周 洋 王 俊

(1.中国地震局地震研究所(地震大地测量重点实验室)，湖北 武汉 430071；2.湖北省地震局，湖北 武汉 430071；3.中南民族大学计算机科学学院，湖北 武汉 430071)

湖北区域地球物理台网目前共计23 个台站83套仪器，其中地下流体仪器41 套，SWY－II 型数字式水位仪9 套、SZW－1A 及SZW－II 数字式温度计15套、RTP－II 型气温气压雨量综合观测仪3 套、WYY－1型气象三要素观测仪14 套[1]。地下流体仪器种类繁多、在网运行数量也是在各观测手段(重力、形变、电磁、流体)中居首，同时受干扰因素众多且难以区分。故寻求一种应用前景更为广阔的数据干扰抑制技术显得尤为重要。

近年来兴起的小波分析方法以其良好的时频分析能力迅速成为非平稳信号处理的有力工具，基于小波分析的去噪方法更是大量涌现，且被证明其具有传统傅里叶变换去噪方法所不能比拟的优越性[2－7]。去除地震信号中随机噪声技术虽然已经有了很大发展，但仍然不能满足人们对地震数据去噪效果的要求，因此改进现有去噪技术，寻求更加精确、有效、快速、便捷的去噪算法，是一项十分有意义、尚待研究的课题[8－12]。目前国内在数字信号处理如降噪方面的技术已日趋成熟，如文献[13－16]介绍了基于时空域数字信号处理的地震资料降噪方法，而文献[17－21]则研究了基于深度学习的自适应学习去噪方法。

本文提出一种基于神经网络的期望最大化算法，用于地震地下流体观测数据噪声抑制。该算法较其他小波算法及神经网络算法去噪在保留原始数据信号能量前提下，更能快速、准确定位并抑制噪声干扰。……