有效信号与噪声,用单列奇异向量e(t)的二阶导数的平方范数的平方估计信号瞬时频率,求其最小值也即有效信号所对应的频率部分:
其中min代表的求取最小值,a″k(t)代表的是第k个简谐成分的瞬时振幅二阶导数,代表的是平方范数。
C4.获取简谐信号;
选择设置容许噪声误差值ε,一般选取1×10-6,带入求解出的简谐成分瞬时频率f(t)与单列奇异向量e(t)进行迭代,得到最符合的简谐信号:
C5.将所得到简谐信号进行累加重构,也即保留有效信号所对应的部分。
循环以上操作,直至所有单列奇异向量都被处理得到去噪后的左奇异向量矩阵Esingal,也即有效信号所对应的左奇异向量矩阵;
图4和图5示意了对地震数据进行奇异值分解后得到的信号左奇异向量矩阵。图6表示了左奇异向量矩阵的单列对比;其中(a)为第五列对比;(b)为第二十列对比。
D.重构地震数据。将去噪后的左奇异向量矩阵Esingal与奇异值分解后的奇异值矩阵Γ以及右奇异向量矩阵G相乘,得到重构后的有效地震数据。
通过上述步骤,实现陆地深层地震的自适应非平稳信号分解重构及信号增强。
为了验证本文提出的陆地深层地震的自适应非平稳信号分解重构信号增强方法的有效性以及先进性。对人工合成测试地震数据分别应用了MSSA方法和NSSDR方法,以评估对地震深层非平稳弱信号增强性能。本发明方法相较于已有方法,具有更强的去噪效果以及保护深层信号的能力。合成深层地震数据如图3所示,图3中(a)中地震数据是由多个斜率不同、互相交叉、能量逐渐减弱的同相轴构成的地震记录,其中合成数据相关参数:地震数据最大采样时间为6秒,采样频率为500Hz,地震道集为101道。合成模型中同相轴从上到下子波中心频率分别为30、25、20、15、10Hz,整体频率较低,同时地震有效信号的能量也逐渐降低。图3中的(b)是设计的强背景噪声,图3中(c)是干净地震数据添加强背景噪声后结果,可以看到强背景噪声严重干扰了有效地震信号,尤其是深层弱信号同相轴几乎被强背景噪声淹没,合成地震数据信噪比极低。
对无背景噪声地震数据和带背景噪声地震数据进行奇异值分解,其中无背景噪声地震数据和带背景噪声地震数据分解后所对应的左奇异向量矩阵如图4所示。
根据矩阵重构,所得到的左奇异向量矩阵中仅仅只有前101项是参与重构,也即图3中左奇异向量矩阵前101列,如图5所示。
取无背景噪声地震数据与带背景噪声地震数据分解后左奇异向量矩阵第五列与第二十列进行对比,如图6所示,其中无背景噪声地震数据提取列用红色表示,带背景噪声地震数据提取列用黑色表示,可以看到两者之间存在明显的噪声干扰,也即背景噪声对原始数据进行污染后,经过奇异值分解后会对得到的左奇异向量矩阵进行污染,因此对左奇异向量矩阵处理是必要的。
图7为采用现有传统技术与本发明技术对人工合成测试深层数据进行处理结果。实验结果表明,现有传统技术处理后的地震残差存在有效信号,而采用本发明提供的非平稳信号分解方法处理后的地震残差不存在有效信号,同相轴也更加连续,清晰,也即能够增强深层地震非平稳弱信号,同时能够压制更多背景噪声。
在另一实施例中,选取某地区的实际地震资料,检验NSSDR方法的有效性。该地区地震数据信噪比低,深层弱信号被背景噪声严重污染,深层同相轴不清晰。图8为实际深层数据去噪:MSSA方法与NSSDR方法对比,图9为图8中6至7秒地震数据局部放大图。
从图8(d)MSSA方法去噪后残差可以明显看出,MSSA方法处理后明显损伤了深层非平稳弱信号,而从图8(e)NSSDR方法去噪后残差可以知道NSSDR方法对深层非平稳弱信号进行了有效的增强,同时处理后的深层地震同相轴明显更加连续、清晰,压制背景噪声更完全。
需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。
Claims (6)
1.一种陆地深层地震自适应非平稳信号分解重构的信号增强方法,其特征是,针对陆地深层弱信号地震资料,基于非平稳信号分解重构技术,通过对左奇异向量矩阵以及奇异值矩阵进行同步处理,实现压制陆地深层非平稳弱信号的背景噪声与信号增强;包括如下步骤:
A.获取叠前地震二维数据d(x,t),其中x代表偏移距或道号方向;t代表时间方向;
B.通过奇异值分解技术将叠前地震数据d(x,t)进行本征值及向量分解,得到三个本征矩阵,表示为:d(x,t)=EΓG,其中Γ代表奇异值矩阵,E和G分别代表左奇异向量矩阵和右奇异向量矩阵;
C.设计并利用自适应非平稳信号分解技术对左奇异向量矩阵E进行去噪;
C1.设计自适应非平稳信号分解技术,对左奇异向量矩阵E中的所有单列奇异向量e(t)进行频率带宽限制约束;
C2.将左奇异向量矩阵中的单列奇异向量分解成一系列的简谐信号与噪声;
C3.对单列奇异向量进行瞬时频率约束,分离出有效信号与噪声;
采用单列奇异向量的二阶导数的平方范数的平方估计信号瞬时频率,求得其最小值即为有效信号所对应的频率部分;
C4.设置容许噪声误差值,并根据求解出的简谐成分瞬时频率,得到简谐信号;
C5.将所得到简谐信号进行累加重构,即保留有效信号所对应的部分;
循环以上操作C1~C5,直至遍历所有单列奇异向量,从而得到去噪后的左奇异向量矩阵Esingal,即有效信号所对应的左奇异向量矩阵;
D.重构地震数据:将去噪后的左奇异向量矩阵Esingal与奇异值分解后的奇异值矩阵Γ及右奇异向量矩阵G相乘,得到重构后的有效地震数据;
通过上述步骤,即实现陆地深层地震的自适应非平稳信号分解重构及信号增强。
2.如权利要求1所述陆地深层地震自适应非平稳信号分解重构的信号增强方法,其特征是,步骤C2中,具体是将左奇异向量矩阵E中的单列奇异向量e(t)分解成一系列的简谐信号ak(t)cos[2πfk(t)t]+φk(t)与噪声n(t),表示为:
其中k代表第k个简谐成分,K代表的简谐成分个数,ak(t)代表的是第k个简谐成分的瞬时振幅,cos代表的是余弦函数,π代表的是圆周率,fk(t)代表的是第k个简谐成分的瞬时频率,φk(t)代表的是第k个简谐成分的瞬时振幅,n(t)代表的是噪声。
3.如权利要求2所述陆地深层地震自适应非平稳信号分解重构的信号增强方法,其特征是,步骤C3中,求取有效信号所对应的频率部分表示为:
其中min代表的求取最小值,a″k(t)代表的是第k个简谐成分的瞬时振幅二阶导数,代表的是平方范数。
4.如权利要求3所述陆地深层地震自适应非平稳信号分解重构的信号增强方法,其特征是,步骤C4中,具体是将求解出的简谐成分瞬时频率f(t)与单列奇异向量e(t)进行迭代,得到简谐信号,表示为:
其中,ε为容许噪声误差值。
5.如权利要求4所述陆地深层地震自适应非平稳信号分解重构的信号增强方法,其特征是,容许噪声误差值选取为1×10-6。
6.如权利要求1所述陆地深层地震自适应非平稳信号分解重构的信号增强方法,其特征是,人工合成测试地震数据最大采样时间为6秒,地震道集为101道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410218991.4A CN118244350A (zh) | 2024-02-28 | 2024-02-28 | 陆地深层地震自适应非平稳信号分解重构的信号增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410218991.4A CN118244350A (zh) | 2024-02-28 | 2024-02-28 | 陆地深层地震自适应非平稳信号分解重构的信号增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118244350A true CN118244350A (zh) | 2024-06-25 |
