本文關(guān)鍵詞： 雙密度雙樹復(fù)小波變換 雙變量模型 隨機噪聲 小波系數(shù) 最大后驗概率估計　出處：《合肥工業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：壓制地震信號中的隨機噪聲,提取有效信息是地震信號處理中的重要環(huán)節(jié)之一,噪聲壓制的好壞直接影響后面的地質(zhì)解釋工作。由于雙密度雙樹復(fù)小波變換具有多方向選擇性以及近似平移不變性等優(yōu)點,所以本文在雙密度雙樹復(fù)小波域建立統(tǒng)計模型壓制地震信號中的隨機噪聲。本文主要研究內(nèi)容如下:1、綜述了地震信號降噪的研究背景、研究意義以及國內(nèi)外研究現(xiàn)狀,介紹了噪聲的種類特點以及現(xiàn)階段地震信號降噪的評價標準,并給出了相關(guān)的定量計算公式。2、介紹了離散小波的相關(guān)理論知識;其次針對離散小波的不足之處,詳細地闡述了兩種具有更多方向選擇性的小波:雙樹復(fù)小波和雙密度小波;最后基于雙樹復(fù)小波和雙密度小波優(yōu)良特性的基礎(chǔ)上,著重介紹具有更多方向選擇性以及近似平移不變性等優(yōu)點的雙密度雙樹復(fù)小波。并通過濾波器組結(jié)構(gòu)示意圖進一步解釋了幾種小波變換的分解過程。3、建立雙密度雙樹復(fù)小波域的實部和虛部小波系數(shù)間的雙變量模型對地震信號中的隨機噪聲進行壓制。地震信號經(jīng)過雙密度雙樹復(fù)小波變換后,同尺度和同方向的實部和虛部小波系數(shù)之間具有很強的相關(guān)性。因此,建立雙密度雙樹復(fù)小波實部和虛部系數(shù)的雙變量模型,然后利用最大后驗概率估計方法進行估計得到源地震信號小波系數(shù)的估計值,最后對源地震信號小波系數(shù)的估計值進行雙密度雙樹復(fù)小波逆變換重構(gòu)得到降噪后的地震信號。為驗證本文算法的有效性,分別對合成地震記錄和實際地震信號進行降噪處理,實驗結(jié)果表明本文方法能夠有效地壓制隨機噪聲并且能夠保留較多的有效反射波信號,提高信噪比的同時具有較高的保真度。
[Abstract]:Suppress random noise in the seismic signal, effective information extraction is one of the important link of seismic signal processing, noise suppression will directly influence behind the geologic interpretation. Due to the double density dual tree complex wavelet transform with multi direction selectivity and approximate shift invariance etc., so the double density dual tree complex wavelet domain statistical model pressing the random noise in the seismic signal. The main research contents of this paper are as follows: 1, summarized the research background of seismic signal denoising, significance and research status at home and abroad research, introduces the types of noise characteristics and noise evaluation stage of seismic signal, and the formulas for calculating.2 gives quantitative, introduces relevant theoretical knowledge discrete wavelet; secondly aiming at disadvantages of discrete wavelet, elaborates two kinds of more selective dual tree complex wavelet direction: small Wave and double density wavelet; finally, based on the dual tree complex wavelet transform and double density wavelet excellent characteristics, emphatically introduces the direction selectivity and has more advantages of double density dual tree complex wavelet approximate shift invariance etc.. And through the filter bank structure diagram further explained the decomposition process of.3 wavelet, is used to suppress the random noise of two variables model of real and imaginary part of wavelet coefficients of double density dual tree complex wavelet domain between the seismic signal in seismic signal. After the double density dual tree complex wavelet transform, has a strong correlation between the real and imaginary part of wavelet coefficients of the same scale and the same direction. Therefore, the bivariate model established the double density dual tree the real and imaginary part of complex wavelet coefficients, and then use the method to estimate the maximum a posteriori estimate to estimate the source of seismic signal wavelet coefficient values at the end of the earthquake source Estimate number of wavelet coefficient value of seismic signal is the double density dual tree complex wavelet transform is reconstructed after noise reduction. In order to verify the effectiveness of the proposed algorithm, respectively on the synthetic seismogram and actual seismic signal de-noising, the effective reflection wave signal experimental results show that this method can effectively suppress noise and to retain more. To improve the signal-to-noise ratio and has high fidelity.

【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P631.4

【相似文獻】

相關(guān)期刊論文 前10條

1 田豐;于曉明;王晉國;王衛(wèi)亞;;基于映射的圖像多角度復(fù)小波變換[J];西北大學(xué)學(xué)報(自然科學(xué)版);2010年02期

2 吳宇寧;王美清;;基于二元廣義正態(tài)分布模型的雙樹復(fù)數(shù)小波圖像去噪[J];福州大學(xué)學(xué)報(自然科學(xué)版);2007年06期

3 郝榮霞,劉彥佩,何衛(wèi)力;關(guān)于平面上雙樹梵和的一個注記[J];數(shù)學(xué)物理學(xué)報;2004年03期

4 倪金霞;孫中喜;;一種雙樹復(fù)小波域最大散度差人臉識別方法[J];江蘇教育學(xué)院學(xué)報(自然科學(xué));2013年03期

5 劉金華;佘X;;基于雙樹復(fù)小波與波原子的圖像擴散濾波[J];物理學(xué)報;2011年12期

6 楊威;高協(xié)平;;基于雙樹復(fù)數(shù)小波變換的微鈣化診斷方法[J];光子學(xué)報;2010年06期

7 吳曉紅;羅代升;王正勇;陶德元;;基于雙樹復(fù)小波變換的巖心圖像去噪[J];西南民族大學(xué)學(xué)報(自然科學(xué)版);2007年05期

