基于在线字典学习算法的地震数据去噪研究与应用

发布时间：2022-01-12 12:14

　　在地震数据处理领域,地震资料的去噪质量直接影响到后续处理工作的有效性和可靠性,并且随着地震勘探的发展越来越偏向于复杂油气藏,干净的地震资料难以获得,因此对于地震资料的去噪应用是地震数据处理领域中一项重要的持续研究内容。基于地震数据与图像、语音信号的相似性,本文将在图像、语音信号领域快速发展的字典学习方法应用于地震资料去噪。字典学习方法是一种基于特征学习的稀疏表示算法,首先信号是地震资料中具有结构特征的有用信息,而一般地,噪声是随机的无结构的,不能进行稀疏表示。字典学习方法对地震资料进行训练学习,得到与该地震资料中信号所匹配的数据结构,再根据数据结构之间的重组获得地震信号的优良稀疏表示,稀疏表示过程进行了信号与噪声的分离。由于常规的字典学习方法计算复杂度过大,难以处理较大的地震资料,因此本文将能轻易处理较大数据集的在线字典学习方法引入地震数据处理中。在线字典学习方法使用了将待处理数据切块的思想,同时字典更新方式为逐列更新,因此大幅降低了计算的复杂度。在实际应用中发现:如果地震资料中含有能量较强且规则的噪声,会导致噪声的结构特征也被学习进字典,得到的字典品相较差。针对该问题,本文使用EMD... 

【文章来源】：成都理工大学四川省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

硬阈值和软阈值

2, , , ,( , , ) = , = ( ) ( )j l k j l kRC j l k f f x x dx示频率平面的平铺。在傅立叶空间中，曲线被支撑且阴影区域代表这样一个普通的楔形。右边的图像空间笛卡尔网格。

线状地震合成记录的噪声压制处理对比

【参考文献】：
期刊论文
[1]基于字典学习的碰摩声发射信号降噪算法[J]. 彭威,张祺威.  电子器件. 2019(01)
[2]基于层次化字典学习的图像超分辨率方法[J]. 薛文俊,谢淑翠,王至琪.  计算机工程与设计. 2019(02)
[3]模型约束下的在线字典学习地震弱信号去噪方法[J]. 李勇,张益明,雷钦,牛聪,周钰邦,叶云飞.  地球物理学报. 2019(01)
[4]基于字典降噪改进模糊聚类MRI图像分割算法[J]. 兰丙申,韩红伟.  中国数字医学. 2018(10)
[5]基于改进Curvelet变换的地震数据重建方法[J]. 侯文龙,贾瑞生,孙圆圆,俞国庆.  煤炭学报. 2018(09)
[6]利用在线字典学习实现图像超分辨率重建的算法[J]. 鹿璇,汪鼎文,石文轩.  武汉大学学报(信息科学版). 2018(05)
[7]基于改进匹配追踪算法的化爆地震波信号时频特征提取[J]. 钟明寿,周辉,刘影,龙源,郭涛.  爆炸与冲击. 2017(06)
[8]改进K-SVD算法在曲轴轴承AE信号的去噪研究[J]. 张峻宁,张培林,华春蓉,秦萍.  振动与冲击. 2017(21)
[9]基于K-SVD字典学习算法的稀疏表示振动信号压缩测量重构方法[J]. 郭俊锋,石斌,魏兴春,李海燕,王智明.  机械工程学报. 2018(07)
[10]基于EMD的振动信号去噪方法研究[J]. 马宏伟,张大伟,曹现刚,董明,李从会.  振动与冲击. 2016(22)

博士论文
[1]基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D]. 张岩.东北石油大学 2018
[2]基于压缩感知和稀疏表示的地震数据重建与去噪[D]. 唐刚.清华大学 2010

硕士论文
[1]基于稀疏表示的地震数据重构和去噪方法研究[D]. 张良.吉林大学 2018
[2]基于稀疏表示的地震数据精细处理方法研究[D]. 邵婕.中国石油大学(华东) 2016
[3]Lasso及其相关方法在多元线性回归模型中的应用[D]. 柯郑林.北京交通大学 2011
[4]小波分析在一维信号去噪中的应用[D]. 彭园园.北京邮电大学 2011
[5]基于稀疏表示与字典学习的图像去噪算法研究[D]. 姜鹏飞.西安电子科技大学 2011
[6]基于经验模态分解的小波阈值信号去噪研究[D]. 张永德.昆明理工大学 2011
[7]Curvelet阈值迭代法在地震数据去噪和插值中的应用研究[D]. 仝中飞.吉林大学 2009
[8]Contourlet变换及其在图像测量中的应用研究[D]. 张小艳.汕头大学 2009



本文编号：3584756