发布时间：
信号降噪用于从地震资料中提取有用信息，去除干扰，提高地震资料信噪比。为了提高信噪比，人们根据信号和噪声的各种特征差异，设计了许多去噪方法，并在应用中并取得了很好的成果。以地震信号去噪为例，原理是利用短时傅立叶变换来滤波去噪，但是短时傅立叶变换不能同时兼顾时间分辨率和频率分辨率。信号的能量主要分布在低分辨的尺度函数上，而噪声的能量分布不变，仍然均匀分布在所有小波系数上。因此，小波阈值去噪方法就是保留或收缩大的小波系数(低频系数)，剔除小的小波系数(高频系数)。在使用小波阈值法对光谱数据进行去噪处理时，选取不同的阈值函数反映了对小波稀疏模的不同处理策略。现有的几种主要的降噪方法都有各自的优点和缺点，最大的缺点就是对原来的音质有影响，这是让人无法忍受的。最后终于找到一种可以在保证原有音质的情况下，有效降低噪音的方法。这就是“扩展器降噪法”。 我们平时用得比较多的是压缩效果器，它的原理是：将某个信号值以上的信号通过以一定比例压缩的方法来使音乐的动态减小。同时也可以选择提升比较小的信号来使动态更小。用得最多的地方，就是现在我们经常能听到的舞曲音乐。 简单地说，压缩器就是把（小信号提升）把大信号压低。 扩展器的作用则正好相反，是把大信号提升。
哪种信号啊？信号分老多种啦!我对雷达较有研究给你我的论文看一下吧常常借鉴地震资料处理的反褶积方法，将雷达记录转变为反射系数序列。然而由于地下介质的复杂性和各种噪声的影响，常常反褶积对杂波与信号的分离并无改善；所以很多情况下应用效果并不理想。鉴于利用常规的探地雷达数据处理方法进行目标体资料分析，易受杂波干扰、波形混叠等等因素影响而导致应用解释效果欠佳，因此对于探地雷达的数据处理方法仍有待于进一步深入研究。在图像和信号处理论域广泛应用的小波变换，以及基于HHT变换的EMD分解等时频分析方法，近年来在探地雷达数据处理中得到了重视。小波变换具有线性变换、多分辨率分析、局部细化、可灵活选择小波基等等优点，对瞬态非平稳信号或宽带信号分析具有独特之处，使得它非常适合于探地雷达脉冲信号的处理。而希尔伯特(换是提取信号瞬时参数的有效途径，但它对信号的提取有条件要求；基于HHT变换的经验模态分解，依据数据本身的信息进行分解，得到的固有模态函数信号是有限个且均满足Hilbert变换对信号的提取条件，较之基于传统的傅立叶变换的时频分析方法，具有真正有意义的瞬时参数分析。由于应用探地雷达的瞬时参数分析可以形成三个参数相互独立的解释剖面，从而比较全面的了解地下介质变化情况。但是瞬时参数易受噪声影响，尤其是瞬时相位对噪声干扰比较敏感。而城市环境中探地雷达探测信号干扰较多，同时由于工作条件的复杂多样，有时直达波强度常常可与探测目标回波强度相比拟。由于直达波的消除不易，使得对目标的特征识别、解释以及空间定位比较困难。在进行处理时，杂波的移除是非常重要的部分。为此首先进行常规处理，主要是消除直达波强烈影响。简单的做法是从实测的探地雷达记录中直接消减直达波记录；或者通过选择合理的滤波参数，采用移动平均滤波器或中值滤波器消减直达波；在此基础上，采用小波变换方法对探地雷达数据进行降噪分析处理。从效果上讲，以Donoho的阀值去噪方法最为突出。这里利用Mallat提出的多分辨率分析的概念和正交小波快速算法（Mallat算法），假定噪声信号广泛分布在各个尺度且幅值相对较小，通过正交变换，将信号能量集中在某些频带的少数幅值相对较大系数上。为了数据处理方便，借助Matlab提供的方便而强大的计算及可视化工具，利用Matlab的小波工具箱函数，只须应用简单的信号处理知识和编程技能，就可以通过Matlab编程进行小波阀值估计，给予其它频带上的小波系数较小的权重或者置零，从而达到有效抑制噪声的目的。总的来说，应用小波变换处理可以有效地消除各种噪声干扰，从而更清楚有效地显示目标层位。