法律状态公告日
法律状态信息
法律状态
2019-08-30
授权
授权
2019-02-12
实质审查的生效 IPC(主分类):G01V1/36 申请日:20180611
实质审查的生效
2019-01-15
公开
公开
技术领域
本发明涉及地震信号处理技术领域,更具体的是,本发明涉及基于3Dshearlet变换的井中微地震信号去噪方法。
背景技术
微地震监测在储层监测和资源特征研究中发挥着重要作用。但是,微地震数据往往受到不必要噪声的强烈污染,这导致现场记录的信噪比(SNR) 较低。因此,抑制噪声是微地震处理中提高监测质量的重要步骤。
在获取微地震数据方面,井中监测越来越受欢迎。井中微地震数据由三个分量(3C)组成:x、y和z分量,它们之间有很强的相关性。然而,井中微地震数据的频率高于地面微地震信号。因此对于常见地震信号的降噪方法,不适用于井中微地震去噪。近年来,国内外学者对于研究井中地震数据去噪方法已经做出了一些努力。在现有技术中,有人提出了一种基于顶点偏移抛物Radon变换的自适应信号检测和数据去噪算法。该方法利用抛物线逼近提高算法速度。而它的主要工作集中在信号检测而不是噪声抑制。有研究者开发了一种基于数学形态学的新型滤波方法。该方法改进了顶帽过滤器难扩展的缺点。但它仅限于应用低频噪声处理。针对非平稳特性,提出了一种基于集合经验模式分解(EEMD)和置换熵的非平稳随机噪声抑制方法。有研究者通过基于Radon变换的自适应矢量方向中值滤波器提出了一种新的去噪方案。它成功地检测和衰减了噪声。但是,这两种方法只有在输入信号信噪比较高时有效。
Shearlet变换(ST)提供了一个多尺度,多方向和位置函数组成的表示系统。二维剪切变换(2DST)与阈值相结合的算法已被广泛用于图像去噪和微地震处理。但是,将其应用于井中微地震数据时,几乎完全忽略了3C数据之间的相关性。
发明内容
本发明为解决目前的技术不足之处,提供了基于3D shearlet变换的井中微地震信号去噪方法,在保留有效信号前提下,更加彻底地去除背景噪音。
本发明提供的技术方案为:基于3D shearlet变换的井中微地震信号去噪方法,包括以下步骤:
步骤一、将井中微地震三个分量数据转为三维数据集;
步骤二、对所述数据集进行剪切变换以获得剪切系数;
步骤三、对所述剪切系数进行阈值处理得阈值后系数:
步骤四、对所述阈值后系数应用逆剪切变换得时域去噪后信号;
步骤五、输出所述时域去噪后信号前三个表面得到有效信号;
其中,所述阈值后系数SH'ψ(Sj)通过如下计算过程得到:
其中,S为所述数据集,SHψ(Sj)为剪切系数,j为尺度,λj为随尺度j变化的阈值;μ为第一系数,并且满足0≤μ≤1。
优选的是,在所述步骤二中所述的剪切变换满足:
SHψ(Sj)=<S,ψj,l,k>
其中,SHψ(Sj)表示对S进行shearlet变换,<S,ψj,l,k>表示连续shearlet变换将信号S投影到尺度为j、方向为l和时间为k的母函数ψj,l,k上。
优选的是,所述母函数ψj,l,k满足:
{ψj,l,k=|det>j/2ψ(BlAjx-k):j∈Z,l∈Z2,k∈Z2}
其中,
优选的是,所述母函数ψj,l,k的频域为
其中,
优选的是,在所述步骤二中,
S=X+N
其中,X为所述有效信号,N为加性随机噪声。
优选的是,
SHψ(Sj)=SHψ(Xj)+SHψ(Nj)
其中,SHψ(Xj)表示有效信号剪切系数,SHψ(Nj)表示噪声剪切系数。
优选的是,所述步骤四中时域去噪后信号S′满足:
优选的是,所述步骤五,选取时域去噪后信号S′的前三个二维系数矩阵作为输出。
优选的是,所述第一系数满足:
其中,α为第二系数,并且满足0≤α≤1。
