被动地震信号的时频阈值去噪方法技术

本发明专利技术提供一种被动地震信号的时频阈值去噪方法，该被动地震信号的时频阈值去噪方法包括：步骤1，输入单通道被动地震信号；步骤2，经短时傅里叶变换STFT将输入信号转换到时频域；步骤3，完成噪声估计；步骤4，基于SURE理论进行频谱邻域划分及对应的阈值估计；步骤5，对相应的区域应用邻域衰减因子；步骤6，经逆短时傅里叶变换ISTFT将噪音衰减后的结果转换到时间域。该被动地震信号的时频阈值去噪方法不依赖于多通道信号的相干性，只需要单通道数据即可应用，整个去噪过程完全数据驱动，具有良好的信噪分离能力，也为后续事件检测等处理步骤提供了有效的技术支撑和保障。提供了有效的技术支撑和保障。提供了有效的技术支撑和保障。

【技术实现步骤摘要】
被动地震信号的时频阈值去噪方法


[0001]本专利技术涉及油田开发
，特别是涉及到一种被动地震信号的时频阈值去噪方法。

技术介绍

[0002]在油气勘探中，被动地震通常是指对自然的或诱发的地震信号的检测，目的是识别地下地质结构并定位资源分布，属于新兴技术。相比于主动地震，被动地震的成本更低，无须强力的炸药或振动器作为震源，施工方式更加环保，适用范围更广。目前，被动地震已在世界范围内许多地方成功应用，但由于是新兴技术，部分方法理论仍在开发中，其成熟度、可靠性仍低于主动地震。所以，在现阶段，更合理的做法是将被动地震技术作为主动地震的合理补充，结合二者的技术优势，实施联合监测，实现对地下结构的精细、动态刻画。
[0003]被动地震的观测方式通常是地面台站式观测，与常规的反射地震不同，后者多采用大量检波器构成较为规则的测线进行观测，这些检波器在空间上跨度很小且接收时间相对较短，而被动地震的地面观测台站在数量上要少的多，往往需要以天为单位连续观测，加之观测对象的能量要远小于激发震源，甚至小于背景噪声水平，导致地面接收的被动地震信号经常被噪声污染，直接影响了数据的可靠性和参数提取的准确性。因此，需要一种合理、自动化的去噪方法，提高被动地震信号的信噪比，以进行可靠的后续处理。
[0004]在常规的被动地震处理流程中，需要利用地震干涉技术在被动地震信号中提取出对应台站的虚震源信号，该过程能达到一定的去噪效果，但往往达不到后续处理的标准(如初至拾取)，尤其在初始被动地震信号信噪比极低的情况下，相干提取也往往没有明显效果，且不适用于单通道的处理。
[0005]目前，被动地震的发展尚未完全成熟，常见的处理流程主要是通过地震干涉法将被动地震信号转换为虚震源信号，再利用主动地震的处理方法进行数据处理。但由于被动地震信号和主动地震信号在频带、信噪比等方面都有较大差异，直接应用主动地震的去噪方法往往并不适用，而且以去噪来说，先进行虚震源信号转换再进行多通道去噪会降低整体的去噪效率，为达到实时处理，更合理的方式是在单通道采集信号上直接进行去噪处理。
[0006]在申请号：201810177571.0的中国专利申请中，涉及到一种基于经验小波变换和多阈值函数的井中微地震去噪方法，提到关于时频阈值去噪的类似的实现过程：计算井中微地震波信号的快速傅里叶变换，得到被测信号的频谱，根据频谱确定极小值，并找到每个极小值对应的频率；首先设置一个初始边界，然后在初始边界周围找到一个区间，最后在区间找到最小的极小值对应的频率作为边界；根据所述边界，定义尺度函数和经验小波函数；对信号与尺度函数和经验小波函数进行卷积运算，获得地震信号的不同模块；计算每个模块能量值和平均模块能量值，对模块能量值大于平均值两倍的模块采用硬阈值函数滤噪，其余模块采用改进的阈值函数进行滤噪。该专利技术的有益效果是：首次将经验小波变换结合多种阈值函数用于微地震去噪，可以将微地震数据的有效信号和噪声分离。
[0007]在申请号：CN201210247721.3的中国专利申请中，涉及到一种基于小波变换的小
尺度阈值去噪方法，为小波变换去噪时如何选取分频数及选取合适小波阈值提供理论依据。首先小尺度地对地震数据进行扫描，得到一个时窗内的相关系数值；其次设置一个阈值，对这个小尺度时窗内的数据进行判断，是以地震信号为主还是以噪声信号为主，然后采用合适的分频数及合适的小波阈值进行去噪。当地震道以地震信号为主时，采用常规小波分解及常规硬阈值或软阈值；当地震道以噪声为主时，地震信号进行小波包分解后，采用最佳熵的原则设定下面的浮动阈值法。最后将去噪后的小波尺度进行小波重构，从而得到去噪后信噪比较高的地震道集。
[0008]在申请号：CN201310355149.7的中国专利申请中，涉及到一种基于Shearlet变换的地震信号去噪方法，其包括如下步骤：
①
读入二维地震剖面数据；
②
将二维地震剖面数据扩展为一长宽为奇数的方阵；
③
构造频域方向滤波器组；
④
将各个变换矩阵分别与信号向量相乘，再分别做二维傅立叶反变换，得到各个方向和尺度的Shearlet系数；
⑤
阈值处理；
⑥
将经过阈值处理的shearlet变换系数做shearlet反变换获得去噪之后的信号。该专利技术将含有噪声的地震信号做拉普拉斯分解，然后利用剪切波函数进行滤波处理，得到对应的剪切波系数，通过阈值处理滤除噪声信号，在通过逆非下采样剪切波变换恢复去噪的信号，获得较好的去噪效果，具有很好的实用价值。
[0009]以上现有技术均与本专利技术有较大区别，未能解决我们想要解决的技术问题，为此我们专利技术了一种新的被动地震信号的时频阈值去噪方法。

