简介：传统的f-x域经验模态分解法（Empiricalmodedecomposition,EMD）能够有效地对主要由水平同相轴构成的地震记录进行随机噪声衰减。然而,当同相轴倾斜时,f-x域经验模态分解法在衰减随机噪声的同时去除大部分有效信号。本文提出了一种基于f-x域经验模态分解法的改进算法。我们通过局部相似度对所去除的噪声信号中的有效信号进行提取。局部相似度可以用来检测噪声信号中的有效信号点并用来构造一权重算子进行信号提取。新方法与f-x域经验模态分解法、f-x域预测滤波法以及f-x域经验模态分解预测滤波法相比能够在衰减随机噪声的同时保留更多的有用信号。数值模拟实验以及实际地震资料处理结果均表明该方法能更为有效地去噪。

简介：分数阶S变换（FRST）具有较强的时频聚集性。利用FRST处理地震数据，通过合适的分数阶参数将频率轴旋转到适当位置，即可实现目标地质特征信息的最佳识别。由于不同的地震信号的最优分数阶参数可能不同，因而对整体的分数阶参数的最优估计不利于对多道地震数据的处理。本文首先利用FRST分离出共频率数据体，并利用共频率数据体进行了低频伴影分析，然后提出FRST和盲分离结合的方法，不需要对地震数据的最优分数阶参数进行估计，即可提取识别有效地质特征信息的独立频谱，提高对地震数据的解释效率。仿真实验表明在分数阶时频域内此方法能有效分离出独立的频率信息。将该方法用于实际的地震数据，并与已知井信息进行比对，验证了其有效性。

简介：分数阶S变换(FRST)具有较强的时频聚集性。利用FRST处理地震数据,通过合适的分数阶参数将频率轴旋转到适当位置,即可实现目标地质特征信息的最佳识别。由于不同的地震信号的最优分数阶参数可能不同,因而对整体的分数阶参数的最优估计不利于对多道地震数据的处理。本文首先利用FRST分离出共频率数据体,并利用共频率数据体进行了低频伴影分析,然后提出FRST和盲分离结合的方法,不需要对地震数据的最优分数阶参数进行估计,即可提取识别有效地质特征信息的独立频谱,提高对地震数据的解释效率。仿真实验表明在分数阶时频域内此方法能有效分离出独立的频率信息。将该方法用于实际的地震数据,并与已知井信息进行比对,验证了其有效性。