基于自适应秩选方法的地震降秩去噪

发布时间：2024-02-24 14:21

　　基于矩阵降秩理论的地震随机噪声压制与数据重建技术近年来得到了广泛的关注。考虑到传统的基于Hankel矩阵的降秩去噪方法在处理由非线性同相轴构成的数据时较难确定秩选参数,以及在数据分块计算中存在秩非一致性现象,去噪结果因此容易保留残余噪声或损伤有效信号的问题,引入了一种基于渐近均方误差(AMSE)框架下矩阵奇异值最优硬阈值的自适应秩选方法,利用观测矩阵奇异值序列的中值和矩阵行列数比值计算出奇异值信噪分界阈值,自适应地对秩选参数进行确定。并将该方法分别与截断奇异值分解(TSVD)、阻尼奇异值分解(DSVD)、阻尼最优奇异值收缩(DOptShrink)3种秩约化方法相结合,提出了自适应降秩去噪方法。数值实验分析和实际资料去噪结果显示,所提出的自适应降秩去噪方法与常规的固定秩选降秩去噪方法相比,在处理复杂构造地震数据时,能够有效压制随机噪声且保持有效信号幅度。

【文章页数】：15 页

【部分图文】：

图1块Hankel矩阵构造示意图

X^DSVD=∑i=1rxiTiuiviΤ(10)图2纯净和含噪地震数据的块Hankel矩阵及其奇异值序列对比

图2纯净和含噪地震数据的块Hankel矩阵及其奇异值序列对比

图1块Hankel矩阵构造示意图式中:I为单位阵;k为控制Ti衰减程度的阻尼参数。

图3复杂地震数据分块计算窗内秩值非一致性问题

在TSVD、DSVD和DOptShrink方法中,制约低秩逼近结果X^的除了秩约化理论本身外,另一个关键因素为秩选参数r的取值。为了满足线性同相轴假设前提,在处理复杂地震数据时,通常需要预先对数据进行分块处理[30],在较小的分块计算窗内使得同相轴线性化。但由此带来了秩值的....

图7三维线性模型各种方法去噪结果对比

表1给出了6种方法处理后的信噪比,也可以看出本文改进方法相较于原方法在信噪比上均有所提高,其中ADSVD方法和ADOptShrink方法信噪比分别提高到13.2115dB和13.3049dB。从图8各种方法的局部相似属性剖面可以看出,全局均接近于零值,指示各种方法在处....

本文编号：3909129