通过上述数据处理过程，避免了在噪声干扰情况下直接进行经验模态分解较难获得良好的分解效果的问题。由于希尔伯特－黄（HHT）变换具有一定的噪声分解能力，不同尺度的噪声被分离到不同的固有模态函数，使得噪声对信号的影响减小，从而信号特征的提取的有效性和信号分解的精度都有了提高。通过对经验模态分解得到的IMF信号进行变换，获得瞬时频率、瞬时相位、瞬时振幅等瞬时参数，其中瞬时频率可以较好的探测地下介质的形状和性质的变化；瞬时相位可有效的探测地下介质的连续性并且与信号振幅无关，可以更好的分析深层信号特征；瞬时振幅反映了信号能量的变化，可以推测地下介质性质的变化。综上所述，根据探地雷达信号的特点，通过试验和研究，首先去除直达波等干扰，并利用小波变换具有良好的时频分析特性进行信号去噪，再利用希尔伯特－黄（HHT）变换得到瞬时频率、瞬时相位、瞬时振幅等瞬时参数，形成多个参数剖面，可以多角度多方面的分析探地雷达剖面并易于给出合理的地质解释。因此，在探地雷达信号去噪基础上，基于EMD分解的瞬时参数分析在探地雷达数据处理中具有很好的应用前景。
题目基于小波变换的图像去噪方法研究学生姓名陈菲菲学号 1113024020 所在学院物理与电信工程学院专业班级通信工程专业1 101 班指导教师陈莉完成地点物理与电信工程学院实验中心 201 5年5月 20日 I 毕业论文﹙设计﹚任务书院(系) 物理与电信工程学院专业班级通信 1 101 班学生姓名陈菲菲一、毕业论文﹙设计﹚题目基于小波变换的图像去噪方法研究二、毕业论文﹙设计﹚工作自 201 5年3月1日起至 201 5年6月20 日止三、毕业论文﹙设计﹚进行地点: 物理与电信工程学院实验室四、毕业论文﹙设计﹚的内容 1、图像处理中,输入的是质量低的图像,输出的是改善质量后的图像。常用的图像处理方法有图像增强、复原、编码、压缩等。一般图像的能量主要集中在低频区域中,只有图像的细节部的能量才处于高频区域中。因为在图像的数字化和传输中常有噪声出现,而这部分干扰信息主要集中在高频区域内,所以消去噪声的一般方法是衰减高频分量或称低通滤波,但与之同时好的噪方法应该是既能消去噪声对图像的影响又不使图像细节变模糊。为了改善图像质量,从图像提取有效信息,必须对图像进行去噪预处理。设计任务: (1 )整理文献,研究现有基于小波变换的图像去噪算法,尝试对现有算法做出改进; (2 )在 MATLAB 下仿真验证基于小波变换的图像去噪算法。 2 、要求以论文形式提交设计成果,应掌握撰写毕业论文的方法, 应突出“目标,原理,方法,结论”的要素,对所研究内容作出详细有条理的阐述。进度安排: 1-3 周:查找资料,文献。 4-7 周:研究现有图像去噪技术,对基于小波变换的图像去噪算法作详细研究整理。 8-11 周: 研究基于小波的图像去噪算法,在 MATLAB 下对算法效果真验证。 12-14 周:分析试验结果,对比各种算法的优点和缺点,尝试改进算法。 15-17 周:撰写毕业论文,完成毕业答辩。指导教师陈莉系(教研室) 系( 教研室) 主任签名批准日期 接受论文( 设计) 任务开始执行日期 学生签名 II 基于小波变换的图像去噪方法研究陈菲菲( 陕西理工学院物理与电信工程学院通信 1 101 班,陕西汉中 72300 0) 指导教师: 陈莉[摘要] 图像去噪是信号处理中的一个经典问题, 随着小波理论的不断完善,它以自身良好的时频特性在图像去噪领域受到越来越多的关注。基于小波变换的去噪方法有很多
