基于VMD近似熵与多层感知机的沙漠地震信号去噪方法技术

本发明专利技术涉及一种基于VMD近似熵与多层感知机的沙漠地震信号去噪方法，属于地球物理技术领域。将二维的沙漠地震记录进行变分模态分解，得到一系列的本征模态分量，计算各本征模态分量的近似熵，将所有的本征模态分量分为有效信号优势分量与噪声优势分量，通过有效信号相关性构造一个特征量，将特征量输入多层感知机进行分类，将多层感知机分类器判定为有效信号部分保留噪声部分去除，噪声优势分量则通过自相关系数与多层感知机结合进行去噪，最后通过重构实现沙漠地震信号去噪。本发明专利技术实现了强噪低信噪比条件下的噪声去除，具有速度快、准确性高及较强的抗干扰能力，可以实现低频低信噪比下的沙漠地震信号去噪。

【技术实现步骤摘要】
基于VMD近似熵与多层感知机的沙漠地震信号去噪方法
本专利技术属于地球物理
，尤其是指沙漠地震信号去噪方法。
技术介绍
地震勘探是油气勘探的一种主要方式，是人们获得地质信息的主要手段。地震勘探利用地震波在不同地质具有不同的反射、散射和透射等来对地下的情况进行勘探。近年来，油气资源的需求量不断增长，易开采、易勘探的资源不断减少，从而对地震资料的质量提出了更高的要求。沙漠地区是目前主要的地震勘探地点之一，所以沙漠地区噪声压制是需要我们研究的一个重要课题。我国沙漠地带地震勘探随机噪声的复杂性、随机性给地震资料的处理带来很大困难。沙漠地区随机噪声主要由风吹地表所致的噪声和远场近场人文噪声组成。其中，风吹地表所致的噪声是由风对地表作用力使地表发生形变而产生弹性波引起的。近场人文噪声是由人类活动引起的噪声，远场人文噪声是由不同方向、不同大小、不同位置的噪声源共同激发的。沙漠地带随机噪声最主要的成分是由风吹地表所致的噪声，该噪声主要集中在低频段，所以沙漠地带随机噪声具有低频、弱相似性等性质，且二维的沙漠地震记录具有低信噪比的特点。传统方法通常通过频率、振幅、波形变化等来区分有效信号与噪声，但在沙漠地震勘探中，有效信号与噪声都是低频信号，且它们的振幅都较小，所以我们需要寻找其他有效信号与噪声的区别来区分信号。fx反褶积滤波器是应用最为广泛的叠后消除随机干扰的方法之一，对于一个频率一定，道间距一定的二维的沙漠地震记录，在频率域可以用前一道沙漠地震勘探的记录来近似表示后一道沙漠地震勘探的记录，在频率域计算一个预测算子进行褶积运算，达到消除随机干扰提高信噪比的目的，但是这种方法容易产生假轴，并且对直轴较为有效但对弯曲轴效果不佳；近年来，学者将小波变换与熵值相结合进行去噪，主要应用于心电信号、故障检测等方面。小波熵去噪主要分为两类：将二维的沙漠地震记录进行小波变换，选择含有有效信号的系数，依据小波熵自适应计算全局阈值压制噪声；另一类是熵值判断做预处理，首先对分解后的小波系数进行熵值计算，根据熵值设置阈值，将小波系数分为含有有效信号与不含有有效信号的部分，再将含有有效信号的部分进行硬阈值处理达到噪声压制的目的，但是小波变换存在无法处理高维数据的缺陷，所以学者们开始使用其他分频的方法对二维的沙漠地震记录进行处理，变分模态分解VMD是一种新型分频方法，它利用迭代搜索变分模型最优解的方式来提取每个VIMF分量，通过变分模态分解，可以将一个复杂的二维沙漠地震记录分解为K个VIMF分量信号，K为任意正整数，要得到好的分解效果,K的选取十分重要，K值若选取合适，可以避免待测信号由于模态混叠现象而给分解带来的不利干扰，变分模态分解改善了经典模态分解对噪声敏感，容易产生严重混叠现象的缺点，也解决了传统小波变换在处理高维数据的缺陷，具有分解能力强、抗噪性能好和处理速度快等特点，但利用变分模态分解与普通硬阈值结合的方法处理沙漠噪声，在有效信号与噪声频率相近情况下无法有效实现信噪分离。
技术实现思路
