版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、伴隨在有用信號中的噪聲是影響地震信號處理的重要因素,在不降低信號分辨率的基礎上,降低信號中的噪聲以及從強噪聲中提取有用信號,就成了一個需要深入研究的課題。為了在不影響分辨率的前提下提高信噪比,人們根據(jù)信號與噪聲的各種特征差異,設計了許多去除噪聲,提高信噪比的方法。
本論文以地震資料去噪方法為研究對象,研究內(nèi)容主要以圍繞如何去除隨機噪聲進行。系統(tǒng)地對噪聲進行了分析和闡述,針對地震資料去噪中所面臨的各種噪聲其特點、產(chǎn)生原因、影
2、響程度和壓制方法進行了研究。對目前實際生產(chǎn)中常用的一些去噪方法的原理、特點和適應性進行了系統(tǒng)的分析。
針對其中的F-X 域去噪、K-L 變換和小波包去噪的進行具體的分析和研究,闡述了各自的去噪原理,并將各方法對地震信號進行模擬和實際資料處理。F-X域預測去噪技術是一項最基本的技術,該技術旨在壓制二維地震記錄中的隨機噪聲,它以理論上的嚴密性和實際效果上的顯著性得到廣泛應用。K-L 變換是作為一種特殊的正交線性變換,通過把地震
3、道中的相干能量集中在有限幾個主分量上,把相關性好的信號保存下來,從而濾除隨機信號。實際處理結果表明,K-L 變換可以有效去除線性干擾,從而保留更多的淺層有效信息。小波分析是當前地震信號去噪中一個迅速發(fā)展的新領域,而小波包的發(fā)展是頻率域中小波的加細并且基于Daubechies(分裂法);因為小波包分析對上層的低頻部分和高頻部分同時進行分解,具有更加精確地局部分析能力。
根據(jù)F-X 域去噪、K-L 去噪、和小波包分析去噪的各自
4、特點,提出了聯(lián)合去噪的方法。首先通過小波包分析對地震剖面進行分頻處理,再根據(jù)小波系數(shù)剖面在空間域的可以預測行進行F-X 域去噪,選用合適的閥值對系數(shù)進行閥值去噪后,再將小波包系數(shù)進行重構,最后使用K-L 變換提取地震信號中的相關信號。
該方法不僅利用信號和噪聲在小波包分析下奇異性截然不同的表現(xiàn)特征來去除噪聲,還利用地震信號在空間上的可預測性和地震信號道間相關性進行去噪處理。通過將小波包分析法,F(xiàn)-X 域去噪和K-L 變換進
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于小波與小波包分析的CT圖像去噪增強研究.pdf
- 基于小波包變換的地電場信號去噪研究.pdf
- 基于K-L交換的小波圖像融合研究.pdf
- 小波包分析在語音信號去噪中的應用.pdf
- 基于小波與小波包的維納濾波去噪新算法.pdf
- K-L變換與灰色關聯(lián)度融合的非局部均值圖像去噪方法研究.pdf
- 應用小波變換和K-L變換的人臉識別方法.pdf
- 基于非下采樣小波包的SAR圖像去噪算法.pdf
- 最優(yōu)小波包變換在電泳信號去噪中的應用.pdf
- 基于K-L變換的人臉特征提取的研究與應用.pdf
- 基于小波包與支持向量機組合模型的遙感圖像去噪研究
- 基于小波包與支持向量機組合模型的遙感圖像去噪研究.pdf
- 基于K-L變換的人臉檢測.pdf
- 基于K-L變換的特征融合隱寫分析方法研究.pdf
- 基于K-L變換的人臉識別算法研究.pdf
- 基于小波包去噪與改進PCA的故障檢測研究.pdf
- 基于小波包去噪與改進pca的故障檢測研究
- 基于K-L變換的人臉識別方法.pdf
- 一種Gabor小波和K-L變換的掌紋識別方法研究.pdf
- 基于K-L變換的權威頁面挖掘的算法.pdf
評論
0/150
提交評論