f-x域经验模式分解与多道奇异谱分析相结合去除随机噪声.pdf

《f-x域经验模式分解与多道奇异谱分析相结合去除随机噪声.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第55卷第1期石油物探Vo1．55，No．12016年1月GEOPHYSICALPR0SPECTINGF0RPETROLEUMJan，2016刘婷婷，陈阳康．f-x域经验模式分解与多道奇异谱分析相结合去除随机噪声EJ-I．石油物探，2016，55(1)：67—75LIUTingting，CHENYangkang．RandomnoiseattenuationbasedonEMDandMSSAinf-xdomain[J]．GeophysicalProspectingforPetroleum，2016，55(1

2、)：67—75f-x域经验模式分解与多道奇异谱分析相结合去除随机噪声刘婷婷，陈阳康(1．中国石油化工股份有限公司上海油气分公司研究院，上海200120；2．德克萨斯大学奥斯汀分校，德克萨斯州奥斯汀Tx73301)摘要：近年来，经验模式分解法(EMD)因其处理非稳态地震信号的能力和易于实现而备受关注。总结了EMD在地震去噪中的应用情况，提出了一种基于f-x域ENID和多道奇异谱分析(MSSA)相结合的去噪新方法。该方法不同于f-x域EMD分别与f-x域预测滤波、小波阈值、曲波变换等相结合的各种去噪方法，它可

3、以得到比f-x域MSSA更高的信噪比并能预测f-x域EMD中损失掉的线性能量。该方法的实现过程为：首先，对地震剖面应用f-x域EMD，保留所有相对水平的同相轴，这样在噪声剖面中留下很少的倾斜信号和随机噪声，然后在差异剖面中应用f-x域MSSA恢复倾斜信号，最后将水平信号和倾斜信号相加得到去噪剖面。理论测试和实际数据的处理结果验证了该方法的优越性。关键词：去除随机噪声；经验模式分解法；多道奇异谱分析法；z域；恢复倾斜同相轴中图分类号：P631文献标识码：A文章编号：1000—1441(2016)01—006

4、7—09DOI：10．3969／j．issrL1000—1441．2016．01．009RandomnoiseattenuationbasedonEMDandMSSAinf-xdomainLIUTingting，CHENYangkang。(1．ShanghaiOffshore0il&GasCompany，SINOPEC，Shanghai200120，China；2．UniversityofTexasatAustin，AustinTX73301．USA)Abstract：Inrecentyears，empi

5、ricalmodedecomposition(EMD)hasgottenalotofpublicattentionduetoitscapabilityinprocessingnon-stationaryseismicsignalanditsconveniencetoimplement．Inthispaper，wesummarizedtheexistingapplica—tionsofEMDinseismicdatadenoising，andproposedanewapproachcombiningEMDi

6、nf-xdomainandmulti-channelsin—gularspectrumanalysis(MSSA)tOattenuaterandomnoise．Comparingthoseapproachescombiningf-xEMDwithothermethodssuchaspredictionfilteringinf-xdomain，waveletthresholdandcurvelettransformation，thenewapproachcanob—tainhigherSNRcompared

7、tof-zMSSAandcanpredictthelostlinearenergyduetOf-xEMD．Theworkflowofthemethodisasfollows：implementingf-zEMDtOthegivenseismicdataatfirst，alltherelativehorizontaleventscanberetained，leav—ingpartofusefuldippingsignalsandsomerandomnoisesinthedifferenceprofile；t

8、henf-xMSSAcanbeusedinthediffer—enceprofiletOrestoredippingsignals；finallyresultfulprofilecanbegotlenbyhorizontalsignalsplusdippingsignals．Twosyntheticandarealdataexamplesdemonstratethesuperiorityoftheproposedapproac