本专利技术提供一种基于VMD近似熵与多层感知机的沙漠地震信号去噪方法，以解决存在的极低信噪比下的沙漠噪声去噪不准确，沙漠噪声在低频与有效信号重叠、导致信噪分离困难的问题。本专利技术采取的技术方案是，包括下列步骤：1)二维的沙漠地震记录获取：沙漠地震勘探利用与地质构造走向垂直的方向安排测线，在一条测线上等距放置N个检波器，可布置m条测线，m、N为任意正整数，通过在中间点放炮，测线接收地震波信号的形式，将一条测线上的检波器接收到的地震波信号，用放大器处理后，即可得到一道沙漠地震勘探的记录，m条测线得到的m道记录即可组成一幅二维的沙漠地震记录Z；2)二维的沙漠地震记录的分频处理：利用变分模态分解VMD的可变尺度分解对二维的沙漠地震记录进行处理，变分模态分解的过程是将一个复杂的二维的沙漠地震记录分解为K个VIMF分量，K为任意正整数，变分模态分解的基本过程如下：(1)希尔伯特变换，对每一个VIMF分量进行希尔伯特变换，得到单边频谱如下：式中，uk(t)是第k个VIMF分量，k为任意正整数，uk(t)可看作谐波信号：其中，Ak(t)是uk(t)的瞬时幅值，且Ak(t)≥0；为uk(t)的相位，且δ(t)为冲激函数；t是时间；*为卷积运算；(2)频率混合，给上述单边频谱信号混合一个预先估计的中心频率混合后，每一个uk(t)的频谱就将移动到它相应的基频带上，即：(3)带宽估计，计算公式(2)所得到的解调信号的梯度的二范数的平方：其中，为函数对时间t的偏导数；(4)建立最优化模型，通过上述步骤可得到变分约束模型如下：式中，K为VIMF分量总数；{uk(t)}＝{u1(t),u2(t),…,uk(t)}为模态的集合，{ωk(t)}＝{ω1(t),ω2(t),…,ωk(t)}表示{uk(t)}的频率中心，x(t)为VIMF分量{uk(t)}的总和；(5)转化为非约束问题，引入二次惩罚因子α与拉格朗日乘子λ(t)，构成表达式：{uk(t)}、{ωk(t)}和λ(t)初始化值均为0，通过交替方向乘子算法迭代求取式(4)的最优解，也可以得到模态分量{uk(t)}与相应的中心频率{ωk(t)}如下所示：式中：为当前余项的维纳滤波；为模态功率谱的重心；的傅里叶变换，n为任意正整数，ω为频率，i为任意正整数；变分模态分解对二维的沙漠地震记录分解的具体过程如下：设置n＝n+1，k＝k+1，根据公式(6)(7)更新{uk(t)}和{ωk(t)}，直到k＝K结束循环；根据式(8)更新λ(t)，即：式中γ代表噪声容限参数，一般取γ＝0，一直循环上述操作，ε为误差，取任意正整数，直到满足公式(9)：即得到由变分模态分解后的一系列优化的本征模态分量；3)根据二维的沙漠地震记录的特性，设计变分模态近似熵特征提取：(1)由步骤2)得到的一系列优化的本征模态分量，计算所有这些优化的本征模态分量的近似熵系数，由于近似熵是度量信号随机性的量，所以近似熵较大的分量被判定为噪声优势分量，相对地近似熵较小的分量被判定为有效信号优势分量，可以将信噪进行一个初步分离：式中，E[]表示有效信号优势分量，F[]表示噪声优势分量，IMF1表示一个优化的本征模态分量，IMF2也表示一个优化的本征模态分量，J1表示IMF1的近似熵，J2表示IMF2的近似熵，y表示阈值；由公式(10)得到有效信号优势分量E[]与噪声优势分量F[]，为了得到更好的去噪效果，分别处理有效信号优势分量与噪声优势分量，有效信号优势分量根据信号互相关性构造更精确的特征量v；虽然噪声优势分量中大部分是噪声，但为了得到更好的保留有效信号的效果，同样处理噪声优势分量，将噪声优势分量中无法被近似熵J1，J2区分的有效信号提取出来，所以噪声优势分量根据信号自相关性构造自相关系数作为噪声优势分量的信号特征量同样进行分类去噪：(2)对于有效信号优势分量E[]来说，选取E[]中任一优化的本征模态分量IMF1，B是以IMF1为中心的一个s×s的领域窗口，s为任意正整数，令V为领域窗口B内优化的本征模态分量的平方和，即：V＝∑B2(11)V即为窗口B内中心点与周围点的互相关性系数，由于噪声具有随机性而有效信号具有规律性，所以有效信号点与周围点之间的互相关性强于噪声点，本文档来自技高网...

