變換域低秩算法在沙漠地震信號(hào)去噪中的應(yīng)用
發(fā)布時(shí)間:2021-01-04 12:38
高質(zhì)量的地震數(shù)據(jù)是地層成像和解釋的基礎(chǔ),但隨機(jī)噪聲的存在會(huì)極大地影響地震數(shù)據(jù)的質(zhì)量。隨著采集到的地震資料信噪比降低,噪聲特性變得更加復(fù)雜。特別是在沙漠地區(qū),沙漠地區(qū)蘊(yùn)藏著豐富的油氣資源,但由于地震資料的信噪比極低,且伴隨著隨機(jī)噪聲的復(fù)雜性和不可預(yù)測(cè)性,給后續(xù)的地球物理構(gòu)造成像和解釋帶來了很大的困難。因此,降噪是沙漠地震勘探的關(guān)鍵和首要任務(wù),沙漠地震記錄中的隨機(jī)噪聲主要集中在低頻段,造成噪聲與有效信號(hào)在頻率和幅度上有嚴(yán)重重疊。另外,由于沙漠噪聲不完全服從高斯分布,許多高斯噪聲的抑制方法都不適合沙漠噪聲的抑制,因此沙漠噪聲的抑制具有極大的挑戰(zhàn)性。近年來,為了提高信噪比,世界各國(guó)的信號(hào)處理專家都在不斷地進(jìn)行研究,其中提出了多種方法,并有效地應(yīng)用于地震資料的信號(hào)提取和噪聲抑制。而這些方法的代表多是多尺度分析去噪方法和時(shí)頻分析去噪方法;谝陨,本文提出一種基于變換域內(nèi)的低秩去噪方法,該算法首先利用同步壓縮小波變換將地震資料逐道變換到稀疏子空間,其次利用低秩分解將稀疏子空間中的低秩部分分解出來。與傳統(tǒng)低秩算法不同的是,本文對(duì)該低秩分解算法進(jìn)行了自適應(yīng)的迭代收斂,當(dāng)分解誤差達(dá)到預(yù)定范圍時(shí),提取出有...
【文章來源】:吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:66 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
壓縮感知原理圖
第3章變域低秩算法及其噪聲壓制原理29原始變域低秩算法和本文的算法結(jié)果(從上到下依次的順序)進(jìn)行了對(duì)比,從虛線紅框圈出的部分我們可以清楚地看到有效信號(hào)的具體位置。本文提出的方法不但有更好的壓噪效果,還在信號(hào)的恢復(fù)上與原始信號(hào)更加相似,信號(hào)的幅度依舊保持的較好。而在原始的變域低秩方法結(jié)果圖中,信號(hào)的幅度受到了很大程度上的衰減,噪聲也去除的不干凈,畸變很嚴(yán)重。因此本文的去噪方法相對(duì)原始低秩分解方法來說是更加有效的。圖3.1單道去噪結(jié)果對(duì)比圖表3.2迭代前后去噪效果對(duì)比SNR(dB)-3.6305-6.1293-8.0675SWT+SSGoDec2.25883.18793.0031本文3.78014.07453.5698給出迭代低秩中參數(shù)的選取過程及結(jié)論后,如下圖3.2給出了本文算法的流程框圖。具體算法流程如下:1)將時(shí)域內(nèi)的含噪信號(hào)通過同步壓縮小波變換轉(zhuǎn)換到SWT域。2)對(duì)SWT域內(nèi)的每一層分別進(jìn)行SSGoDec分解,得到對(duì)應(yīng)的低秩矩陣和分解
吉林大學(xué)碩士學(xué)位論文30誤差。3)完成第一次低秩分解后,將分解誤差與迭代條件范圍error0100.0進(jìn)行對(duì)比。若沒有達(dá)到該范圍,則進(jìn)行第二次迭代,其中rank參數(shù)相比上一次減一,以此類推;若達(dá)到了規(guī)定范圍,則停止迭代,提出低秩矩陣。4)將提出的低秩矩陣通過同步壓縮小波逆變換轉(zhuǎn)換回時(shí)域。圖3.2本文算法流程框圖3.4本章小結(jié)在這一章中,對(duì)本文的算法做了詳細(xì)的介紹。第一部分是同步壓縮小波變換的原理推導(dǎo),第二部分是本文所用的低秩分解方法SSGoDec的原理(從GoDec開始推導(dǎo)引出SSGoDec算法)。第三部分先給出變域低秩算法的流程總結(jié),并接著提出基于這個(gè)算法基礎(chǔ)上的改進(jìn),也就是迭代低秩算法,通過實(shí)驗(yàn)對(duì)比等找到最優(yōu)的參數(shù),并將兩種方法對(duì)比,對(duì)比結(jié)果體現(xiàn)出了本文改進(jìn)后算法的優(yōu)勢(shì)性。最后總結(jié)了本文方法的整體框架和流程,并給出了本文算法的總體流程圖。
【參考文獻(xiàn)】:
期刊論文
[1]基于數(shù)據(jù)增廣和CNN的地震隨機(jī)噪聲壓制[J]. 王鈺清,陸文凱,劉金林,張猛,苗永康. 地球物理學(xué)報(bào). 2019(01)