8 吳石虎;余旭初;許敏;;基于雙樹復(fù)數(shù)小波的SAR圖像去噪算法[J];測繪科學(xué);2010年05期

9 李江濤;倪國強;王強;;基于雙樹復(fù)數(shù)小波變換和雙變量萎縮閾值圖像降噪[J];光學(xué)技術(shù);2007年05期

10 王蘭;吳彬;韓強雷;晉克宇;;基于雙樹復(fù)數(shù)小波變換的特征點水印算法[J];海洋測繪;2011年01期

相關(guān)會議論文 前6條

1 王亞君;劉曉冬;戴瓊海;李俊;;一種基于雙樹小波的去棋盤效應(yīng)的方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

2 劉曉山;曾春艷;杜明輝;;雙樹復(fù)小波各子帶系數(shù)在人臉識別中的性能研究[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

3 黨同心;沈偉;黃潔;;基于復(fù)小波變換和PCA的雷達包絡(luò)特征分析[A];2010年通信理論與信號處理學(xué)術(shù)年會論文集[C];2010年

4 李康;高靜懷;;基于Contourlet變換的局部角度屬性提取[A];中國地球物理學(xué)會第二十四屆年會論文集[C];2008年

5 周偉華;王鑫;羅斌;;SAR圖像降噪的雙樹復(fù)小波變換相位保持算法[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

6 黃世奇;劉代志;王百合;張翠平;;一種基于雙密度雙樹復(fù)小波變換和SAR圖像的自然災(zāi)害監(jiān)測方法[A];國家安全地球物理叢書（九）——防災(zāi)減災(zāi)與國家安全[C];2013年

相關(guān)重要報紙文章 前10條

1 本報通訊員 高俊;建市場 分樓房 辦保險 雙樹村讓農(nóng)民變居民[N];呼和浩特日報(漢);2007年

2 劉春芳邋皇甫秀玲 孟祥華;雙樹村有了大市場[N];內(nèi)蒙古日報(漢);2007年

3 藁城市委書記、市人民政府市長 王普增;推進“雙創(chuàng)雙樹”要堅持四個必須[N];石家莊日報;2008年

4 李云萍;助力“三年大變樣”[N];石家莊日報;2008年

5 畢云芳;井陘典型示范推動雙創(chuàng)雙樹活動[N];石家莊日報;2008年

6 記者 楊鴻恩邋通訊員 默萌;新樂市中醫(yī)院深入開展“雙創(chuàng)雙樹”活動[N];中國中醫(yī)藥報;2008年

7 本報記者 崔小紅;雙樹村：發(fā)展壯大集體經(jīng)濟 保障村民生活無慮[N];呼和浩特日報(漢);2006年

8 實習(xí)記者 馬宏亮;賽罕區(qū)雙樹村230名“村民員工”進行在崗培訓(xùn)[N];呼和浩特日報(漢);2007年

9 記者 李云萍;市委“雙創(chuàng)雙樹”活動辦公室召開調(diào)度會[N];石家莊日報;2008年

10 元氏縣委書記 李義增;做到“四個結(jié)合” 助力“三年大變樣”[N];石家莊日報;2008年

相關(guān)博士學(xué)位論文 前3條

1 王衍學(xué);機械故障監(jiān)測診斷的若干新方法及其應(yīng)用研究[D];西安交通大學(xué);2009年

2 曾文涵;雙樹復(fù)小波表面分析模型及加工過程形貌辨識方法研究[D];華中科技大學(xué);2005年

3 柴智;應(yīng)用子空間方法的人臉識別研究[D];天津大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 杜岳峰;基于雙密度雙樹復(fù)小波變換的地震信號噪聲壓制方法研究[D];合肥工業(yè)大學(xué);2017年

2 袁力;基于雙樹復(fù)小波域統(tǒng)計模型的地震信號噪聲壓制[D];合肥工業(yè)大學(xué);2016年

3 薛燦燦;基于定子電流雙樹復(fù)小波包分析的機車齒輪故障診斷[D];北京交通大學(xué);2017年

4 孟志鵬;基于雙樹復(fù)小波的機電設(shè)備故障診斷方法及應(yīng)用[D];北京工業(yè)大學(xué);2014年

5 唐天天;電力系統(tǒng)暫態(tài)信號小波熵檢測方法研究[D];哈爾濱工業(yè)大學(xué);2015年

6 王海旭;基于分布式壓縮感知的深空探測視頻編解碼技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

7 張勇;經(jīng)編織物花紋的自動提取[D];武漢紡織大學(xué);2016年

8 趙瑞卿;基于雙樹復(fù)小波變換的腦電影像融合[D];華東理工大學(xué);2016年

9 黎曉伊;基于對偶樹復(fù)小波變換和遷移支持向量回歸的遙感圖像薄云去除[D];安徽大學(xué);2016年

10 王俠;基于雙樹復(fù)小波變換的聲吶圖像的濾波[D];內(nèi)蒙古大學(xué);2016年

，

本文編號：1555273