技术实现思路

[0010]本专利技术的目的是提供一种以被动地震事件检测为目的，引入了无偏风险估计理论，优化了阈值选择过程，可用于单通道连续被动地震数据的实时去噪处理的被动地震信号的时频阈值去噪方法。
[0011]本专利技术的目的可通过如下技术措施来实现：被动地震信号的时频阈值去噪方法，该被动地震信号的时频阈值去噪方法包括：
[0012]步骤1，输入单通道被动地震信号；
[0013]步骤2，经短时傅里叶变换STFT将输入信号转换到时频域；
[0014]步骤3，完成噪声估计；
[0015]步骤4，基于SURE理论进行频谱邻域划分及对应的阈值估计；
[0016]步骤5，对相应的区域应用邻域衰减因子；
[0017]步骤6，经逆短时傅里叶变换ISTFT将噪音衰减后的结果转换到时间域。
[0018]本专利技术的目的还可通过如下技术措施来实现：
[0019]在步骤1中，输入单通道包括台站、节点地震仪的被动地震信号。
[0020]在步骤2中，选定时窗大小及时窗增量，采用STFT将步骤1中的输入信号从时间域转换到时间
‑
频率域。
[0021]在步骤3中，对时频域信号进行噪声谱估计，基于最小值控制递归平均算法对时频域信号进行噪声谱估计。
[0022]在步骤3中，当信号不存在时，用当前谱更新噪声谱，当信号存在时，用之前的噪声谱作为当前的噪声估计值，具体可表示为：
[0023][0024]其中σ2表示噪音谱的均方估计，l和k分别为时间、频率方向上的索引，Y(l，k)为当前信号的功率谱，α为固定平滑因子，取值范围在0到1之间，引入当前范围内存在信号的概率p(l，k)，式1可改写为：
[0025]σ2(l，k)＝α(l，k)σ2(l
‑
1，k)+[1
‑
α(l，k)]|Y(l，k)|2ꢀꢀ
(式2)
[0026]其中，
[0027]α(l，k)＝α+(1
‑
α)p(l，k)
ꢀꢀ
(式3)
[0028]α(l，k)为在当前范围内和信号存在概率相关的平滑因子，信号存在的概率可由下式计算得到：
...

【技术保护点】

【技术特征摘要】
1.被动地震信号的时频阈值去噪方法，其特征在于，该被动地震信号的时频阈值去噪方法包括：步骤1，输入单通道被动地震信号；步骤2，经短时傅里叶变换STFT将输入信号转换到时频域；步骤3，完成噪声估计；步骤4，基于SURE理论进行频谱邻域划分及对应的阈值估计；步骤5，对相应的区域应用邻域衰减因子；步骤6，经逆短时傅里叶变换ISTFT将噪音衰减后的结果转换到时间域。2.根据权利要求1所述的被动地震信号的时频阈值去噪方法，其特征在于，在步骤1中，输入单通道包括台站、节点地震仪的被动地震信号。3.根据权利要求1所述的被动地震信号的时频阈值去噪方法，其特征在于，在步骤2中，选定时窗大小及时窗增量，采用STFT将步骤1中的输入信号从时间域转换到时间
‑
频率域。4.根据权利要求1所述的被动地震信号的时频阈值去噪方法，其特征在于，在步骤3中，对时频域信号进行噪声谱估计，基于最小值控制递归平均算法对时频域信号进行噪声谱估计。5.根据权利要求4所述的被动地震信号的时频阈值去噪方法，其特征在于，在步骤3中，当信号不存在时，用当前谱更新噪声谱，当信号存在时，用之前的噪声谱作为当前的噪声估计值，具体可表示为：其中σ2表示噪音谱的均方估计，l和k分别为时间、频率方向上的索引，Y(l，k)为当前信号的功率谱，α为固定平滑因子，取值范围在0到1之间，引入当前范围内存在信号的概率p(l，k)，式1可改写为：σ2l，k)＝α(l，k)σ2(l
‑
1，k)+[1
‑
α(l，k)]|Y(l，k)|2ꢀꢀꢀꢀ
(式2)其中，α(l，k)＝α+(1
‑
α)p(l，k)
ꢀꢀꢀꢀ
(式3)α(l，k)为在当前范围内和信号存在...

【专利技术属性】
技术研发人员：王东凯，尚新民，王延光，芮拥军，赵爱国，韩站一，冮明川，滕厚华，
申请(专利权)人：中国石油化工股份有限公司胜利油田分公司物探研究院，
类型：发明
国别省市：