[2]塔里木盆地沙漠地區(qū)低信噪比地震資料處理技術(shù)[J]. 孔劍冰,陳旻,高雁,常春志,張本書. 河南石油. 2004(S1)
碩士論文
[1]基于分?jǐn)?shù)階復(fù)擴(kuò)散算法的沙漠地震勘探隨機(jī)噪聲壓制研究[D]. 馬駿馳.吉林大學(xué) 2019
[2]基于同步壓縮變換的地震譜分解研究[D]. 何元.中國(guó)石油大學(xué)(北京) 2016
[3]基于低秩約束的分類及特征分析方法研究[D]. 李林.國(guó)防科學(xué)技術(shù)大學(xué) 2013
[4]沙漠地區(qū)地震資料處理技術(shù)研究[D]. 秦亞玲.中國(guó)地質(zhì)大學(xué)(北京) 2006
本文編號(hào):2956779
【文章來源】:吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:66 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
壓縮感知原理圖
第3章變域低秩算法及其噪聲壓制原理29原始變域低秩算法和本文的算法結(jié)果(從上到下依次的順序)進(jìn)行了對(duì)比,從虛線紅框圈出的部分我們可以清楚地看到有效信號(hào)的具體位置。本文提出的方法不但有更好的壓噪效果,還在信號(hào)的恢復(fù)上與原始信號(hào)更加相似,信號(hào)的幅度依舊保持的較好。而在原始的變域低秩方法結(jié)果圖中,信號(hào)的幅度受到了很大程度上的衰減,噪聲也去除的不干凈,畸變很嚴(yán)重。因此本文的去噪方法相對(duì)原始低秩分解方法來說是更加有效的。圖3.1單道去噪結(jié)果對(duì)比圖表3.2迭代前后去噪效果對(duì)比SNR(dB)-3.6305-6.1293-8.0675SWT+SSGoDec2.25883.18793.0031本文3.78014.07453.5698給出迭代低秩中參數(shù)的選取過程及結(jié)論后,如下圖3.2給出了本文算法的流程框圖。具體算法流程如下:1)將時(shí)域內(nèi)的含噪信號(hào)通過同步壓縮小波變換轉(zhuǎn)換到SWT域。2)對(duì)SWT域內(nèi)的每一層分別進(jìn)行SSGoDec分解,得到對(duì)應(yīng)的低秩矩陣和分解
吉林大學(xué)碩士學(xué)位論文30誤差。3)完成第一次低秩分解后,將分解誤差與迭代條件范圍error0100.0進(jìn)行對(duì)比。若沒有達(dá)到該范圍,則進(jìn)行第二次迭代,其中rank參數(shù)相比上一次減一,以此類推;若達(dá)到了規(guī)定范圍,則停止迭代,提出低秩矩陣。4)將提出的低秩矩陣通過同步壓縮小波逆變換轉(zhuǎn)換回時(shí)域。圖3.2本文算法流程框圖3.4本章小結(jié)在這一章中,對(duì)本文的算法做了詳細(xì)的介紹。第一部分是同步壓縮小波變換的原理推導(dǎo),第二部分是本文所用的低秩分解方法SSGoDec的原理(從GoDec開始推導(dǎo)引出SSGoDec算法)。第三部分先給出變域低秩算法的流程總結(jié),并接著提出基于這個(gè)算法基礎(chǔ)上的改進(jìn),也就是迭代低秩算法,通過實(shí)驗(yàn)對(duì)比等找到最優(yōu)的參數(shù),并將兩種方法對(duì)比,對(duì)比結(jié)果體現(xiàn)出了本文改進(jìn)后算法的優(yōu)勢(shì)性。最后總結(jié)了本文方法的整體框架和流程,并給出了本文算法的總體流程圖。
【參考文獻(xiàn)】:
期刊論文
[1]基于數(shù)據(jù)增廣和CNN的地震隨機(jī)噪聲壓制[J]. 王鈺清,陸文凱,劉金林,張猛,苗永康. 地球物理學(xué)報(bào). 2019(01)
[2]塔里木盆地沙漠地區(qū)低信噪比地震資料處理技術(shù)[J]. 孔劍冰,陳旻,高雁,常春志,張本書. 河南石油. 2004(S1)
碩士論文
[1]基于分?jǐn)?shù)階復(fù)擴(kuò)散算法的沙漠地震勘探隨機(jī)噪聲壓制研究[D]. 馬駿馳.吉林大學(xué) 2019
[2]基于同步壓縮變換的地震譜分解研究[D]. 何元.中國(guó)石油大學(xué)(北京) 2016
[3]基于低秩約束的分類及特征分析方法研究[D]. 李林.國(guó)防科學(xué)技術(shù)大學(xué) 2013
[4]沙漠地區(qū)地震資料處理技術(shù)研究[D]. 秦亞玲.中國(guó)地質(zhì)大學(xué)(北京) 2006
本文編號(hào):2956779
本文鏈接:http://sikaile.net/shoufeilunwen/benkebiyelunwen/2956779.html
最近更新
教材專著