Family
ID=91563353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410218991.4A Pending CN118244350A (zh) | 2024-02-28 | 2024-02-28 | 陆地深层地震自适应非平稳信号分解重构的信号增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118244350A (zh) |
-
2024
- 2024-02-28 CN CN202410218991.4A patent/CN118244350A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mousavi et al. | Automatic noise-removal/signal-removal based on general cross-validation thresholding in synchrosqueezed domain and its application on earthquake data | |
Li et al. | A method for low-frequency noise suppression based on mathematical morphology in microseismic monitoring | |
Han et al. | Microseismic and seismic denoising via ensemble empirical mode decomposition and adaptive thresholding | |
Mousavi et al. | Automatic microseismic denoising and onset detection using the synchrosqueezed continuous wavelet transform | |
Bekara et al. | Random and coherent noise attenuation by empirical mode decomposition | |
Bonar et al. | Denoising seismic data using the nonlocal means algorithm | |
Zhou et al. | Seismic noise attenuation using an online subspace tracking algorithm | |
Liu et al. | A 1D time-varying median filter for seismic random, spike-like noise elimination | |
US11880011B2 (en) | Surface wave prediction and removal from seismic data | |
DE69902386T2 (de) | Adaptive Abschwächungsmethode zur Verringerung von seismischen Störgeräuschen und Intereferenzen | |
Górszczyk et al. | Application of curvelet denoising to 2D and 3D seismic data—Practical considerations | |
Wang et al. | Data adaptive ground-roll attenuation via sparsity promotion | |
CN108828670B (zh) | 一种地震数据降噪方法 | |
de Oliveira Lyrio et al. | Efficient automatic denoising of gravity gradiometry data | |
Lu et al. | Instantaneous polarization filtering focused on suppression of surface waves | |
Huang et al. | Random noise attenuation by planar mathematical morphological filtering | |
Bai et al. | Seismic signal enhancement based on the low‐rank methods | |
Porsani et al. | Ground-roll attenuation based on SVD filtering | |
Hu et al. | Data-driven dispersive surface-wave prediction and mode separation using high-resolution dispersion estimation | |
Wang et al. | Robust singular value decomposition filtering for low signal-to-noise ratio seismic data | |
Bing et al. | A robust random noise suppression method for seismic data using sparse low-rank estimation in the time-frequency domain | |
Jiang et al. | Seismic wavefield information extraction method based on adaptive local singular value decomposition | |
Sykes et al. | Directional filtering for linear feature enhancement in geophysical maps | |
Chen et al. | Robust adaptive polarization analysis method for eliminating ground roll in 3C land seismics | |
CN118244350A (zh) | 陆地深层地震自适应非平稳信号分解重构的信号增强方法 |
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 |