当前国内、外的研究动态从对图像进行滤波的过程中所采用的滤波方法来分，可分为空间域滤波、变换域滤波；从滤波类型来分，又可以分为线性滤波和非线性滤波。2002年和VetterliM.提出了一种“真正”的二维图像稀疏表达方法——Contourlet变换[7,8]，这种变换能够很好的表征图像的各向异性特征。由于Contourlet变换能更好的捕获图像的边缘信息，因此选择合适的阈值进行去噪就能获得比小波变换更好的效果。Starck等人将Curvelet变换应用于图像的去噪过程中并取得了良好的效果[9]，该方法虽然能有效的去除噪声，但往往会“过扼杀”Curvelet系数，导致在消除噪声的同时丢失图像细节。在过去的二十年里，自适应滤波器在通信和信号处理领域引起了人们的极大关注。TerenceWang等人针对二维自适应FIR滤波器提出了一种二维最优块随机梯度算法(TDOBSG)[10]。这种算法对滤波器的所有系数使用了空间可变的收缩因子。基于使后验估计方差矢量的二范数最小的最小方差准则，在块迭代的过程中选出最优的收敛因子。线性滤波器的最大优点是算法比较简单且速度比较快，缺点是容易造成细节和边缘模糊。在目前对非线性滤波器的研究中，中值滤波器有较明显的优势，很多科学工作者对中值滤波器作了改进或者提出了一些新型的中值滤波器。Loupas等人提出的自适应的加权中值滤波方法(AWMF)，但他利用的Speckle噪声模型不够精确，图像细节损失较大[11]。针对中值滤波器在处理矢量信号存在的缺点，Jakko等人提出两种矢量中值滤波器[12]。近年来，小波分析是当前应用数学中一个迅速发展的新领域，它凭借其卓越的优越性，越来越多的被应用于图像去噪等领域，基于小波分析的图像去噪技术也随着小波理论的不断完善取得了较好的效果。上个世纪八十年代Mallet提出了 MRA(Multi_Resolution Analysis)，并首先把小波理论运用于信号和图像的分解与重构，利用小波变换模极大值原理进行信号的奇异性检测，提出了交替投影算法用于信号重构，为小波变换用于图像处理奠定了基础[13]。后来，人们根据信号与噪声在小波变换下模极大值在各尺度上的不同传播特性，提出了基于模极大值去噪的基本思想。1992年，Donoho和Johnstone[14]提出了“小波收缩”，它较传统的去噪方法效率更高。“小波收缩”被Donoho和Johnstone证明是在极小化极大风险中最优的去噪方法，但在这种方法中最重要的就是确定阈值。1995年，Stanford大学的学者和提出了通过对小波系数进行非线性阈值处理来降低信号中的噪声[15，16，17]。从这之后的小波去噪方法也就转移到从阈值函数的选择或最优小波基的选择出发来提高去噪的效果。影响比较大的方法有以下这么几种：和提出的基于最大后验概率的贝叶斯估计准则确定小波阈值的方法[18]；等在处理断层图像时提出了三种基于小波相位的去噪方法：边缘跟踪法、局部相位方差阈值法以及尺度相位变动阈值法[19]；学者Kozaitis结合小波变换和高阶统计量的特点提出了基于高阶统计量的小波阈值去噪方法[20]；等利用原图像和小波变换域中图像的相关性用GCV(generalcross-validation)法对图像进行去噪[21]；和Woolsey等人提出结合维纳滤波器和小波阈值的方法对信号进行去噪处理[22]，VasilyStrela等人将一类新的特性良好的小波(约束对)应用于图像去噪的方法[23]；同时，在19世纪60年代发展的隐马尔科夫模型(HiddenMarkov Model)[24]，是通过对小波系数建立模型以得到不同的系数处理方法；后又有人提出了双变量模型方法[25,26]，它是利用观察相邻尺度间父系数与子系数的统计联合分布来选择一种与之匹配的二维概率密度函数。这些方法均取得了较好的效果，对小波去噪的理论和应用奠定了一定的基础。另外，尽管小波去噪方法现在已经成为去噪和图像恢复的重要分支和主要研究方向，但目前在另类噪声分布（非高斯分布）下的去噪研究还不够。目前国际上开始将注意力投向这一领域，其中非高斯噪声的分布模型、高斯假设下的小波去噪方法在非高斯噪声下如何进行相应的拓展，是主要的研究方向。未来这一领域的成果将大大丰富小波去噪的内容。总之，由于小波具有低墒性、多分辨率、去相关性、选基灵活性等特点[27]，小波理论在去噪领域受到了许多学者的重视，并获得了良好的效果。但如何采取一定的技术消除图像噪声的同时保留图像细节仍是图像预处理中的重要课题。目前，基于小波分析的图像去噪技术已成为图像去噪的一个重要方法。
