基于独立分量分析的地震信号随机噪声盲分离方法应用研究

论文摘要

在地震勘探中,地震信号的去噪比几乎贯穿了当前地震资料处理的每个环节。地震资料信噪比高低,将直接影响地震数据的可靠性以及参数提取的精度。因此如何提高地震资料信噪比越来越成为人们努力的目标。本文主要研究了如何在地震勘探数据中消除随机噪声的方法。独立分量分析是近年由盲信号理论发展起来的一种新的多维信号处理方法,在没有先验信息的情况下,将观测信号按照统计独立的原则建立目标函数,通过优化算法将观测信号分解为若干独立成分,从而帮助实现信号的增强与分析。地震信号中常常包含随机噪声,它是由各种不可预知因素综合作用而成,无统一规律。本文将ICA应用于去除随机噪声问题。在详细研究ICA算法的基础上,通过分析实际地震信号的统计特性,将地震信号去噪问题转化为含噪声ICA问题,建立随机噪声盲分离模型。以往的ICA算法未考虑噪声干扰,因此本文提出改进的稳健预白化算法,结合JADE盲分离算法,解决了噪声环境下的ICA问题。根据噪声分布特性,分两个阶段去除不同类型的随机噪声。在预处理阶段去除了加性高斯白噪声。预处理后的数据采用JADE算法,盲分离出有效信号和非高斯随机噪声。在此过程中,本文提出了波形相似系数有效信号辨识准则,很好的解决了地震盲分离后次序不确定性问题,准确的提取有效信号。最后,通过仿真实验和对实际地震数据的处理,得到了满意的分离结果,较好地恢复了有效信号。此外,当实际地震资料加载了较强噪声,信噪比降低的情况下,采用本文算法进行盲分离,同样取得了良好的效果,这也再次验证了本文算法具有良好的稳健性和适应性

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 选题依据及研究意义
• 1.1.1 问题提出的背景
• 1.1.2 问题的研究意义
• 1.2 独立分量分析的研究现状
• 1.3 本文主要研究内容及创新点
• 1.3.1 主要研究内容
• 1.3.2 创新点
• 1.3.3 本文技术路线
• 1.4 本文结构框架
• 1.5 本章小结
• 第2章 独立分量分析的基本理论
• 2.1 独立分量分析的相关概念
• 2.1.1 熵（entropy）
• 2.1.2 KL 散度
• 2.1.3 互信息（Mutual information）
• 2.1.4 负熵
• 2.2 独立分量分析原理
• 2.2.1 ICA 数学模型
• 2.2.2 ICA 前提假设条件
• 2.2.3 ICA 问题的不确定性分析
• 2.3 信号预处理
• 2.3.1 零均值化
• 2.3.2 白化
• 2.4 独立分量分析的优化判据
• 2.4.1 互信息极小化
• 2.4.2 负熵最大化
• 2.4.3 极大似然判据
• 2.4.4 高阶统计量方法
• 2.5 独立分量分析优化算法
• 2.5.1 极大峰度法
• 2.5.2 特征矩阵的联合近似对角化法（JADE）
• 2.5.3 Informax 算法及其扩展算法
• 2.5.4 FastICA 方法
• 2.6 分离效果的检验方法
• 2.7 本章小结
• 第3章 基于独立分量分析的随机噪声盲分离技术
• 3.1 适用条件分析
• 3.2 信噪盲分离模型的建立
• 3.3 随机噪声盲分离算法设计
• 3.3.1 预处理方法改进
• 3.3.2 JADE 算法步骤
• 3.4 ICA 固有不确定性问题的解决方案
• 3.5 随机噪声盲分离实现步骤
• 3.6 本章小结
• 第4章 随机噪声盲分离试验及结果分析
• 4.1 仿真实验及结果分析
• 4.2 实际地震资料的处理及结果分析
• 4.3 低信噪比地震资料处理及结果分析
• 4.4 本章小结
• 结论
• 致谢
• 参考文献
• 攻读学位期间取得学术成果