一种自动检测强能量噪声的方法

摘要

本发明是石油勘探地震数据处理中自动识别强能量噪声的方法，对目标道集的每道数据沿时间方向做傅氏变换，计算道集数据振幅谱，抽取任意频点序列，计算点值序列最大值、中值和概率密度等参数，完成所有频率样点值序列的强能量噪声检测，得到强能量噪声的频率域道集数据，沿时间方向做反傅氏变换，得到返回时间域的强能量噪声道集数据；本发明使用最大似然准则在变换域中通过概率统计自动搜索检测强能量噪声，对于在不同的道集、不同的时窗中强能量噪声振幅变化的情况，能够准确检测出强能量噪声。

主权项

一种自动检测强能量噪声的方法，特征是通过以下具体步骤实现：1)激发并采集地震数据；2)对目标道集的每道数据沿时间方向做傅氏变换，得到频率域道集数据；3)计算频率域道集数据的振幅值，得到道集数据振幅谱；4)抽取道集数据振幅谱的任意一个频率样点值序列；5)计算频率样点值序列的最大值和中值；6)按照以下公式计算频率样点值序列中值对应先验概率密度p₀(i)：$p_0\left(i\right)=\frac{1}{{\lambda }_0}\exp (-\frac{a\left(i\right)}{{\lambda }_0}),$式中：i是频率样点值序列的序号；λ₀是步骤5)中得到的频率样点值序列的中值；a(i)是步骤5)中得到的频率样点值序列；7)按照以下公式计算频率样点值序列最大值对应先验概率密度p₁(i)：$p_1\left(i\right)=\frac{1}{{\lambda }_1}\exp (-\frac{a\left(i\right)}{{\lambda }_1}),$式中：i是频率样点值序列的序号；λ₁是步骤5)中得到的频率样点值序列的最大值；a(i)是步骤5)中得到的频率样点值序列；8)按照以下公式计算后验概率U(i)，$U\left(i\right)=\frac{{\mathrm{\omega p}}_1\left(i\right)}{{\mathrm{\omega p}}_1\left(i\right)+(1-\omega )p_0\left(i\right)},$式中：i是频率样点值序列的序号；p₀(i)是步骤6)中得到的频率样点值序列中值对应先验概率密度；p₁(i)是步骤7)中得到的频率样点值序列最大值对应先验概率密度；ω是调试参数，表示强能量噪声样点数在总体样点数中的百分比；9)按照以下公式计算调试参数更新的强能量样点数在总体样点数中的百分比ω′、有效信号样点和总体样点振幅值方差λ′₀和强能量噪声样点和总体样点振幅值方差λ′₁：${\omega }^{\prime }=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}U\left(i\right);$${\lambda }_1^{\prime }=\underset{i=1}{\overset{N}{\Sigma }}\left(U\right(i\left)a\right(i)/\underset{i=1}{\overset{N}{\Sigma }}U(i\left)\right);$${\lambda }_0^{\prime }=\underset{i=1}{\overset{N}{\Sigma }}\left(\right(1-U\left(i\right)\left)a\right(i\left)\right)/\underset{i=1}{\overset{N}{\Sigma }}(1-U(i\left)\right);$式中：i是频率样点值序列的序号；N是频率样点值序列的样点总数；U(i)是步骤8)中得到的后验概率；10)如果ω′和ω之差小于0.0001，λ′₁和λ₁之差小于0.001，同时λ′₀和λ₀之差小于0.001，则进行下一步，ω是调试参数，表示强能量噪声样点数在总体样点数中的百分比；否则将：强能量样点数在总体样点数中的百分比ω′的值赋给步骤8)表示强能量噪声样点数在总体样点数中的百分比ω；有效信号样点和总体样点振幅值方差λ′₀的值赋给步骤5)中得到的频率样点值序列的中值λ₀；强能量噪声样点和总体样点振幅值方差λ′₁的值赋给步骤5)中得到的频率样点值序列的最大值λ₁；11)计算相关系数R(i)：12)计算相关加权后验概率13)相关加权后验概率大于0.5的频率样点为强能量噪声样点，对步骤12)中相关加权后验概率小于或等于0.5的频率样点的频率值置零，得到强能量噪声的频率域道集数据；14)按上述4)至13)步完成所有频率样点值序列的强能量噪声检测，得到强能量噪声的频率域道集数据；15)对步骤14)强能量噪声的频率域道集数据每道数据沿时间方向做反傅氏变换，得到返回时间域的强能量噪声道集数据。