[发明专利]一种微震资料去噪方法、系统、电子设备及存储介质

说明书

本发明公开了一种基于同步挤压小波变换时频谱图像处理的微震资料去噪方法、系统、电子设备及存储介质，包括：利用方差比曲线极小值估计纯背景噪音范围；利用同步挤压小波变换将微震记录变换到时频域；根据时频域内各个频点的纯背景噪音小波系数的经验累积分布函数，估计各个频点的小波系数阈值；根据小波系数阈值对时频域内各个频点的小波系数进行阈值滤波；根据连通分量面积阈值对时频谱图像再次进行阈值滤波；将经连通分量面积阈值滤波后的时频谱图像进行同步挤压小波反变换，得到去噪后的微震记录。本发明通过结合时频域内的小波系数和图像连通分量面积阈值方法，实现了对背景噪音更高效的去除，极大地提高了微震记录信噪比。

技术领域

本发明属于微震监测资料处理技术领域，涉及一种微震资料去噪方法、系统、电子设备及存储介质，具体涉及一种基于同步挤压小波变换时频谱图像处理的微震资料去噪方法、系统、电子设备及存储介质。

背景技术

微震监测技术已广泛应用于非常规油气勘探、矿山安全监测等资源开发中，微震监测资料处理的关键步骤是对微震事件进行精确定位，从而有效地提高微震监测水平。但是，微震数据的可靠性和参数提取的准确性，如微震事件定位所需的到达时间、极性、振幅等属性参数，都直接受到各种噪声的干扰，影响微震事件的定位精度，导致资源开发过程中的不确定性因素增加，降低资源开采水平。

带通滤波是在特定频带范围内对噪声进行去噪的一种常用方法，但对于信号频率相同的噪声去噪效果不佳，且需预先知道有效的滤波频带。在此基础上，其他更复杂、有效的滤波方法也随之被提出，如主成分分析法(Principal Component Analysis,PCA)、奇异值分解法(Singular Value Decomposition,SVD)和基于经验模态分解法(Empirical ModeDecomposition,EMD)等滤波方法；上述滤波方法均是在时间域(一维)进行，可操作性不强，且计算过程较为繁琐。

时频变换(Time Frequency Transform，TFT)将一维时间域的波形变换到二维时间-频率域内，可以在时频谱上较为清楚的识别出微震信号的位置。常用的时频变换方法有短时傅里叶变换(Short Time Fourier Transform,STFT)、小波变换(Wavelet Transform,WT)和S变换(S Transform,ST)等变换方法。近年来，同步挤压(Synchro squeezed,SS)作为一种新的重新分配技术被引入，其具有更高时频分辨率特征而被广泛应用于时频域滤波，其中时频域中的小波系数阈值方法因原理简单、去噪效果显著而受到广泛关注。但是，常用的硬、软阈值时频域滤波方法分别存在背景噪音滤除不完全、信号失真等问题，而导致滤波效果不理想。

因此，有必要研究合适的去噪方法，提高微震数据的信噪比,从而拾取到更加精确的震相到时，为微震事件精确定位提供可靠的到时数据。

发明内容

针对现有技术中存在的上述问题，本发明提供一种基于同步挤压小波变换时频谱图像处理的微震资料去噪方法、系统、电子设备及存储介质。

本发明公开了一种基于同步挤压小波变换时频谱图像处理的微震资料去噪方法，包括：

根据微震信号的方差比曲线极小值所对应的时刻，估计纯背景噪音范围；

利用同步挤压小波变换将微震记录变换到时频域；

根据所述时频域内各个频点的纯背景噪音小波系数的经验累积分布函数，估计各个频点的小波系数阈值；

根据各个频点的所述小波系数阈值对所述时频域内各个频点的小波系数进行阈值滤波；

计算经小波系数阈值滤波后时频谱图像的连通分量面积以及连通分量面积阈值；

根据所述连通分量面积阈值对所述时频谱图像再次进行阈值滤波；

将经连通分量面积阈值滤波后的时频谱图像进行同步挤压小波反变换，得到去噪后的微震记录。