本发明至少具备以下有益效果:本发明提供了一种基于3D shearlet变换的井中微地震信号去噪方法,利用了微地震数据和剪切域中系数分布的相关性,应用3Dshearle处理三分量信号,并采用多尺度阈值函数去噪,在有效信号保留和噪声衰减方面取得了优良的性能。
附图说明
图1为本发明各尺度系数的能量分布图(黑色为第一尺度,无色为第二尺度,灰色为第三尺度)。
图2为本发明各尺度系数的高阶累积量分布(黑色为第一尺度,无色为第二尺度,灰色为第三尺度)。
图3为本发明的模拟信号的纯净信号。
图4为本发明的模拟信号的带噪信号图。
图5为本发明的WT去噪结果图。
图6为本发明的2DST去噪结果图。
图7为本发明的3DST去噪结果图。
图8为本发明的三种方法单道去噪结果图。
图9为本发明的三种方法去噪结果频谱图。
图10为本发明的实际信号的实际数据。
图11为本发明的实际信号的WT去噪结果。
图12为本发明的实际信号的2DST去噪结果。
图13为本发明的实际信号的3DST去噪结果。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
本发明可以有许多不同的形式实施,而不应该理解为限于在此阐述的实施例,相反,提供这些实施例,使得本公开将是彻底和完整的。在附图中,为了清晰起见,会夸大结构和区域的尺寸和相对尺寸。
本发明提供了一种基于3D shearlet变换的井中微地震信号去噪方法,我们应用三维剪切变换(3DST)去除井中微地震数据中的随机噪声。利用三分量之间的相关性,将数据重组成3D矩阵,然后通过剪切变换进行处理。
包括以下步骤:
步骤一、将井中微地震三个分量数据转为三维数据集;
步骤二、对所述数据集进行剪切变换以获得剪切系数;
步骤三、对所述剪切系数进行阈值处理得阈值后系数:
步骤四、对所述阈值后系数应用逆剪切变换得时域去噪后信号;
步骤五、输出所述时域去噪后信号前三个表面得到有效信号;
其中,所述阈值后系数SH'ψ(Sj)通过如下计算过程得到:
其中,S为所述数据集,SHψ(Sj)为剪切系数,j为尺度,λj为随尺度j变化的阈值;μ为第一系数,并且满足0≤μ≤1。
在具体实例中,
三分量之间的相关性,与三帧视频数据相似。基于此,我们将井中微地震三个分量信号转换为三维数据(也称为3D数据)。将x,y和z分量叠放组成三维数据集S。对所述三维数据集S进行剪切变换以获得不同尺度j的剪切系数SHψ(Sj)。
S=X+N
其中,X是有效信号,N是加性随机噪声。
S在shearlet域可以被表示为:
SHψ(Sj)=SHψ(Xj)+SHψ(Nj)
其中,SHψ(Xj)表示有效信号剪切系数,SHψ(Nj)表示噪声剪切系数。
根据shearlet变换的稀疏性,SHψ(X)值集中并大于SHψ(N)。所以根据在>
当维度d=3时,信号的shearlet变换定义为:
SHψ(Sj)=<S,ψj,l,k>
其中,SHψ(·)代表shearlet变换,<·>代表内积运算,连续shearlet变换将信号S投影到尺度为j,方向为l和时间为k的母函数ψj,l,k上。
母函数ψj,l,k满足:
{ψj,l,k=|det>j/2ψ(BlAjx-k):j∈Z,l∈Z2,k∈Z2}
其中,Z和Z2分别是一组虚数和二维虚矢量。
此外,
母函数ψj,l,k的频域为
对于任意的ζ=(ζ1,ζ2,ζ3)∈R3,其中ψ1和ψ2满足:
(1)
(2)
我们采用改进的小波阈值处理剪切系数SHψ(Sj):
其中,SH′ψ(Sj)是处理后的系数,λ是阈值参数。并且
α为第二系数,满足0≤α≤1。
但是,这个阈值函数不能直接应用于剪切系数。由于shearlet是一个多尺度变换,各种尺度上有效信号的分布也不同。我们借助剪切波系数的能量和高阶累积清楚地展示了这个特征。高阶累积的表达如下:
