预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共20页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108983286A(43)申请公布日2018.12.11(21)申请号201810811802.9(22)申请日2018.07.23(71)申请人中国石油大学(华东)地址266580山东省青岛市黄岛区长江西路66号(72)发明人张敏曹鹏涛李振春王鹏程(74)专利代理机构北京汇捷知识产权代理事务所(普通合伙)11531代理人李宏伟(51)Int.Cl.G01V1/28(2006.01)G01V1/30(2006.01)权利要求书1页说明书8页附图10页(54)发明名称一种联合CEEMD与广义S变换的地震数据去噪方法(57)摘要本发明提供一种联合CEEMD与广义S变换的地震数据去噪方法,其特征在于,包括:1)先对原始信号x(t)进行CEEMD分解,获得各IMF分量;2)采用自相关法分析各IMF分量,确定出前几个分量中需要进行去噪处理的IMF分量;3)对确定出的含噪IMF分量进行基于GST的时频域自适应滤波去噪处理;4)将去噪处理后的IMF分量以及其他剩余IMF分量进行信号重构,获得去噪后的信号x'(t)。本发明方法在有效压制随机噪音的同时能够有效保留原始信号中的高频与低频有效信息,是一种有效的噪声压制方法,并且处理后剖面的信噪比获得较大改善。CN108983286ACN108983286A权利要求书1/1页1.一种联合CEEMD与广义S变换的地震数据去噪方法,其特征在于,包括以下步骤:1)先对原始信号x(t)进行CEEMD分解,获得各IMF分量;2)采用自相关法分析各IMF分量,确定出前几个分量中需要进行去噪处理的IMF分量;3)对确定出的含噪IMF分量进行基于GST的时频域自适应滤波去噪处理;4)将去噪处理后的IMF分量以及其他剩余IMF分量进行信号重构,获得去噪后的信号x'(t)式中:x'(t)为去噪后的信号;c'(t)为采用GST时频域自适应滤波去噪后的IMF分量,c(t)为其他IMF分量,r(t)为CEEMD分解获得的残余分量。2CN108983286A说明书1/8页一种联合CEEMD与广义S变换的地震数据去噪方法技术领域[0001]本发明涉及地球物理技术领域,尤其涉及一种联合CEEMD与广义S变换的地震数据去噪方法。背景技术[0002]深层油气资源已成为我国油气勘探突破发现与规模增储的重要领域,随着勘探对象地面地质条件的复杂性以及勘探深度的增加,所获得地震数据的信噪比较低,尤其深层信号在强噪音背景下甚至无法分辨有效信息,这对去噪技术提出了更高的要求。近年来国内外学者就地震数据中的噪音压制进行了大量研究,并提出了一系列处理技术与方法,如小波变换域随机噪音衰减、多项式拟合去噪技术、时空双曲滤波等,这些去噪方法可以有效压制随机噪音,但他们采用确定性的基函数,难以准确表达地震信号的非平稳特征,去噪后信号会存在一定假象。此外,针对深层信号地震信号具有噪声能量强、有效信号能量弱的特点,常规去噪方法难以获得较好去噪效果,因此需要开发出了一些新的去噪方法如,张岩等依据图像块分组稀疏表示思想,利用邻近地震数据块之间多个地震记录道的相似性,提出基于多道相似组稀疏表示的地震数据随机噪音压制方法;韩文功、张军华通过对厚层和薄层模型的幅值和频谱特征进行研究,提出使用奇异值分解和曲波变换用于强噪音下地震弱信号的检测与识别;张华等提出使用二维曲波变换对三维地震数据的时间切片进行多尺度、多方向分解,在曲波域采用阈值法进行随机噪音压制;张恒磊等提出基于反射波各向异性而随机噪音各向同性特征,通过构造各向异性函数进行加权叠加的数据保真处理实现地震数据保真去噪;宋维琪针对地面微地震检测资料中噪声特点研究了地面微地震资料τ-p变换去噪方法。上述处理技术方法原理不同,适用条件不同,对随机噪音处理的效果均不理想。考虑到地震信号的非平稳性和去噪方法对非平稳信号的适应性,基于广义S变换(GST)、互补集合经验模态分解(CEEMD)的地震数据去噪技术是近些年发展起来的地震资料去噪方法,其中基于广义S变换的去噪方法,能够根据实际地震信号的时频分布特点,通过灵活调节窗函数使其随频率的变化趋势呈现多种非线性变化特征,以更好适应具体信号的分析与处理。而基于CEEMD的去噪方法,具有时变、分频和高保真特性,可以有效压制地震资料中的高频噪音。考虑到CEEMD去噪方法在去除高频噪音的同时会压制高频有效信息,王姣等和ZhangY等提出对含噪音的经验模态分量(IMF)进行小波阈值去噪处理后,再与其他不含噪声的IMF分量进行信号重构,数值模拟显示具有较好的去噪效果,但小波阈值去噪效果受不同小波基函数和处理参数影响较大,选取最优参数困难。GaciS等对比分析了小波阈值去噪算法和EEMD去噪算法在不同信噪比条件下的去