本文關(guān)鍵詞：基于稀疏表示的地震信號隨機噪聲壓制與面波分離

  更多相關(guān)文章： 地震信號去噪 稀疏表示 字典學習 形態(tài)成分分析

【摘要】：隨著地質(zhì)勘探技術(shù)不斷的進步,地質(zhì)勘探轉(zhuǎn)向地質(zhì)構(gòu)造和地質(zhì)環(huán)境復雜的目標區(qū)域,對于地震資料的質(zhì)量要求越來越高。而采集到地震資料常出現(xiàn)較為嚴重的噪聲干擾、信噪比低和有效信號能量弱的情況。噪聲的存在嚴重影響到后續(xù)地震資料的處理和解釋工作,因此利用合適的地震去噪方法去除地震資料中的噪聲,提高地震資料的信噪比變得越來越重要。稀疏表示理論是信號處理領(lǐng)域中的研究熱點。近年來,稀疏表示理論正不斷用于地震勘探中地震資料的有效表示。通常,在時空域內(nèi)的地震數(shù)據(jù)中有效信號與噪聲混疊在一起,很難直接對有效信號與噪聲進行分離。通過變換將地震信號變換到變換域后,有效信號的投影系數(shù)和噪聲的投影系數(shù)就會有很好的分選性,在變換域設(shè)置合適的閾值將噪聲系數(shù)濾除,通過反變換重建出地震信號,即可得到較好的去噪效果。論文主要研究稀疏表示理論并將其用于地震信號隨機噪聲以及面波噪聲的去噪中,主要工作內(nèi)容和創(chuàng)新點如下：1.研究稀疏表示理論模型和一些常見的稀疏分解算法,詳細描述稀疏表示字典模型的發(fā)展過程。研究基于稀疏表示理論的形態(tài)成分分析方法,該方法適用于復雜信號中不同形態(tài)成分的分離。2.構(gòu)建基于稀疏表示理論地震信號隨機噪聲去噪模型,介紹地震信號中隨機噪聲處理的常見方法。詳細描述學習型字典用于地震信號隨機噪聲去噪流程,首先對已知地震信號樣本進行字典學習,得到能夠有效表示地震信號的自適應學習型字典,接著在該學習型字典下對地震信號進行稀疏分解得到稀疏系數(shù),最后重建地震信號達到去除隨機噪聲的目的。針對傳統(tǒng)的學習型字典存在訓練時間長,結(jié)構(gòu)性較差的問題,將雙稀疏學習型字典用于地震信號隨機噪聲的去噪中,該學習型字典由具有固定結(jié)構(gòu)特征基字典與訓練得到的稀疏系數(shù)矩陣合成,具有較好的結(jié)構(gòu)性與稀疏性,對于地震信號具有更好的稀疏表示能力和去噪效果。3.介紹地震信號中面波噪聲處理的常見方法。介紹二維小波變換閾值法壓制面波的算法流程。提出基于二維字典的形態(tài)成分分析面波分離方法,該方法根據(jù)地震信號中反射波與面波成分不同的波形特征,分別選擇不同的二維字典稀疏表示地震信號中的不同成分,構(gòu)建地震信號在聯(lián)合二維超完備字典下的稀疏表示模型并采用塊協(xié)調(diào)松弛算法求解,將地震信號分解為反射波部分和面波部分,從而達到面波分離的目的。該方法綜合考慮了地震信號中不同成分的形態(tài)結(jié)構(gòu)特征,充分利用了地震信號中道與道的相關(guān)性,實現(xiàn)了對面波的有效分離。
【關(guān)鍵詞】：地震信號去噪 稀疏表示 字典學習 形態(tài)成分分析
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：P631.44
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-15
• 第一章 緒論15-20
• 1.1 課題研究意義和目的15-16
• 1.2 國內(nèi)外研究現(xiàn)狀16-18
• 1.2.1 地震資料噪聲種類16
• 1.2.2 地震資料隨機噪聲壓制方法研究現(xiàn)狀16-17
• 1.2.3 地震資料面波壓制方法研究現(xiàn)狀17-18
• 1.3 章節(jié)安排18-20
• 第二章 稀疏表示理論20-34
• 2.1 引言20
• 2.2 稀疏表示模型20-21
• 2.2.1 稀疏性和信號的稀疏表示20-21
• 2.2.2 超完備字典21
• 2.3 稀疏分解算法21-25
• 2.3.1 貪婪算法22-25
• 2.3.2 凸松弛法25
• 2.4 稀疏字典模型25-32
• 2.4.1 字典發(fā)展過程25-26
• 2.4.2 多尺度解析字典26-30
• 2.4.3 學習型字典30-32
• 2.5 形態(tài)成分分析32-33
• 2.6 本章小結(jié)33-34
• 第三章 基于稀疏表示的地震信號隨機噪聲壓制方法34-47
• 3.1 引言34
• 3.2 基于稀疏變換地震信號隨機噪聲去噪方法34-36
• 3.2.1 基于稀疏變換地震信號隨機噪聲去噪模型34-35
• 3.2.2 稀疏變換地震信號去噪的發(fā)展35
• 3.2.3 基于曲波變換地震信號去噪35-36
• 3.3 基于學習型字典地震信號隨機噪聲去噪方法36-40
• 3.3.1 學習型超完備字典構(gòu)造37-38
• 3.3.2 去噪算法流程38-40
• 3.4 雙稀疏學習型字典模型及其在地震信號去噪中的應用40-42
• 3.4.1 雙稀疏字典原理40
• 3.4.2 Sparse K-SVD算法40-42
• 3.4.3 基于雙稀疏學習型字典地震信號去噪42
• 3.5 地震信號隨機噪聲去噪對比實驗42-45
• 3.6 本章小結(jié)45-47
• 第四章 基于稀疏表示的地震信號面波噪聲分離方法47-63
• 4.1 引言47
• 4.2 基于小波分頻面波壓制算法47-51
• 4.2.1 小波分頻面波壓制原理47-49
• 4.2.2 閾值構(gòu)造函數(shù)與處理方法49-51
• 4.3 基于二維字典形態(tài)成分分析地震信號面波的分離51-55
• 4.3.1 基于形態(tài)成分分析二維域面波分離模型51-52
• 4.3.2 稀疏表示二維字典的選擇52-54
• 4.3.3 反射波與面波分離的求解方法54-55
• 4.4 地震信號面波去噪對比實驗55-62
• 4.4.1 仿真地震數(shù)據(jù)實驗55-60
• 4.4.2 實際地震數(shù)據(jù)處理60-62
• 4.5 本章小結(jié)62-63
• 第五章 總結(jié)與展望63-65
• 參考文獻65-70
• 攻讀碩士學位期間的學術(shù)活動及成果情況70-71

