Shearlet域深度残差CNN用于沙漠地震信号去噪

摘要

由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难.针对上述问题,提出了一种基于Shearlet变换的深度残差卷积神经网络(ST-CNN:Deep Residual Convolutional Neural Network for Shearlet Transform)模型,实现沙漠地震信号的随机噪声压制.在训练阶段,将沙漠地震信号经Shearlet分解后的系数作为输入,将随机噪声经Shearlet分解后的系数作为标签,通过卷积神经网络(CNN:Convolutional Neural Network)学习输入和标签之间的映射关系;在测试阶段,利用此映射关系即可从沙漠地震信号系数中预测出噪声系数,并间接地获得有效信号系数,最后通过Shearlet反变换获得有效信号.通过与传统的Shearlet硬阈值去噪算法对比,发现该算法可把沙漠地震信号的信噪比从-4.48 dB提高到14.15 dB,具有更好的去噪效果.