【技术保护点】
1.一种基于VMD近似熵与多层感知机的沙漠地震信号去噪方法，其特征在于，包括下列步骤：1)二维的沙漠地震记录获取：沙漠地震勘探利用与地质构造走向垂直的方向安排测线，在一条测线上等距放置N个检波器，可布置m条测线，m、N为任意正整数，通过在中间点放炮，测线接收地震波信号的形式，将一条测线上的检波器接收到的地震波信号，用放大器处理后，即可得到一道沙漠地震勘探的记录，m条测线得到的m道记录即可组成一幅二维的沙漠地震记录Z；2)二维的沙漠地震记录的分频处理：利用变分模态分解VMD的可变尺度分解对二维的沙漠地震记录进行处理，变分模态分解的过程是将一个复杂的二维的沙漠地震记录分解为K个VIMF分量，K为任意正整数，变分模态分解的基本过程如下：(1)希尔伯特变换，对每一个VIMF分量进行希尔伯特变换，得到单边频谱如下：

【技术特征摘要】
1.一种基于VMD近似熵与多层感知机的沙漠地震信号去噪方法，其特征在于，包括下列步骤：1)二维的沙漠地震记录获取：沙漠地震勘探利用与地质构造走向垂直的方向安排测线，在一条测线上等距放置N个检波器，可布置m条测线，m、N为任意正整数，通过在中间点放炮，测线接收地震波信号的形式，将一条测线上的检波器接收到的地震波信号，用放大器处理后，即可得到一道沙漠地震勘探的记录，m条测线得到的m道记录即可组成一幅二维的沙漠地震记录Z；2)二维的沙漠地震记录的分频处理：利用变分模态分解VMD的可变尺度分解对二维的沙漠地震记录进行处理，变分模态分解的过程是将一个复杂的二维的沙漠地震记录分解为K个VIMF分量，K为任意正整数，变分模态分解的基本过程如下：(1)希尔伯特变换，对每一个VIMF分量进行希尔伯特变换，得到单边频谱如下：式中，uk(t)是第k个VIMF分量，k为任意正整数，uk(t)可看作谐波信号：其中，Ak(t)是uk(t)的瞬时幅值，且Ak(t)≥0；为uk(t)的相位，且δ(t)为冲激函数；t是时间；*为卷积运算；(2)频率混合，给上述单边频谱信号混合一个预先估计的中心频率混合后，每一个uk(t)的频谱就将移动到它相应的基频带上，即：(3)带宽估计，计算公式(2)所得到的解调信号的梯度的二范数的平方：其中，为函数对时间t的偏导数；(4)建立最优化模型，通过上述步骤可得到变分约束模型如下：式中，K为VIMF分量总数；{uk(t)}＝{u1(t),u2(t),…,uk(t)}为模态的集合，{ωk(t)}＝{ω1(t),ω2(t),…,ωk(t)}表示{uk(t)}的频率中心，x(t)为VIMF分量{uk(t)}的总和；(5)转化为非约束问题，引入二次惩罚因子α与拉格朗日乘子λ(t)，构成表达式：{uk(t)}、{ωk(t)}和λ(t)初始化值均为0，通过交替方向乘子算法迭代求取式(4)的最优解，也可以得到模态分量{uk(t)}与相应的中心频率{ωk(t)}如下所示：式中：为当前余项的维纳滤波；为模态功率谱的重心；为{uk(t)}的傅里叶变换，n为任意正整数，ω为频率，i为任意正整数；变分模态分解对二维的沙漠地震记录分解的具体过程如下：设置n＝n+1，k＝k+1，根据公式(6)(7)更新{uk(t)}和{ωk(t)}，直到k＝K结束循环；根据式(8)更新λ(t)，即：式中γ代表噪声容限参数，一般取γ＝0，一直循环上述操作，ε为误差，取任意正整数，直到满足公式(9)：即得到由变分模态分解后的一系列优化的本征模态分量；3)根据二维的沙漠地震记录的特性，设计变分模态近似熵特征提取：(1)由步骤2)得到的一系列优化的本征模态分量，计算所有这些优化的本征模态分量的近似熵系数，由于近似熵是度量信号随机性的量，所以近似熵较大的分量被判定为噪声优势分量，相对地近似熵较小的分量被判定为有效信号优势分量，可以将信噪进行一个初步分离：式中，E[]表示有效信号优势分量，F[]表示噪声优势分量，IMF1表示一个优化的本征模态分量，IMF2也表示一个优化的本征模态分量，J1表示IMF1的近似熵，J2表示IMF2的近似熵，y表示阈值；由公式(10)得到有效信号优势分量E[]与噪声优势分量F[]，为了得到更好的去噪效果，分别处理有效信号优势分量与噪声优势分量，有效信号优势分量根据信号互相关性构造更精确的特征量v；虽然噪声优势分量中大部分是噪声，但为了得到...

【专利技术属性】
技术研发人员：李月，范诗雨，张超，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22