[发明专利]基于vmd的地震信号随机噪声压制方法

说明书

本发明公开了一种基于vmd的地震信号随机噪声压制方法，该方法包括以下步骤：选择一个时间窗口将原始含噪二维地震信号作傅里叶变换，变换至f‑x域；对每一个频率切片数据进行模态分解；将分解得到的BIMF分量组合得到滤波后的信号；将信号作傅里叶逆变换，变换回t‑x域；重复对下一个时间窗口进行同上操作，地震记录全部处理完毕后，即得到最终的二维地震去噪结果。同时，本发明中将一维变分模态分解拓展至二维复数形式，可用于三维地震去噪处理。基于VMD的地震信号随机噪声压制方法具有优异的噪声压制、幅值保持性能的同时，还具备较高的计算效率，可满足高维大尺度地震数据的处理要求。

技术领域

本发明涉及地球物理勘探的地震资料处理技术领域，尤其涉及地震信号中随机噪声压制和有效能量保持处理技术。

技术背景

地震信号随机噪声衰减是地震数据处理领域的热点和难点问题。从观测数据中有效去除随机噪声干扰，提高信号信噪比和分辨率，是正反演计算和地质解释的前提。目前，地震信号随机噪声压制方法主要有：基于滤波理论的方法、基于小波域变换方法、基于矩阵理论的变换方法和基于信号分解理论方法等。近年来，基于信号分解的经验模态分解(Empirical Mode Decomposition，EMD)方法，由于在处理非平稳及非线性数据上具有很高的信噪比，已成为信号分解领域研究的热点。

完备集合经验模态分解(Complete Ensemble EMD，CEEMD)避免了EMD方法中模态混叠的问题，有效改善集合经验模态分解EEMD方法中加入随机白噪声对原始信号造成污染的缺点，但CEEMD方法中依然采用的是递归迭代式筛选分解过程，非平稳地震信号极值点插值和包络计算过程依然耗时过长，在处理多维度和多尺度地震数据时存在一定限制。

为解决这些问题，进一步提升信号分解的精度，本发明提出基于变分模态分解(Variational Modal Decomposition，VMD)的地震信号随机噪声压制处理方法。通过将模态分解过程转变为变分模型的最优解迭代求解过程，以每个分量的估计聚集带宽之和最小为约束，双重对偶上升使得每个分量的频率中心及带宽在频域内进行自适应分离。与EMD的递归“筛选”模式不同，VMD将信号分解转化非递归、变分模型泛函极值求解问题，由变分模型优化目标函数求解过程可知，其实质是多个维纳滤波组的自适应拓展，具有优良的噪声鲁棒性，对于非平稳的时序信号分解更为适用。

发明内容

本发明的目的在于提供一种基于VMD的地震信号随机噪声压制方法，以解决地震勘探任务中采集的地震数据被随机噪声干扰的问题，该方法具有优异的噪声压制、幅值保持性能的同时，还具备较高的计算效率，可满足高维大尺度地震数据的处理要求。

本发明的技术方案为：一种基于vmd的地震信号随机噪声压制方法，其技术方案步骤包括：

S1：地震数据的时域信号转换为频域信号：选择一个时间窗口将原始含噪二维地震信号d(x,t)作傅里叶变换，变换至f-x域；

S2：信号的频段分解：对每一个频段数据进行变分模态分解VMD(VariationalMode Decomposition)，生成带限固有模态函数(Band-Limited Intrinsic ModeFunction)分量，简称BIMF分量；

S3：信号的组合：将VMD分解得到的BIMF分量进行组合，得到新的滤波信号；

S4：地震数据的频域信号转换为时域信号：将S3步骤得的滤波信号作傅里叶逆变换，变换回t-x域；

S5：迭代过程：重复对下一个时间窗口进行同上操作，地震记录全部处理完毕后，即得到最终的二维地震去噪结果。

所述S2步骤的VMD分解过程可转换至变分泛函最优求解过程，其分解包括：