导言 损坏的图像往往是在其噪声采集和传输。例如在图像采集，其性能的影像传感器是受多种因素，如环境条件和质量检测的内容本身。例如，在获取图像的CCD相机，轻水平和传感器温度是主要影响因素的数量所产生的噪声的形象。图像传输过程中还损坏，由于干扰的频道用于传输。图像降噪技术，必须消除这种添加剂随机噪声，同时保留尽可能多的重要信号的功能。的主要目标，这些类型的随机噪声去除抑制噪声，同时保持原始图像的细节。统计过滤器一样平均滤波器[ 1 ] [ 2 ] ， Wiener滤波器[ 3 ]可用于消除这种噪音，但基于小波变换的去噪方法更好的结果证明不是这些过滤器。一般来说，图像去噪规定之间的妥协，减少噪音和保护重要的图像细节。为了实现良好的性能在这方面，去噪算法，以适应图像的不连续性。小波代表性，自然有利于建设这种空间自适应算法。它压缩在一个重要信息信号转换成相对较少，大量系数，代表图像细节在不同的决议尺度。在最近几年出现了相当数量的研究小波阈值和阈值选取的信号和图像去噪[ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] ，因为小波提供了一个适当的基础分离噪音信号从图像信号。许多小波阈值技术一样VisuShrink [ 10 ] ， BayesShrink [ 11 ]已经证明，效益较好的图像去噪。在这里，我们描述一个有效的阈值去噪技术通过分析统计参数的小波系数。本文安排如下：简要回顾了离散小波变换（ DWT域）和小波滤波器银行第二节。小波阈值技术是基于解释第三节。在第四部分提出了新的阈值技术的解释。的步骤在此范围内工作的解释第五节第六节的实验结果这个拟议的工作和其他去噪技术是当前和比较。最后总结发言中给出了第七节。
不可以的，微信公众号不具备权威性。答案满意还望采纳。
可以。paperfree和papertime的微信公众号就能够进行论文查重,还可以领取免费字数,并且还能够通过微信公众号进行在线改重、实时查重以及机器排版的功能。在公众号里面也可以进行知网查重。
论文是一个汉语词语，拼音是lùn wén，古典文学常见论文一词，谓交谈辞章或交流思想。
当代，论文常用来指进行各个学术领域的研究和描述学术研究成果的文章，简称之为论文。它既是探讨问题进行学术研究的一种手段，又是描述学术研究成果进行学术交流的一种工具。它包括学年论文、毕业论文、学位论文、科技论文、成果论文等。
2020年12月24日，《本科毕业论文（设计）抽检办法（试行）》提出，本科毕业论文抽检每年进行一次，抽检比例原则上应不低于2%。
论文装订，论文的有关部分全部抄清完了，经过检查，再没有什么问题，把它装成册，再加上封面。论文的封面要朴素大方，要写出论文的题目、学校、科系、指导教师姓名、作者姓名、完成年月日。论文的题目的作者姓名一定要写在表皮上，不要写里面的补页上。
由于微信的广泛使用，现在很多查重软件可以通过微信公众号进行论文查重。比如，paperfree微信公众号不仅可以进行论文查重，而且第一次关注还可以免费领取1万字数。PaperFree为用户人性化完美实现了“免费论文检测—在线实时改重—全面再次论文检测—顺利通过论文检测“的整个全过程。该查重软件不仅权威准确，还安全便捷，深受广大用户的喜爱。
我这有一个类似的订单系统, 不过是基于web的, 如果说基于微信公众平台的不知道你的要求是写一个h5+接入嵌入呢, 还是其他方式如果是h5的话就比较简单了, 页面改成支持wap的, 然后按照微信的文档对接一下, 把登陆注册那一块改成基于wx openid的机制进行登陆就可以了, 用户表也改成这个, 其他逻辑的不变
