随机噪音压制方法、装置、设备及存储介质制造方法及图纸

本申请提供的一种随机噪音压制方法、装置、设备及存储介质，其中方法包括：利用遗传算法配置变分模态分解的分量个数与惩罚因子参数；利用完成配置参数的变分模态分解压制随机噪音，提高地震资料品质；本申请提供的方法，通过GA

【技术实现步骤摘要】
随机噪音压制方法、装置、设备及存储介质


[0001]本申请涉及地球物理勘探领域，特别地涉及一种随机噪音压制方法、装置、设备及存储介质。

技术介绍

[0002]地震数据中不可避免的存在随机噪音，有效压制噪声，提升地震资料信噪比与分辨率是后续反演与解释工作的前提。地震数据是一种非线性、非平稳信号，针对这一特性，Wigner
‑
Ville、小波变换、曲波变换等大量信号分析手段用来压制随机噪音，虽然取得了一定效果，但也存在一定局限性。
[0003]经验模态分解(Empirical Mode Decomposition,EMD)，其核心思想是将非平稳信号分解成不同频段的模态分量进而转化成平稳信号进行分析，理论上可以应用于任何类型信号的分解，因此，在处理非线性、非平稳数据上具有明显的优势。然而，EMD分解后的信号容易出现模态混叠和端点效应，集合经验模态分解(Ensemble EMD，EEMD)避免EMD的不足，完备集合经验模态分解(Complete EEMD,CEEMD)有效克服了EEMD因辅助白噪引入的噪音污染，但其数学理论基础尚不严谨、运算效率较低、部分有效信号损失。变分模态分解(Variational Mode Decomposition,VMD)在获取模态分量的过程中通过迭代搜索变分模型最优解来确定每个分量的频率中心及带宽，能够自适应地实现信号的频域剖分与各分量的有效分离。VMD具备牢固的理论基础，能够准确分解信号，不易出现模态混叠，算法鲁棒性好，同时兼备较高运算效率。分量个数与惩罚因子是VMD的两个重要参数，一般根据专家经验给定，这可能导致信号分解出现误差，影响噪音压制的效果。

