张 珊, 李 月

(吉林大学 通信工程学院, 长春 130012)

0 引 言

随机噪声的存在大大降低了地震资料的信噪比, 为后续的构造成像和解释过程带来诸多不便。而且, 沙漠地带随机噪声的低频特性造成了有效信号和噪声的频带混叠, 使有效信号与噪声在频域较难分离。目前, 比较成熟的去噪算法多针对高斯噪声的压制, 而沙漠地带的随机噪声性质复杂, 并非都满足高斯分布, 因而这些成熟的方法对沙漠地带随机噪声的压制效果不理想。

近年来, 各国学者提出了一系列消减随机噪声的方法, 如f-x反褶积[1]、小波去噪[2]、 f-k滤波[3]、 Shearlet变换[4]和曲波阈值化[5]等, 文献[6-7]将非局部均值滤波应用于地震随机噪声压制。这些经典算法先后被应用于地震信号处理领域并取得了一定效果, 但在面临沙漠地震记录的复杂性时均表现出了明显的不足。面对能源地震勘探的“三高”要求、 复杂的地表和近地表地质条件、 深度不断加深和赋存空间越来越复杂的勘探目标, 常规地震数据去噪技术已逐渐难以满足当前高精度勘探的需求。

为寻求一种不受噪声性质和阈值限制, 足以应对强复杂随机噪声的去噪方法, 笔者将自适应噪声辅助的集合经验模态分解(CEEMDAN: Complete Ensemble Empirical Mode Decomposition with Adaptive Noise)算法[8]和ROSL(Robust Orthonormal Subspace Learning)低秩算法结合, 应用于沙漠地带随机噪声的消减。CEEMDAN分解算法[9]一定程度上克服了经验模态分解的模态混叠等问题, 广泛应用于医学信号和轴承故障检测, 并取得了较好的效果。单一的CEEMDAN算法虽可实现去噪目的, 但在降噪过程中需舍弃部分模态, 这大大削减了有效信号的保幅效果。……