干扰控制K 均值序贯泛化二维地震信号去噪
1 引言
在地震信号采集过程中,因为各种复杂条件如地形地貌、仪器设备等的影响,野外采集得到的地震信号中不可避免地含有大量的噪声。去除噪声对于提高地震信号中有效信号分量的信噪比具有重要意义[1]。
信号去噪算法有很多[2-3],如局部径向道中值滤波法(LRMF)、奇异值分解法、多项式拟合法[4]等。Zhu等[5]提出局部径向道中值滤波法,即步变中值滤波器,通过在径向道中采用步变中值滤波器来消除线性噪声。Li等[6]提出将奇异值分解法(SVD)与小波变换相结合,将地震信号投影到小波域,将噪声与有效信号隔开,克服了单一SVD算法不能去除面波干扰的缺点。Tang等[7]提出基于学习型超完备字典的地震信号去噪算法。张广智等[8]提出基于稀疏冗余表示的压制三维地震信号随机噪声算法。除此之外还有很多去噪算法,比如小波变换去噪[9-10]、脊波变换去噪[11]、轮廓波变换[12]、曲波变换[13]、波原子变换去噪[14]等。
字典学习及信号稀疏表示理论在图像修复[15-18]、图像去噪[19-20]、数据压缩[21]和盲源分离[22]等领域得到了发展,在地震信号处理领域也获得了广泛应用。若地震信号在变换域下可稀疏表示,则稀疏表示向量中的极大部分小系数值可以看成是噪声,去掉这些噪声,即可对地震信号去噪。字典的设计决定了稀疏先验概率,因此稀疏表示系数越少的字典越能得到良好的去噪效果。例如采用样本集中的信号训练超完备字典,如
本文提出了一种基于稀疏表示模型进行二维地震信号去噪算法。选用的SGK学习型字典从含噪声地震信号小块中训练得到,为此,SGK字典中不可避免地含有噪声干扰,为了控制噪声干扰对字典原子的影响,提出了稀疏模型下基于控制
2 C-SGK原理
2.1 含噪地震信号的字典训练
将含有噪声模型的地震信号分解成大小相同的多个子块
1) 稀疏编码。任选一追踪算法,求得每个子块
2) 字典更新。
①找到用到原子
②计算索引集
记
③更新原子
2.2 噪声干扰分析
对(1)式做恒等变形,得到
式中
记
2.3 控制噪声干扰的C-SGK算法
如上所述,若训练样本集中含有噪声,则在字典更新阶段将不可避免地引入噪声干扰,为此Sahoo等[24]提出控制噪声干扰的C-SGK算法。该算法的基本思想是在更新原子时设置阈值
式中
假设信噪比
通常情况,可以通过(6)式得到
2.4 基于C-SGK的二维地震信号噪声去除
二维地震信号去噪模型为
由压缩感知和稀疏表示理论[26-27]可知,地震信号去噪问题可由如下的最小化问题来表示
式中:第一项是一致约束项,表示去除噪声后的地震信号与实际的含有噪声的地震信号之间的差异;第二、三项为地震信号的先验条件,保证由
3 地震信号去噪实验结果及分析
为了更直观地观察到噪声干扰现象,现引入平均标准偏差(MSD)指标来定量估计噪声干扰对字典原子的影响。可利用DCT、小波变换等来预估噪声偏差(SD),这是因为,通过对含有噪声的地震信号样本训练得到的SGK字典做DCT变换,能够将噪声部分保留下来(有效信号在DCT变换下的系数很小)。因此,选取SGK字典在DCT变化下的系数来估计噪声的SD值。
所做的实验均是在CPU主频为2.40 GHz、内存为4 GB、预装Windows 10专业版64位操作系统的个人笔记本电脑上进行,运行环境为MATLAB (R2010a)。用于去噪性能评价的峰值信噪比
式中
式中
3.1 海洋地震信号去噪实验
如
为了定量分析两种算法的去噪效果,
3.2 陆地实际叠后地震信号去噪实验
如
图 1. SGK和C-SGK对海洋地震信号去噪。(a)海洋地震信号;(b)加入随机噪声;(c) SGK去噪;(d) C-SGK去噪
Fig. 1. Denoising marine seismic signal with SGK and C-SGK. (a) Original signal; (b) adding random noise; (c) denoising with SGK; (d) denoising with C-SGK
表 1. 不同算法对海洋地震信号去噪效果指标
Table 1. Effect of different denoising methods to marine seismic signals
|
图 4. SGK和C-SGK对陆地叠后地震信号去噪。(a)陆地叠后地震信号;(b)加入随机噪声;(c) SGK去噪;(d) C-SGK去噪
Fig. 4. Denoising marine seismic signal with SGK and C-SGK. (a)Original signal; (b) adding random noise; (c) denoising with SGK; (d) denoising with C-SGK
图 5. 基函数对比图。(a) SGK字典;(b) C-SGK字典