其中,cn是随机变量x的第n阶积累,Φ(ω)是x的特征函数,Ψ(ω)=lnΦ(ω)>
一般情况下,噪声的能量低于信号能量,并且其高阶累积量趋于零。如图1-2所示,两个指标在每个尺度上的分布非常相似。此外,系数的能量和高阶累积量随着尺度的增加而增加。因此,我们可以得出结论,各个尺度包含有效信号的程度是不同的。在所有尺度上使用相同的阈值是不合理的。
基于以上分析,本发明提出了一个新的阈值函数(即为阈值后系数),其表达式如下:
其中,j表示尺度,λj表示随尺度变化的阈值。对于与有效信号相关的尺度应用较小的阈值,对于与噪声相近的尺度用较大的阈值。
为了验证本发明提出的去噪方法的可行性和适用性,如图3-4所示,我们给出了一个基于Ricker小波的若干井中微地震事件。Ricker小波的表达式如下:
x(t)=(1-2π2ω2t2)exp(-π2ω2t2)
其中,ω为频率,t为时间,exp(·)为指数函数。
图3-4中每道信号有128个采样点,主频率为200Hz。为了处理更真实的合成数据,它被嵌入在具有-5dB的SNR的高斯白噪声中。SNR被定义为:
其中,X(t,d)是纯净信号,
图5-7是WT(小波变换)、2DST(二维剪切变换)和3DST(三维剪切变换)算法应用于嘈杂记录的去噪结果。为了展现3DST的优势,我们比较了区域A和区域B的优越效果。从WT的结果中,我们可以看到有效信号基本上恢复了,但是在区域A仍然有太多的噪声。图6显示了2DST的结果,该方法在区域A抑制噪声的能力优于WT,而有效信号衰减非常严重,特别是在区域B中。小幅度反射波几乎同时被滤除。相比之下,3DST可以在强噪声下恢复微小的失真小波。背景噪音的去除更加彻底,事件的恢复效果明显。
为了更好地观察去噪结果,在图8中我们给出了三种方法单道记录的去噪波形。通过比较,我们可以看到在WT和2DST之后仍然存在一些残余噪声。相比之下,本发明中的方法可以抑制噪声,并能更好地保留微地震信号的幅度。图9显示了三种方法的频谱比较结果。就频谱而言,3DST算法的结果在高频和低频区域更接近纯净信号。
SNR和均方误差(MSE)是衡量滤波结果性能的两个重要指标。较高的 SNR和较小的MSE意味着更好的结果。如表1所示,利用两个指标对三种方法进行比较,我们可以得出结论,3DST在三种方法中性能最好。
表1三种方法的SNR和MSE
为了进一步测试我们提出的方法在实际数据处理中的有效性,我们将其应用于在中国的某个区域收集的15道井中微地震记录中。如图10所示,随机噪声的存在严重模糊了微地震事件。WT,2DST和3DST的去噪结果如图 11,图12和图13所示。从WT的结果中,我们可以看到它仍然存在很多噪音,甚至产生了一些伪轴。至于2DST,它可以抑制大部分噪声,但同时会导致一些微弱信号的衰减。相反,本发明中的方法大大提高了信噪比并恢复了事件的连续性。
在本发明中,我们提出了一种基于3DST的新算法,并将其应用到井中微地震数据的噪声抑制中。它利用了微地震数据和剪切域中系数分布的相关性。实验结果表明,与WT和2DST去噪方法相比,该算法在有效信号保留和噪声衰减方面可以取得更好的性能。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
机译: 电梯轿厢中继器覆盖解决方案。我的设计目的是在电梯轿厢系统中提供蜂窝移动覆盖。该解决方案基于采用有源双向中继器模块来接收空中蜂窝信号,将其放大并将信号传输到电梯轿厢中的功能。该系统通过采用经认可的蜂窝中继器来提供创新性的步骤,该蜂窝中继器设计为在移动环境中运行,以将信号从电梯井中的服务器天线中继到电梯轿厢中。
机译: 基于光信号确定部署到井中的载波线的长度
机译: 基于光信号确定部署到井中的载波线路的长度