一般情况下，这个阈值函数的选取与噪声的方差是紧密相关的。 通常情况下，现在论文中的噪声都是选用高斯白噪声。 被噪声污染的信号=干净的信号+噪声， 由于信号在空间上(或者时间域)是有一定连续性的，因此在小波域，有效信号所产生的小波系数其模值往往较大；而高斯白噪声在空间上(或者时间域)是没有连续性的，因此噪声经过小波变换，在小波阈仍然表现为很强的随机性，通常仍认为是高斯白噪的。 那么就得到这样一个结论：在小波域，有效信号对应的系数很大，而噪声对应的系数很小。 刚刚已经说了，噪声在小波域对应的系数仍满足高斯白噪分布。如果在小波域，噪声的小波系数对应的方差为sigma，那么根据高斯分布的特性，绝大部分()噪声系数都位于[-3*sigma，3*sigma]区间内。因此，只要将区间[-3*sigma，3*sigma]内的系数置零(这就是常用的硬阈值函数的作用)，就能最大程度抑制噪声的，同时只是稍微损伤有效信号。将经过阈值处理后的小波系数重构，就可以得到去噪后的信号。 常用的软阈值函数，是为了解决硬阈值函数“一刀切”导致的影响(模小于3*sigma的小波系数全部切除，大于3*sigma全部保留，势必会在小波域产生突变，导致去噪后结果产生局部的抖动，类似于傅立叶变换中频域的阶跃会在时域产生拖尾)。软阈值函数将模小于3*sigma的小波系数全部置零，而将模大于3*sigma的做一个比较特殊的处理，大于3*sigma的小波系数统一减去3*sigma，小于-3*sigma的小波系数统一加3*sigma。经过软阈值函数的作用，小波系数在小波域就比较光滑了，因此用软阈值去噪得到的图象看起来很平滑，类似于冬天通过窗户看外面一样，像有层雾罩在图像上似的。 比较硬阈值函数去噪和软阈值函数去噪：硬阈值函数去噪所得到的峰值信噪比(PSNR)较高，但是有局部抖动的现象；软阈值函数去噪所得到的PSNR不如硬阈值函数去噪，但是结果看起来很平滑，原因就是软阈值函数对小波系数进行了较大的 “社会主义改造”，小波系数改变很大。因此各种各样的阈值函数就出现了，其目的我认为就是要使大的系数保留，小的系数被剔出，而且在小波域系数过渡要平滑。 还有的什么基于隐马尔科夫模型去噪，高斯混合尺度去噪(英文缩写好像是GSR,不好意思，记不大清楚了)和自适应阈值去噪等，也就是利用有效信号的小波系数和噪声的小波系数在小波域的分布特征不同等特征来进行有效信号的小波系数和噪声的小波系数在小波域的分离，然后重构得到去噪后的信号。 说了这么多，忘了关键的一点，如何估计小波域噪声方差sigma的估计，这个很简单：把信号做小波变换，在每一个子带利用robust estimator估计就可以(可能高频带和低频带的方差不同)。 robust estimator就是将子带内的小波系数模按大小排列，然后取最中间那个，然后把最中间这个除以就得到噪声在某个子带内的方差sigma。利用这个sigma，然后选种阈值函数，就可以去去噪了~~
鸟类音频信号不同于人声信号，针对鸟类音频信号，文中给出了多种小波方式优化的音频处理手段。为了得到了去噪效果明显的去噪手段，采用离散小波变换进行信号的分区阈值去噪。The bird audio signal is different from the human voice signal. For bird audio signals, a variety of wavelet methods are optimized for audio processing. In order to obtain a denoising method with clear denoising effect, a discrete wavelet transform is used to perform signal partition threshold denoising.