Fig. 5. Comparison of base functions. (a) SGK dictionary; (b) C-SGK dictionary
表 2. 不同算法对叠后陆地地震信号去噪效果指标
Table 2. Effect of different denoising methods to marine seismic signals
|
4 结论
构建了基于稀疏表示模型来压制二维地震信号中随机噪声的算法,算法中所采用的SGK学习型字典是从含有噪声的地震信号小块中训练得到的,为此SGK字典中不可避免地含有噪声干扰。为解决上述问题,提出了一种稀疏表示模型下基于C-SGK的地震信号去噪算法。该算法较好解决了将SGK字典引入地震信号去噪模型时引入的噪声干扰现象。通过对海上和陆地实际地震信号去噪,得出以下结论:1) 在噪声方差一定的情形下,本文C-SGK算法得到的MSD值小于SGK算法的MSD值;随着噪声方差的不断增大,SGK的MSD值也随之增大,而C-SGK的MSD值得到了有效控制;2) 从去噪速度来看,本文C-SGK算法较SGK在去噪时间上进一步得到缩短。从去噪效果来看,C-SGK算法的信噪比得到了提高,同时SSIM值也得到了提高。
[1] 张欢, 池越, 周亚同, 等. 结合主成分分析的四维块匹配协同滤波三维地震信号去噪[J]. 激光与光电子学进展, 2018, 55(4): 041007.
[2] 张明, 吕晓琪, 吴凉, 等. 基于深度残差学习的乘性噪声去噪方法[J]. 激光与光电子学进展, 2018, 55(3): 031004.
[3] 倪雪, 李庆武, 孟凡, 等. 基于Curvelet变换和全变差的图像去噪方法[J]. 光学学报, 2009, 29(9): 2390-2394.
[4] Yu S, Cai X, Su Y. Seismic signal enhancement by polynomial fitting[J]. Applied Geophysics, 1989, 1(1): 57-65.
[6] Li YJ, Yang BJ, LiY, et al. Combining SVD with wavelet transform in synthetic seismic signal denoising[C]∥Proceedings of 2007 International Conference on Wavelet Analysis and Pattern Recognition, 2007, 4: 1831- 1836.
[8] 张广智, 常德宽, 王一惠, 等. 基于稀疏冗余表示的三维地震数据随机噪声压制[J]. 石油地球物理勘探, 2015, 50(4): 600-606.
[9] 唐进元, 陈维涛, 陈思雨, 等. 一种新的小波阈值函数及其在振动信号去噪分析中的应用[J]. 振动与冲击, 2009, 28(7): 118-121.
[10] 王宏强, 尚春阳, 高瑞鹏, 等. 基于小波系数变换的小波阈值去噪算法改进[J]. 振动与冲击, 2011, 30(10): 165-168.
[12] 纪建, 许双星, 李晓. 基于形态成分分析和Contourlet变换的自适应阈值图像去噪方法[J]. 模式识别与人工智能, 2014, 27(6): 561-568.
[14] 杨宁, 贺振华, 黄德济. 基于系数相关性阈值的波原子域叠前地震资料信噪分离方法[J]. 石油地球物理勘探, 2011, 46(1): 53-57.
[16] MairalJ, BachF, PonceJ, et al. Non-local sparse models for image restoration[C]∥Proceedings of 2009 IEEE 12 th International Conference on Computer Vision , 2009: 2272- 2279.
[17] Mairal J, Sapiro G, Elad M. Learning multiscale sparse representations for imageand video restoration[J]. Multiscale Modeling & Simulation, 2008, 7(1): 214-241.
[18] Quan YL, Zhu TY, Harris JM, et al. Image integration with learned dictionaries and application to seismic monitoring[C]∥Proceedings of SEG Technical Program Expanded Abstracts, 2011, 30( 1): 4217- 4222.
Article Outline
冯振杰, 张欢, 张成. 干扰控制