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 閆新海,程德福,李桐林;地震信號中長周期隨機干擾抑制技術(shù)的研究[J];世界地質(zhì);2000年01期

2 閆新海,程德福,宋曉琴;地震信號中長周期隨機干擾的消除方法[J];地質(zhì)裝備;2000年01期

3 張鳳環(huán),陳安方;一種新型的地震信號判別電路[J];東北地震研究;2002年04期

4 王海軍,劉貴忠,范萬春;廣義分維在地震信號初至檢測中的應用[J];核電子學與探測技術(shù);2004年06期

5 傅燕,趙榮椿,王剛;小波變換在地震信號噪聲處理中的應用[J];西北工業(yè)大學學報;2004年06期

6 劉喜武;劉婉瑩;劉洪;李幼銘;;地震信號廣義時頻分析及其數(shù)值實現(xiàn)[J];物探化探計算技術(shù);2007年05期

7 黃捍東;張如偉;郭迎春;;地震信號的小波分頻處理[J];石油天然氣學報;2008年03期

8 劉霞;潘洪屏;高曉春;吳偉龍;;基于小波閾值的地震信號去噪處理[J];科學技術(shù)與工程;2010年29期

9 馮智慧;劉財;馮fE;王典;張先武;;基于高階累積量一維切片的地震信號初至自動拾取方法[J];吉林大學學報(地球科學版);2011年02期

10 王寧;周U，

本文編號：621603