1、 降噪步骤：（1） 一维信号的小波分解。选择一个小波并确定分解的层次，然后进行分解运算。（2） 小波分解高频系数的阈值量化。对各个分解尺度下得高频系数选择阈值进行软阈值量化处理。（3） 一维小波重构。根据小波分解的最底层低频系数和各高频系数进行一维小波重构。matlab里面有关于去噪的函数，你可以找一下~~这说的只是基本原理，希望有所帮助
结论：地震去噪技术在地震勘探和工程中具有非常重要的理论意义和实际应用价值。解释原因：地震勘探是寻找地下石油、天然气等矿产资源的重要手段之一，而地震数据中常常存在各种干扰噪声，如多次反射、声波散射等，这些干扰噪声会影响到地震勘探的准确性和可靠性。因此，用地震去噪技术对地震数据进行处理，可以去除噪声干扰，使勘探地震数据更加准确、完整。地震去噪技术还可以应用于工程领域，例如地下地铁隧道勘探，地震数据中也存在各种噪声干扰，这些噪声对于勘探工程的设计和施工质量都会造成影响，采用地震去噪技术可以有效提高勘探数据的准确性，为勘探工程提供重要的技术支持。内容延伸：当前，地震去噪技术发展迅速，涉及的理论知识和数学方法非常丰富，例如小波变换、奇异值分解技术等，这些技术手段为地震去噪领域的研究提供了广阔的发展空间。未来，随着大数据时代的到来，数据处理的速度和质量对于地震勘探和工程也会提出更高的要求，因此对地震去噪技术的研究和应用还需要不断深入挖掘和拓展。
地震去噪是指从地震记录中去除噪声，提取地震信号。地震信号是指从地震震源传播到观测地洋面或陆地上，通过地震波在地下传播所产生的能量。因此，地震去噪的理论意义在于提高地震记录的质量，从而更准确地探测地下物质结构和地震活动规律。在实际应用中，地震去噪是地震勘探、地震监测、地震灾害预警与预测等领域必不可少的重要技术，能够提高地震预警、预测的精度，进一步保障地震灾害防范和减轻灾害的影响。
王红旗1，2曲寿利1宁俊瑞1张建伟1
（1.中国石化石油勘探开发研究院，北京100083；2.中国石油大学，北京102249）
摘要 塔中地区位于沙漠腹地，目的层奥陶系埋藏较深，原始资料干扰严重，信噪比低。同时，奥陶系具有碳酸盐岩洞缝型储层的特点，在其内部很难形成波阻抗界面，成像难度大。为了提高奥陶系内幕反射的信噪比，搞清奥陶系各反射层系的接触关系，比较客观地反映礁滩体等地质体，采用了4项关键处理技术，即相对保幅去噪技术、高精度动校正技术、三维DMO处理技术和叠前时间偏移处理技术，取得了明显的处理效果，奥陶系内幕反射信噪比高，断点清晰，波组特征清楚，串珠状反射更明显，和井吻合程度高，为精细解释与油气藏预测提供了可靠的地震数据。
关键词 塔中地区 奥陶系 去噪 高精度动校正 DMO 叠前时间偏移
Study on Processing Method for Ordovician Seismic Data in Central Tarim Basin
WANG Hong-qi1，2，QU Shou-li1，NING Jun-rui1，ZHANG Jian-wei1
（ and Production Research lnstitute，SlNOPEC，Beijing100083； University of Petroleum，Beijing102249）
Abstract The central Tarim area is covered with aim layer，Ordovician，is quite deep in this seismic data has seriously interference and low signal-to-noise reservoir is the fractured-vuggy carbonate wave impedance interface and imaging is improving the signal-to-noise ratio of Ordovician inside reflection，revealing the contact of each layer，and objective showing the geologic body like as reef et al.，four key techniques is used in this article，which are relatively amplitude preserved denoise，high precision normal moveout，3D DMO processing，and prestack time effect is obvious that higher signal-to-noise ratio has been the breakpoint is more distinct，the string beads reflection is more apparent，and the matching with well is results allowed for high precise structural interpretation and reservoir prediction.
