[发明专利]一种基于CEEMDAN与Savitzky-Golay滤波的地震信号噪声抑制方法

说明书

本发明属于地震信号处理领域，一种基于CEEMDAN与Savitzky‑Golay滤波的地震信号噪声抑制方法，该方法包括：提供待处理的含噪地震信号，作为整个系统输入的原始含噪地震信号s(t)(t＝1,...,L),L是地震信号的采样点数；对输入的含噪地震信号s(t)进行CEEMDAN算法分解，得到多个IMF分量和残差分量r_N(t)；将IMF分量从高频到低频依次排列，通过计算与原始含噪地震信号s(t)的相关系数，确定噪声与信号的分界M；找到IMF分量中主要包含噪声信号的IMF分量将含噪声分量分别作为输入信号，送入SG滤波器中做进一步的平滑，得到滤波后的信号数据重构得到降噪后的地震信号该方法能够解决传统经验模态分解方法中的模态混叠问题，并且提高提高了地震信号的质量，获得具有较高信噪比的地震数据。

技术领域

本发明属于地震信号处理领域，一种基于CEEMDAN与Savitzky-Golay滤波的地震信号噪声抑制方法。

背景技术

地震勘探方法是油气勘探的主要手段之一，在采集地震数据时会受到噪声的干扰。因此，需要对采集到的含噪声地震信号进行预处理，提取有用信息、去除干扰。再对处理后的具有较高信噪比的地震信号做进一步的研究，能提高地震信号初至拾取、震源定位等应用的精确程度。地层吸收作用导致地震波能量随传播距离而衰减，且不同地层的吸收强度和频率选择性也各不相同，所以地震信号具有非平稳性与短时、突变的特点，是一种典型的非平稳信号。

目前比较常用的提高地震信号信噪比的方法有傅里叶变换、短时傅里叶变换以及小波滤波，但这些方法在分析非平稳信号时都有一定程度的缺陷。所以，针对地震信号的非平稳特性，我们应选取适用于分析非平稳信号的方法——经验模态分解法。经验模态分解(Empirical Mode Decomposition,EMD)是由黄锷提出的适用于非稳态信号的时域分析方法。由于EMD分解容易受强脉冲干扰，会产生模态混叠现象，使得某一阶固有模式函数(Intrinsic Mode Function，IMF)分量中包含不同频率的信号，或者同一频率信号存在于不同阶IMF分量中，该问题称为“模态混叠”问题。EMD分解地震信号得到一系列按频率降序排列的IMF，高频IMF包含大量噪声但同时也包含有效地震信号。传统EMD滤波方法采用剔除高频IMF实现地震信号噪声抑制会引起有效地震信号的缺失。

由于EMD分解时会受到端点值和冲击信号的影响产生模态混叠现象，使得相同频率分量分布在多个IMF中。针对该问题Wu and Huang提出了集合经验模态分解(EnsembleEmpirical Mode Decomposition，EEMD)方法，由于分解过程引入了高斯白噪声使得EEMD分解时产生了虚假分量。

发明内容

本发明所要解决的技术问题在于提供一种基于CEEMDAN与Savitzky-Golay(SG)滤波的地震信号噪声抑制方法，该方法能够解决传统经验模态分解方法中的模态混叠问题，并且提高提高了地震信号的质量，获得具有较高信噪比的地震数据，且相比于传统地震信号噪声抑制方法，本发明可以更好地保留完整的地震信息。

本发明是这样实现的，一种基于CEEMDAN与Savitzky-Golay滤波的地震信号噪声抑制方法，该方法包括：

第1步：提供待处理的含噪地震信号，作为整个系统输入的原始含噪地震信号s(t)(t＝1,...,L),L是地震信号的采样点数；

第2步：对输入的含噪地震信号s(t)进行CEEMDAN算法分解，得到多个IMF分量和残差分量r_N(t)；

第3步：将IMF分量从高频到低频依次排列，通过计算与原始含噪地震信号s(t)的相关系数确定噪声与信号的分界M，其中M为第一个互相关系数取局部极小值时对应的IMF分量的下标加1；

第4步：Savitzky-Golay滤波：找到IMF分量中主要包含噪声信号的IMF分量将含噪声分量分别作为输入信号，送入SG滤波器中做进一步的平滑，得到滤波后的信号