【技术实现步骤摘要】
本专利技术属于砂岩型铀矿地震勘探数据处理技术，具体涉及一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法。
技术介绍
1、砂岩铀矿地震勘探的目的层深度普遍小于1000m，采集的地震数据通常受到严重的随机噪声干扰，加之浅层叠加次数低，故而严重影响数据的信噪比。随机噪声的衰减在整个数据处理工作流程中都很重要，如何在保护有效信号的同时有效抑制随机噪声是砂岩型铀矿地震勘探的关键问题之一。传统上，使用多次叠加以及中值或均值滤波直接在时空(t-x)域中消除随机噪声。更复杂的是，时空或频空(f-x)域预测滤波器用于消除不相干噪声，同时不伤害地震同相轴。迄今为止，目前使用的随机降噪方法包括时频域去噪方法，基于稀疏表示的去噪：包括小波变换、曲波变换、seislets等，还有过完备字典学习方法，基于深度学习的去噪方法以及上述所有这些方法的组合。
2、总之，方法越先进，所需的计算成本就越高。稀疏变换采用的核函数尤其适合表征地震波前，基于稀疏变换的去噪方法可以显著提高地震数据信噪比，并充分保护有效信息。但在针对实际数据处理的具体实施中，由于模型未知，往往缺乏去噪参数选择的标准，对于最终去噪效果，往往采用主观视觉效果评价等经验性手段，是否达到最佳去噪效果未可知。
技术实现思路
1、本专利技术的目的在于提供一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，该方法在砂岩型铀矿地震勘探数据处理中，能够保护有效信号，同时压制随机噪声。
2、实现本专利技术目的的技术方案：
3、一
4、步骤1、输入包含噪声的原始二维地震数据y；
5、步骤2、初始化循环最高次数i，外层迭代累加器i＝1，设计去噪系数截断百分比搜索范围j；
6、步骤3、对每个i，计算y的曲波正变换系数s；
7、步骤4、对搜索范围内每个j，采用硬阈值去噪，对去噪后系数做曲波反变换，得到去噪后的地震数据yj；
8、步骤5、计算每个j对应的去除的噪声εj的熵；
9、步骤6、比较计算的每个j对应的去除的噪声εj的熵，取搜索范围内最大的熵对应的百分比，为最佳去噪效果，输出相应的地震数据；
10、步骤7、若i达到最大迭代次数，跳出循环，并将现有熵最大值对应的去噪后地震数据作为输出结果。
11、所述步骤3中y的曲波正变换系数s的计算公式为：
12、
13、其中，ψ为曲波正变换矩阵，为曲波原子，μ为曲波原子参数。
14、所述步骤4中硬阈值去噪后的系数的计算公式为：
15、
16、所述步骤4中去噪后的地震数据yj的计算公式为：
17、
18、所述步骤5具体为：设定噪声数据均值为0，求取噪声整体的方差σj，考虑到噪声振幅数据大多集中在0值附近，利用概率密度函数将噪声数据进行概率映射，得到映射数据；将映射数据再映射到关于噪声振幅值的灰度级别，得到带噪声数据的整数数组；结合地震数据向量化后总长度，统计得出每个区间振幅数据的发生概率，计算得出灰度数据的tsallis熵。
19、所述噪声数据进行概率映射的计算公式为：
20、
21、其中，ui为映射数据，εj为去除的噪声。
22、所述将映射数据再映射到关于噪声振幅值的灰度级别的计算公式为：
23、
24、所述统计每个区间振幅数据的发生概率pi的计算公式为：
25、
26、其中，是数组在第i个区间的计数，数组为{zj}在各自区间内求和得到新的数组，nb为利用sturges公式划分直方图统计区间数。
27、所述灰度数据的tsallis熵tsen的计算公式为：
28、
29、本专利技术的有益技术效果在于：
30、本专利技术提供的一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，曲波域中的地震数据具有最好的稀疏性，曲波变换作为典型的稀疏变换方法，最适合砂岩铀矿勘探领域的地震波前表征和随机噪声衰减。基于熵测度进行参数优化的曲波变换去噪方法可以达到最佳的去噪效果，并有效回避对实际数据去噪效果的主观评判。
本文档来自技高网...【技术保护点】
1.一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述步骤3中y的曲波正变换系数s的计算公式为：
3.根据权利要求2所述的一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述步骤4中硬阈值去噪后的系数的计算公式为：
4.根据权利要求3所述的一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述步骤4中去噪后的地震数据yj的计算公式为：
5.根据权利要求4所述的一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述步骤5具体为：设定噪声数据均值为0，求取噪声整体的方差σj，考虑到噪声振幅数据大多集中在0值附近，利用概率密度函数将噪声数据进行概率映射，得到映射数据；将映射数据再映射到关于噪声振幅值的灰度级别，得到带噪声数据的整数数组；结合地震数据向量化后总长度，统计得出每个区间振幅数据的发生概率，计算得出灰度数据的Tsallis熵。
6.根据权利要求5所述的一种
7.根据权利要求6所述的一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述将映射数据再映射到关于噪声振幅值的灰度级别的计算公式为：
8.根据权利要求7所述的一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述统计每个区间振幅数据的发生概率Pi的计算公式为：
9.根据权利要求8所述的一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述灰度数据的Tsallis熵TsEn的计算公式为：
...【技术特征摘要】
1.一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述步骤3中y的曲波正变换系数s的计算公式为：
3.根据权利要求2所述的一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述步骤4中硬阈值去噪后的系数的计算公式为：
4.根据权利要求3所述的一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述步骤4中去噪后的地震数据yj的计算公式为：
5.根据权利要求4所述的一种基于稀疏变换的砂岩型铀矿地震数据自适应去噪方法，其特征在于，所述步骤5具体为：设定噪声数据均值为0，求取噪声整体的方差σj，考虑到噪声振幅数据大多集中在0值附近，利用概率密度函数将噪声数据进行概率映射，得到映射数据；...
【专利技术属性】
技术研发人员：黄昱丞，吴曲波，李子伟，乔宝平，曹成寅，潘自强，
申请(专利权)人：核工业北京地质研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。