基于EMD与1D全变分的地震信号去噪

发布时间：2021-05-08 09:32

　　经验模态分解（Empirical Mode Decomposition,EMD）是一种信号的时频分析方法,该方法在不需要先验知识的条件下,可以将非平稳、非线性信号,依据信号的特征,自适应的分解为多个本征模态函数（Intrinsic Mode Function,IMF）之和,得到高的频率分辨率。然而,一般的去噪方法是将所选择的高频IMF部分取不同的阈值进行滤波或者是直接置为零重构后实现信号的去噪,很显然这会造成高频部分有用信号的损失。1D全变分（Total Variation,TV）是一种有效的信号去噪方法,能够非常好的保护信号边缘信息,但有时也会把噪声当作边缘信息,出现虚假边缘现象。因此,基于EMD和1D-TV的优点提出了一种新的去噪方法,根据对实际金属矿床地震信号处理的结果表明,该算法能有效的消除地震信号中的噪声,并能有效保护地震信号边缘构造信息。 

【文章来源】：四川理工学院学报(自然科学版). 2014,27(03)

【文章页数】：5 页

【文章目录】：
引言
1 EMD/TV(全变分)方法原理
    1.1 经验模态分解(EMD)去噪原理
    1.2 1D-TV模型去噪原理
2 新算法的构造
    2.1 EMD分解高频部分确定原则
    2.2 新算法的描述
3 实际地震信号处理
    (1)峰值信噪比:
    (2)边缘保持度[15]:
4 结束语


【参考文献】：
期刊论文
[1]基于改进EMD的地震信号去噪[J]. 杨凯,刘伟.  西南石油大学学报(自然科学版). 2012(04)
[2]一种改进的全变分地震图像去噪技术[J]. 屈勇,曹俊兴,朱海东,任聪.  石油学报. 2011(05)
[3]基于总体经验模式分解的地震信号随机噪声消除[J]. 史恒,李桂林,王伟,历玉英,高星.  地球物理学进展. 2011(01)
[4]图像增强技术在地震资料处理中的应用[J]. 钟勇,孙东,陈磊.  物探与化探. 2010(03)

博士论文
[1]EMD算法研究及其在信号去噪中的应用[D]. 王婷.哈尔滨工程大学 2010



本文编号：3175097