基于Hilbert-Huang變換的地震噪聲衰減與薄層預測技術探討
  • 基于Hilbert-Huang變換的地震噪聲衰減與薄層預測技術探討:基于Hilbert-Huang變換的地震噪聲衰減與薄層預測技術探討
  • 論文關鍵詞:基于Hilbert-Huang變換的地震噪聲衰減與薄層預測技術探討
  • 文章片段: 基于Hilbert-Huang變換的地震噪聲衰減與薄層預測技術探討內容:EMD論文,HHT論文,BEMD論文,對數譜論文,f-x反褶積論文,,基于Hilbert-Huang變換的地震噪聲衰減與薄層預測技術探討理工論文

基于Hilbert-Huang變換的地震噪聲衰減與薄層預測技術探討

摘要:提高信噪比,是伴隨整個地震勘探資料采集處理解釋流程的一項重要工作。在高分辨率地震資料的處理工作中,信噪比的提高是根本和前提。而縱觀各種已成熟或發展中的地震數據去噪方法,我們可以發現,大部分的地震去噪方法和技術都是建立在通用的數字技術基礎上的,這些數字技術往往也可以用在類似的其他領域,如圖像圖形的去噪增強或壓縮算法,語音及機械或其他振動信號的加強或分析等等,并且每種數字技術往往都有多方面的應用。先進的數字信號處理技術有利于在地震反射數據上進行復雜地質目標的成像和分析。經驗模態分解(EMD)和Hilbert-Huang變換(HHT)是一個處理非線性非平穩信號的方法。經驗模態分解先首先將信號分解為一系列的子信號,這些子信號在經過hilbert變換后會落在相同的時頻區域中。HHT為隨機信號或偽隨機信號提供了一種時頻域瞬時屬性分析的方法。在本文中,EMD和HHT在地震數據上的應用研究主要包括:1)評價EMD和HHT在時間域及時頻域確定有意義的地質信息的能力,2)在地震數據的f-x域內使用EMD分解來壓制隨機噪聲,3)使用HHT的瞬時屬性來設計一個好的濾波器,提高地震數據的信噪比。在濾波器設計和實際濾波過程中,HHT所表現出來的經驗特性,可以比其他的濾波器更好的提高信噪比。本文使用模擬數據和實際地震數據證明了HHT和EMD可以成功應用在地震反射數據的處理上。在其中的一個實驗中,強烈的工業交流電噪聲可以通過HHT的陷頻濾波進行消除。在另一實驗中,使用HHT方法進行面波的壓制,與其它方法相比,顯示其具有較好的去噪效果。本篇文章的主要研究工作是如何更好的將EMD和HHT技術應用在地震反射數據上,嘗試將EMD,HHT在其他領域中的新特點使用在地震勘探上,以提高反射地震數據的質量。這些研究不是要取代傳統的地震數據處理方法,而是要將EMD和HHT補充到其中去。EMD是一種非常有效的時間域濾波器,HHT又是一種可以同時在時間和頻率方面分析信號的優秀方法。同時,HHT的最大優點是它可以不通過任何先驗信息就可以獲取信號的瞬時振幅,瞬時頻率和瞬時相位信息。先驗信息通常是指采樣率,噪聲尖峰及步函數等時間序列的局部分布。本文首先介紹了EMD分解的有關基本概念及實施過程,以一個由多頻率簡諧波合成的調頻信號為例來說明EMD分解的具體做法,相關概念,分解后的結果及原始信號的重構方法等。隨后討論了EMD分解應該注意的問題及EMD分解的不當會產生的問題,EMD分解的一個缺陷是容易產生頻率混疊及出現原信號中不包含的虛假IMF分量,本文提出使用可變閾值的方法來改善這一缺陷,同時,閾值方法的改進也大幅加快了EMD分解的效率。為了討論f-x域內的地震數據去噪方法,敘述了f-x反褶積的基本原理及發展過程,并討論了其局限性,由此引出了在f-x域內使用EMD濾波方法來消除地震噪聲的觀點。使用模擬數據加入噪聲前后的f-x域譜等頻信息的對比來說明EMD濾波壓制噪聲的可行性。提出了f-x域EMD與小波閾值法的聯合去噪的方法。使用簡單模型,復雜模型的模擬數據來驗證這種方法的有效性并與其他去除隨機噪聲的方法比較說明其優缺點。隨后使用疊前及疊后的實際地震數據進行去噪實驗,并對去噪結果進行詳細分析。本文所提出的f-x域EMD與小波閾值法聯合噪聲衰減的方法是Battista B.M的f-x域EMD去噪方法進行了改進,通過分析EMD分解的過程指出直接刪除IMF1分量的去噪方法是不嚴格的,而本文所提出的f-x域EMD與小波閾值法聯合噪聲衰減的方法在有效衰減噪聲的同時可以更大程度的保留有效信號成分,整體效果優于f-x反褶
  • 文章片段:
  • 論文介紹
    • 請問論文費用是多少?

      具體費用是綜合您的論文具體要求來定的!請將你的論文要求告訴我們的****人員,**** 1**:******** ****2**:******** 。
    • 請問論文的質量如何?

      我們的****團的****都是研究生還有導師,都是長期論文的專業****,保證高質量和原 創******,所以文章的質量可以完全放心。
    • 請問論文如何付款?

      為保證客戶與我們的共同利益,我們一律采用分部付款模式,不需一次性付款。
    • 請問論文安全嗎?

      多年來我們都是嚴格保密,恪職敬業,絕不泄露客戶的任何信息。
    彩票开奖查询彩之网实时统计