[发明专利]基于小波分解的自适应中值强噪声干扰地震数据去噪方法在审
| 申请号: | 201910213642.2 | 申请日: | 2019-03-20 |
| 公开(公告)号: | CN110007346A | 公开(公告)日: | 2019-07-12 |
| 发明(设计)人: | 谷玉田;关键;刘成斋;刘瑞合;董月昌;李建明;毕丽飞 | 申请(专利权)人: | 中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司物探研究院 |
| 主分类号: | G01V1/36 | 分类号: | G01V1/36 |
| 代理公司: | 济南日新专利代理事务所 37224 | 代理人: | 崔晓艳 |
| 地址: | 257000 山*** | 国省代码: | 山东;37 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 中值滤波器 自适应 地震数据 小波分解 去噪 滤波器 强噪声干扰 离散余弦变换 噪声水平估计 中值滤波处理 卷积处理 滤波处理 区域噪声 响应数据 有效信息 噪声方差 中值滤波 分区域 强噪声 方差 峰度 滤除 重构 分解 参考 | ||
1.基于小波分解的自适应中值强噪声干扰地震数据去噪方法,其特征在于,该基于小波分解的自适应中值强噪声干扰地震数据去噪方法包括:
步骤1,对地震数据进行小波分解,对分解结果进行初始中值滤波器处理;
步骤2,通过以离散余弦变换为基的滤波器对数据进行卷积处理,估计得到的响应数据的方差和峰度值,进而估计噪声方差;
步骤3,在参考中值滤波器窗口的基础上,根据噪声水平估计的不同进行滤波器窗口长度的合理取选,来定义中值滤波器窗口长度;
步骤4,使用自适应中值滤波器对数据进行滤波处理,根据不同区域噪声水平的大小自适应的调节中值滤波器的窗口长度;
步骤5,对中值滤波处理后的数据进行重构,得到去噪后的地震数据。
2.根据权利要求1所述的基于小波分解的自适应中值强噪声干扰地震数据去噪方法,其特征在于,该基于小波分解的自适应中值强噪声干扰地震数据去噪方法还包括,在步骤1之前,输入地震数据,进行数据分析。
3.根据权利要求1所述的基于小波分解的自适应中值强噪声干扰地震数据去噪方法,其特征在于,在步骤1中,对地震数据进行小波分解,将地震数据变换到小波域进行处理,得到去除了大部分混合噪声的地震数据;对处理结果用初始固定窗口长度的中值滤波器进行滤波处理。
4.根据权利要求3所述的基于小波分解的自适应中值强噪声干扰地震数据去噪方法,其特征在于,在步骤1中,使用滤波窗长度较大的参考中值滤波器,对经过小波分解的子频带进行粗略的滤波处理,初始滤波器长度的选择要使得大部分混合噪声被去除,不用管有效信号的微小损失,初始滤波器长度在7到11之间选取。
5.根据权利要求1所述的基于小波分解的自适应中值强噪声干扰地震数据去噪方法,其特征在于,在步骤2中,通过离散余弦变换为基的多个滤波器对数据进行卷积,生成响应数据;估计得到各个响应数据的方差和峰度值;对得到的响应数据的方差和峰度值,忽略离散余弦分量,来估计噪声方差。
6.根据权利要求5所述的基于小波分解的自适应中值强噪声干扰地震数据去噪方法,其特征在于,在步骤2中,对地震数据进行分块,N表示分块的大小,用N×N个以离散余弦变换为基的滤波器对分块数据进行卷积生成响应数据,对在范围(2…N2)内的每个相应数据求得其方差和峰度值,以此来得到经过常规中值初始滤波器处理后的数据的局部噪声方差估计,从而得到不同位置的噪声水平估计。
7.根据权利要求1所述的基于小波分解的自适应中值强噪声干扰地震数据去噪方法,其特征在于,在步骤3中,针对地震数据中不同区域的不同噪声方差,在定义的参考中值滤波器窗口的基础上,利用估计噪声方差定义自适应滤波器窗口长度,参考滤波器窗口将会根据噪声水平估计的不同进行取。
8.根据权利要求1所述的基于小波分解的自适应中值强噪声干扰地震数据去噪方法,其特征在于,该基于小波分解的自适应中值强噪声干扰地震数据去噪方法还包括,在步骤3之后,计算自适应滤波器的映射。
9.根据权利要求1所述的基于小波分解的自适应中值强噪声干扰地震数据去噪方法,其特征在于,在步骤4中,使用自适应中值滤波器对数据进行滤波处理,为了适应不同区域,采用不同的窗口长度,有效信号位置应用小的时变滤波器窗口,以消除噪声时保护有效信号,而在噪声位置应用较大的时变滤波器窗口以用来衰减噪声能量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司物探研究院,未经中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司物探研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910213642.2/1.html,转载请声明来源钻瓜专利网。