技术实现思路

[0004]针对上述问题，本申请提供一种随机噪音压制方法、装置、设备及存储介质。
[0005]本申请提供了一种随机噪音压制方法，包括：
[0006]S1：利用遗传算法配置变分模态分解的分量个数与惩罚因子参数；
[0007]S2：利用完成配置参数的变分模态分解压制随机噪音，提高地震资料品质。
[0008]在一些实施例中，所述利用遗传算法配置变分模态分解的分量个数与惩罚因子参数具体方法包括：
[0009](1)应用遗传算法对变分模态分解的参数K、C进行编码；
[0010](2)对地震数据进行变分模态分解运算；
[0011](3)执行应用选择算子、交叉算子和变异算子，产生下一代种群，即得到新种群；
[0012](4)计算新种群个体的适应度值；
[0013](5)如果满足停止准则，则找到最优编码串，否则返回步骤(2)；
[0014](6)将最优编码串解码为优化的VMD参数；
[0015]其中，
[0016]K：VMD的分量个数
[0017]C：惩罚因子。
[0018]在一些实施例中，所述选择算子为：
[0019]式中，N为种群数目，f
i
为适应度值；
[0020]交叉算子为：
[0021]式中，f
′
为调节后的适应度值，f
c
′
为待交换父本中较大的适应度值；
[0022]变异算子为：
[0023]式中，f
m
为变异个体适应度值，k1,k2为变异概率调节因子；
[0024]f
max
和f
avg
分别对应最大适应度值和平均适应度值。
[0025]在一些实施例中，所述计算新种群个体的适应度值的具体方法包括：
[0026]f
′
＝af+b式中，f、f
′
分别对应调节前后的适应度值，a，b为调节系数，E为误差函数，其值出现负值则按如下公式进行调整：
[0027][0028]Δ1＝f
max
‑
f
avg
，Δ2＝f
avg
‑
f
min
，c＝2.0，f
max
、f
min
、f
avg
分别对应最大适应度值、最小适应度值、平均适应度值；δ
k
＝(z
k
‑
y
k
)y
k
(1
‑
y
k
)，z
k
为第k个期望输出，y
k
为第k个实际输出，S为输出单元的个数。
[0029]在一些实施例中，所述遗传算法初始化，确定初始种群规模N＝60、交叉算子P
c
＝0.36、变异算子P
m
＝0.15以及最大迭代次数；
[0030]所述停止准则为，误差小于等于0.001或者达到最大学习次数，所述最大学习次数为大于等于500次，可由用户指定。
[0031]在一些实施例中，所述利用完成配置参数的变分模态分，解压制随机噪音，提高地震资料品质具体方法包括：
[0032](1)将地震信号x(t)分解为K个模态分量d
k
(t)；
[0033](2)对模态分量d
k
(t)进行希尔伯特变换，构造解析信号为卷积运算符号，δ(k)为脉冲函数，j2＝
‑
1；
[0034](3)将模态分量的频谱调制到以ω
k
为中心的频带上ω
k
为瞬时频率；
[0035](4)估计模态分量的频带宽度，即并且满足
[0036](5)引入惩罚因子C和Lagrange算子λ(t)，将约束变分问题转化为无约束的变分问题；
[0037](6)采用傅里叶变换将所述无约束的变分问题转换到频域，并求取模态分量的频率域结果；
[0038](7)采用傅里叶逆变换将模态分量的频率域结果变换到时域，得到模态分量的时域信号，则噪音压制后的信号l+1,
…
,K的分量为噪音引起。
[0039]在一些实施例中，所述将地震信号x(t)分解为K个模态分量d
k
(t)具体过程包括：
[0040]d
k
(t)＝A
k
(t)cos(ψ
k
(t))，k＝1,2,3
…
,K，A
k
(t)为振幅，A
k
(t)
′
≥0，ψ
k
(t)为相位，ψ
k
(t)
′
≥0，d
k
(t)的瞬时频率ω
k
(t)＝dψ
k
(t)/dt；
[0041]将约束变分问题转化为无约束的变分问题具体公式为：
[0042]δ(t)为脉冲函数。
[0043]本申请实施例提供一种随机噪音压制装置，包括：
[0044]配置变分模态分解的参数模块和变分模态分解压本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种随机噪音压制方法，其特征在于，包括：S1：利用遗传算法配置变分模态分解的分量个数与惩罚因子参数；S2：利用完成配置参数的变分模态分解压制随机噪音，提高地震资料品质。2.根据权利要求1所述的方法，其特征在于，所述利用遗传算法配置变分模态分解的分量个数与惩罚因子参数具体方法包括：(1)应用遗传算法对变分模态分解的参数K、C进行编码；(2)对地震数据进行变分模态分解运算；(3)执行应用选择算子、交叉算子和变异算子，产生下一代种群，即得到新种群；(4)计算新种群个体的适应度值；(5)如果满足停止准则，则找到最优编码串，否则返回步骤(2)；(6)将最优编码串解码为优化的变分模态分解VMD参数；其中，K：VMD的分量个数C：惩罚因子。3.根据权利要求2所述的方法，其特征在于，所述选择算子为：式中，N为种群数目，f
i
为适应度值；交叉算子为：式中，f
′
为调节后的适应度值，f
c
′
为待交换父本中较大的适应度值；变异算子为：式中，f
m
为变异个体适应度值，k1,k2为变异概率调节因子；f
max
和f
avg
分别对应最大适应度值和平均适应度值。4.根据权利要求3所述的方法，其特征在于，所述计算新种群个体的适应度值的具体方法包括：f
′
＝af+b式中，f、f
′
分别对应调节前后的适应度值，a，b为调节系数，E为误差函数，其值出现负值则按如下公式进行调整：
Δ1＝f
max
‑
f
avg
，Δ2＝f
avg
‑
f
min
，c＝2.0，f
max
、f
min
、f
avg
分别对应最大适应度值、最小适应度值、平均适应度值；δ
k
＝(z
k
‑
y
k
)y
k
(1
‑
y
k
)，z
k
为第k个期望输出，y
k
为第k个实际输出，S为输出单元的个数。5.根据权利要求2所述的方法，其特征在于，所述遗传算法初始化具体为：确定初始种群规模N＝60、交叉算子P
c
＝0.36、变异算子P
m
＝0.15以及最大...

【专利技术属性】
技术研发人员：钟晗，徐凤姣，胡华锋，张克非，周单，
申请(专利权)人：中国石油化工股份有限公司石油物探技术研究院，
类型：发明
国别省市：