盲信号处理技术在地震数据处理中的应用研究

论文摘要

地震资料去噪和压制多次波是地震数据处理的重要内容。在矿区、厂区等特殊环境进行地震数据采集时,经常会受到周围机械设备、高压电干扰等强噪声影响,致使地震记录噪声干扰严重,资料品质低下。由于机器噪声本身固有的特点,常规去噪方法在此已无法适用,需要寻求新的处理技术。另外,在压制多次波方面,基于波动方程的方法现已成为压制多次波的主流技术,其中多次波自适应相减是关键步骤。而盲信号处理技术作为目前信号处理中最热门的学科之一,具有可靠的理论基础和许多方面的应用潜力。其中自适应噪声抵消和独立分量分析技术作为盲信号处理的主要技术,目前在语音处理、生物医学等领域得到广泛的应用。本文重点研究了盲信号处理技术在消除机器噪声和多次波自适应相减两个方面的应用,其主要研究内容:(1)对地震资料的常规去噪方法进行分析总结,并对地震信号与机器噪声特征进行全面的分析研究。(2)研究学习盲信号处理技术的理论基础,掌握其基本原理;对各种算法的具体步骤进行详细研究并且重新推导公式;编制用于地震数据去噪的算法程序。(3)对常规多次波自适应相减方法进行研究总结,得出要求多次波与一次波正交是导致算法低效的主要原因。(4)重点研究基于独立分量分析的自适应相减算法,通过程序实现对数据进行处理,并与常规方法的结果进行比较分析。取得的主要创新点及成果:(1)提出利用自适应噪声抵消技术消除机器噪声的方法,并针对常规技术存在的不足,提出了一种改进的算法。(2)首次引入基于频域和时域两种独立分量分析方法用于地震数据去噪,针对频域算法分离结果存在振幅、排序模糊性问题,提出切实可行的解决方案,综合验证表明方法的有效性和优势。(3)提出了一种多次波自适应相减的优化方案,即通过拟多道匹配滤波技术改善波形匹配问题,再由独立分量分析方法来分离一次波和多次波以避免正交性问题。理论分析及资料处理表明该技术可以大大改善消除多次波的效果,并能很好保持一次波的有效能量。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 论文的背景及研究意义
• 1.2 盲信号处理概述
• 1.2.1 自适应噪声抵消技术及研究现状
• 1.2.2 独立分量分析简介及其研究现状
• 1.3 研究内容及论文框架
• 1.3.1 主要研究内容
• 1.3.2 论文框架
• 2 地震资料去噪方法及机器噪声特征分析
• 2.1 概述
• 2.2 常规去噪方法
• 2.2.1 基于频率域的滤波方法
• 2.2.2 基于视速度差异的方法
• 2.2.3 基于信号的相关性和噪声的随机性的去噪方法
• 2.3 机器噪声特征分析
• 2.4 小结
• 3 自适应噪声抵消技术的研究与应用
• 3.1 基于信噪比估计的自适应噪声抵消器原理
• 3.2 仿真试验
• 3.2.1 与常规NLMS 算法的比较
• 3.2.2 复杂仿真模型的试验
• 3.3 实际资料的处理
• 3.4 本章小结
• 4 基于频域盲解卷的噪声消除技术
• 4.1 概述
• 4.2 瞬时混合盲分离算法
• 4.2.1 独立性概念
• 4.2.2 独立性判据
• 4.2.3 数据的预处理理论
• 4.2.4 ICA 主要算法
• 4.2.5 瞬时混合盲分离实例
• 4.2.6 瞬时混合盲分离存在的问题
• 4.3 基于独立分量分析消除机器噪声模型的建立
• 4.4 卷积混合条件下噪声信号盲分离算法
• 4.4.1 频域算法原理
• 4.4.2 单频点方法原理
• 4.4.3 模糊性问题的解决
• 4.4.4 参数的选择
• 4.4.5 算法具体步骤
• 4.4.6 仿真试验
• 4.4.7 实际资料的处理
• 4.5 小结
• 5 基于时域盲解卷的噪声消除技术
• 5.1 概述
• 5.2 时域盲解卷系统结构介绍
• 5.2.1 混合系统
• 5.2.2 解混系统
• 5.3 时域盲解卷算法
• 5.3.1 基于高阶累积量的方法
• 5.3.2 输出信息极大法
• 5.4 基于时域盲解卷消除机器噪声的方法
• 5.5 仿真试验
• 5.5.1 试验1 参数对算法的影响
• 5.5.2 试验2 复杂模型的处理
• 5.6 实际资料的处理
• 5.7 自适应噪声抵消技术、频域算法及时域算法性能的比较
• 5.8 小结
• 6 常规多次波自适应相减技术
• 6.1 概述
• 6.2 压制多次波的滤波方法
• 6.3 基于波动方程的预测减去法
• 6.3.1 波场外推法
• 6.3.2 反馈法及反散射级数法
• 6.4 多次波自适应相减问题
• 6.4.1 单道匹配滤波方法
• 6.4.2 拟多道匹配滤波方法
• 6.4.3 基于模式识别多次波减去法
• 6.4.4 基于高阶累积量的技术
• 6.5 小结
• 7 基于ICA 的多次波自适应相减技术
• 7.1 原理
• 7.2 线性几何ICA 算法
• 7.3 线性几何ICA 的两步解法
• 7.3.1 混合矩阵的估计
• 7.3.2 源信号的重建
• 7.4 优化的多次波自适应相减方案
• 7.5 仿真试验
• 7.5.1 实验1 简单模型试验
• 7.5.2 实验2 复杂模型的处理
• 7.6 实际资料处理
• 7.7 本章小结
• 8 结论及工作展望
• 8.1 主要成果和创新
• 8.2 工作展望
• 致谢
• 参考文献
• 附录