一种基于压缩感知和统计学习的地震弱信号增强方法

技术特征：
1.一种基于压缩感知和统计学习的地震弱信号增强方法，其特征在于：对含噪声的原始地震数据进行离散曲波变换，得到原始曲波系数；利用测量矩阵(例如高斯随机矩阵、局部傅里叶变换矩阵)对原始地震资料进行压缩采样，并计算压缩采样后的曲波系数；计算原始曲波系数与亚采样后曲波系数对应元素的比值，得到比值矩阵；根据统计方法计算比值矩阵的离群值。设置逻辑矩阵其大小等于曲波系数，根据找到的离群值将逻辑矩阵对应位置置1；为消除单次采样的偶然性，设置亚采样次数为50-100，将每次得到的逻辑矩阵叠加，迭代后得到敏感系数矩阵；计算与原始资料大小相同的单位矩阵的离散傅里叶变换，得到曲波系数的l1范数矩阵；将得到的敏感矩阵及范数矩阵对原始曲波系数进行约束，实施离散曲波逆变换得到去噪和弱信号增强后的处理结果。2.根据权利要求1所述的基于压缩感知和统计学习的地震弱信号增强方法，其特征在于：满足压缩感知理论的观测矩阵作为亚采样矩阵，尤其是局部傅里叶变换矩阵更适应域对地震资料实施亚采样。3.根据权利要求1所述的基于压缩感知和统计学习的地震弱信号增强方法，其特征在于：在统计压缩采样对有效信号和噪声曲波系数影响时，采用利用四分位离群值，其目的是对强同相轴的影响不做统计，而只对弱信号的影响进行统计。使得方法能够深度挖掘弱信号信息。4.根据权利要求1所述的基于压缩感知和统计学习的地震弱信号增强方法，其特征在于：所设计的敏感系数矩阵，是计算原始系数与采样后系数的比值，经多次亚采样分析和离群值剔除后得到的统计叠加矩阵。5.根据权利要求1所述的基于压缩感知和统计学习的地震弱信号增强方法，其特征在于：使用l1范数矩阵以及敏感系数矩阵对原始系数进行约束得到的重构曲波系数。

技术总结
本发明公开了一种基于压缩感知和统计学习的地震弱信号增强方法。属于地震信号处理领域。传统的曲波域去噪方法通过对曲波系数的幅度进行阈值化来抑制随机噪声，而弱信号和随机噪声在曲波域具有相同的弱幅度特征，因此难以区分弱地震信号和随机噪声。本发明将压缩采样应用于含噪地震资料。压缩采样后地震有效信号的曲波系数有显着的振幅降低，而随机噪声则没有。基于此特性设计了一种敏感系数矩阵，它是计算原始系数与采样后系数的比值，经多次亚采样分析和离群值剔除后得到的统计叠加矩阵。在曲波域中，通过敏感系数矩阵和L1范数矩阵的约束，使原来的弱信号得到有效的增强，同时敏感系数矩阵中噪声系数明显低于有效信号，使得该方法在弱信号增强的同时能够有效的抑制噪声。合成和实际地震数据测试都表明本方法在弱地震信号增强方面优于传统的曲波域方法。该方法与目前的同类技术相比较而言，该方法能够显著增强深层弱信号，提高整体信噪比，效果远超传统算法，为深层地震数据的弱信号增强和噪声压制提供了新的思路。制提供了新的思路。制提供了新的思路。


技术研发人员：李哲 宋建国 王光宇
受保护的技术使用者：中国石油大学（华东）
技术研发日：2022.07.25
技术公布日：2022/11/25