隨機(jī)噪聲的存在會(huì)降低地震資料信噪比(signal-to-noise ratio,SNR),影響后續(xù)資料的處理與分析�；诘椭认闰�(yàn)的地震數(shù)據(jù)隨機(jī)噪聲壓制方法將去噪問題通過建模轉(zhuǎn)化為求解秩最小化問題,通過矩陣降秩實(shí)現(xiàn)隨機(jī)噪聲的去除。考慮到地震數(shù)據(jù)具有較強(qiáng)的相似特性,提出了基于自相似性先驗(yàn)(self-similarity prior,SP)和截?cái)嗪朔稊?shù)正則化(truncated nuclear norm regularization,TNNR)的地震數(shù)據(jù)去噪方法,即SP-TNNR方法,以自相似塊組為單元,用截?cái)嗪朔稊?shù)代替?zhèn)鹘y(tǒng)的核范數(shù)在地震數(shù)據(jù)"組域"進(jìn)行低秩約束去噪。首先搜索地震數(shù)據(jù)的自相似塊,構(gòu)成自相似塊組;然后在自相似塊組添加TNNR最小化約束;最后采用加速近端梯度法(accelerated proximal gradient line,APGL)對(duì)優(yōu)化問題進(jìn)行求解。仿真數(shù)據(jù)和實(shí)際地震數(shù)據(jù)實(shí)驗(yàn)結(jié)果均表明,SP-TNNR方法能夠在保持邊緣信息和有效信息的前提下壓制隨機(jī)噪聲,去噪后的地震數(shù)據(jù)具有更高的信噪比。

【文章頁數(shù)】：10 頁

【文章目錄】：
1 方法理論
    1.1 基于降秩理論的地震數(shù)據(jù)去噪模型
    1.2 基于截?cái)嗪朔稊?shù)的低秩模型
    1.3 目標(biāo)函數(shù)轉(zhuǎn)換
    1.4 相似塊匹配
    1.5 APGL優(yōu)化求解
2 數(shù)據(jù)實(shí)驗(yàn)
    2.1 仿真數(shù)據(jù)實(shí)驗(yàn)
    2.2 實(shí)際數(shù)據(jù)應(yīng)用
3 結(jié)論



本文編號(hào)：3849764