[发明专利]一种衰减地震数据随机噪声的方法及系统

说明书

技术领域

本发明涉及地震勘探领域，尤其涉及油气地球物理勘探中的地震资料处理领域，具体的讲是一种在地震勘探中，对地震数据随机噪声进行衰减的方法及系统。

背景技术

地震勘探是一种利用人工地震技术探测地下结构的勘探方法。它按照一定的方式人工激发地震波，利用称之为检波器的装置接收来自地下的反射信号，通过对反射信号的处理和分析探测地下结构。

但是，检波器在接收地震信号的同时，也接收到大量来自地下和地表的随机噪声，降低了地震记录信噪比，严重干扰地震信号反映地下结构的能力，随机噪声的衰减与弱信号恢复是地震资料处理领域的重要研究内容。

1、f-x域空间预测滤波是目前工业界应用最为广泛、效果最为稳定的随机噪声衰减方法。该方法基于信号在频率－空间域的可预测性和随机噪声的不可预测性进行信号识别和噪声压制。其滤波算子的求取已经由自回归模型(AR)因果算子发展到非因果算子(Gulunay,2000)，去噪算法也由二维发展到三维甚至四维去噪。但是，该方法要求地震信号在横向上具有稳态特征，且信号在横向上呈局部线性趋势。对于横向非均质性较强、构造较为复杂的地层结构而言，其反射特征很难满足f-x域空间预测滤波的上述要求，不能取得理想的去噪效果。

2、时频分析类方法可以针对非稳态以及非线性信号进行处理，该类方法是近年来随着小波变换等时频分析工具的兴起而发展起来。根据有效信号与随机噪声在时频域的分布差异，首先通过小波变换等时频分析工具将地震数据变换到时频域，再选择合适的时频域滤波手段将有效信号与噪声分离，然后反变换到时间域得到去噪后的结果。但是，该类方法的数学变换在实际地震资料处理中缺乏明确的物理意义，没有考虑地震信号本身的固有特点，且实现过程复杂，可操作性较差，制约了该方法由实验室到工业界应用的转换。

3、希尔伯特黄变换（HHT）是一种基于信号本身固有属性的时频分析方法，该方法将非平稳信号通过经验模态分解（EMD）方式分解为不同尺度的平稳窄带信号，称为固有模态函数(IMF)，然后对这些固有模态函数进行希尔伯特变换就得到信号的时频谱。该方法克服了小波变换需要选取固定小波基的弱点，所分解的固有模态函数反映了信号本身的固有属性，具有明确的物理意义，更加有效的反映了地震信号的多尺度特征。Ivan（1999）第一次将经验模态分解方法引入到地震资料处理领域，主要用于地震属性分析和提高分辨率处理。Bekara（2008）将经验模态分解与f-x滤波相结合，提出了一种新的f-x域随机噪声衰减方法，首次将经验模态分解技术引入到地震数据随机噪声衰减方法的研究。该方法利用经验模态分解代替常规f-x域预测滤波的线性自回归滤波器，通过对频率切片进行经验模态分解并去除第一个固有模态函数，达到噪声压制的目的。虽然随机噪声经过经验模态分解之后，大部分能量集中在第一个模态分量上，但其它模态分量上依然有较强的残存能量，且复杂反射的有效信号也会泄露在第一模态分量上，因此，仅仅通过剔除某一分量或某些分量的滤波方法在去噪能力和保幅性能上存在较大缺陷。

发明内容

本发明的目的是为了克服现有技术中存在的衰减随机噪声信号不够理想的不足，提供一种衰减地震数据随机噪声的方法与系统，以解决上述问题。

为了达到上述目的，本发明实施例公开了一种衰减地震数据随机噪声的方法，包括：获取地震数据；将所述地震数据进行傅立叶变换，生成频率-空间域的地震数据；在空间方向上对所述频率-空间域的地震数据进行复数经验模态分解，生成多个模态分量；根据所述频率-空间域的地震数据与所述多个模态分量，利用最优化方法生成自适应信号重构算子；根据所述自适应信号重构算子和所述多个模态分量，重构生成频率域地震信号；将所述频率域地震信号进行傅立叶反变换，生成随机噪声衰减后的时间域地震信号；根据所述随机噪声衰减后的时间域地震信号绘制噪声衰减后的地震剖面图像。