Key words The central trim area Ordovician denoise high precision normal moveout DMO prestack time migration
在油气勘探中，地震资料解释已经从构造解释逐步转向了更精细的储层岩性预测，因此对地震资料处理提出了更高的要求。塔中地区碳酸盐岩洞缝型油气藏预测有着很大的难度，为了提高碳酸盐岩储层识别、预测和描述精度，获得高精度的岩石物性参数，提高油气预测的准确度，对地震资料处理提出了更高的要求，要求处理成果保幅性更好、信噪比更高、偏移归位更准确，同时，得到的叠前CRP道集更真实地反映碳酸盐岩储层的特点。塔中地区地处塔克拉玛干大沙漠腹地，地表被第四系松散沙层覆盖，地形起伏较大。受地表沙丘的影响，工区内面波比较发育，是该区主要的干扰波，视速度范围在 300～1200m/s之间，频率范围集中在14Hz以下，同时，存在线性干扰，视速度范围在500～1200m/s之间，另外，还存在随机干扰和一些异常振幅干扰，降低了地震资料信噪比。通过对原始资料的频率分析，奥陶系资料频率相对较低，有效信号集中在4～40Hz中间，而深层丰富的低频成分对塔里木深层奥陶系勘探具有十分重要的意义。从老资料看，石炭系以上地层反射连续性好，信噪比较高，但目的层奥陶系埋藏较深，奥陶系内幕反射面貌不清楚，信噪比相对较低，成像差。为此，对塔中地区深层奥陶系地震资料处理方法进行了研究，采用了4项关键技术，取得了明显的处理效果，为精细解释与油气藏预测提供了可靠的地震数据。
1 处理方法
相对保幅去噪
模式识别自适应噪音衰减压制面波干扰［1］
塔里木盆地深层地震资料丰富的低频成分在地震勘探中具有重要的意义。常用的高通滤波和区域滤波方法压制面波，对有效的低频信息都有伤害，不利于振幅的相对保持。模式识别自适应噪音衰减方法将神经网络模式识别理论应用到地震资料去噪过程中，具有很强的适应性。该方法根据有效波和噪声在空间域和频率域的分布特征和能量衰减方面的差异，利用模式识别方法识别噪音，然后将噪音减去。该方法压制面波效果好于区域滤波，不伤害有效信号的低频成分。
图1 去躁前后对比
T-X 域减法去噪压制线性干扰
常用的FK滤波压制线性干扰的方法容易伤害有效波，剖面产生炕席、蚯蚓化现象，不利于振幅的相对保持。T-X域减去法去噪是根据给定的线性干扰的速度，在空间上向前、向后预测噪音，然后直接将噪音减去，不影响有效波，保留了地震资料的原始特征，保幅性好。图1为相对保幅去噪前后的单炮对比。
视各向异性高精度动校正［2］（AAMO）
塔中地区深层奥陶系资料埋藏较深，从时间剖面上看，在3500ms以下，所以野外采集采用了较大的偏移距，最大偏移距达到了5938m。为了克服常规NMO在出射角超过35°时动校过量问题和VTI介质中由于射线弯曲和介质的各向异性引起长偏移距不再满足双曲线规律问题，选用了视各向异性动校正（AAMO）。视各向异性动校正基于水平层状介质模型，根据提供的均方根速度计算层速度，然后由Snell定律对射线进行追踪，计算动校正量。视各向异性动校正可以消除非双曲线动校误差。这种各向异性只反映速度在纵向和横向上的差别，没有实际的物理意义。CMP面元道集经过常规NMO，偏移距大于埋深时，出现动校过量，采用视各向异性动校正，反射波同相轴在远偏移距拉平，动校正量较准确（图2）。
图2 NMO和AAMO对比
三维DMO［3］
三维DMO是对叠前数据进行偏移处理，把不同炮检距的道的反射信号时间，在常速介质假设的前提下，校正到零炮检距道的反射时间，最后得到一个零炮检距时间剖面。在倾斜界面上，尽管中心点相同，但反射点向上倾方向发散，对于倾角不一致的同相轴，尽管它们有相同的零炮检距时间，但时距曲线对应的速度是不同的。一个面元中一个炮检对的叠前偏移轨迹是以炮点和检波点为焦点的椭球。某一时间t的反射波可能来自地下不同位置、不同倾角，但都属于同一椭球面上产生的反射，这些反射点对应不同的面元，根据DMO椭球算子进行倾角分解，即把每一个共中心点道分解成多个不同倾角的零偏移距地震道，然后把所有对面元有贡献的地震道加权求和，实现零偏移距叠加，按照相长干涉或相消干涉的原则成像或不成像，得到DMO叠加结果。以上是沿炮检方位的时间-空间域克希霍夫DMO的基本原理。DMO有以下3方面的作用：①校正倾角时差，提高叠加成像效果；②压制噪音，提高信噪比；③为叠后、叠前时间偏移提供相对准确的初始速度模型。经三维DMO处理后，速度谱上，良里塔格组灰岩（Tg5′）的能量更加聚焦；叠加剖面上，信噪比有了明显提高，良里塔格组灰岩叠加成像清楚（图3）。
图3 DMO前后对比
三维叠前时间偏移［4］
三维叠前时间偏移处理技术可以提高复杂构造以及小幅度构造成像的能力。通过叠前时间偏移处理提高奥陶系内幕反射的成像精度。以修改的叠加速度作为初始速度模型对目标线进行叠前时间偏移，借助叠前时间偏移后反动校的CRP道集对目标线进行偏移速度分析确定偏移速度场，利用垂向剩余速度分析进一步细化速度模型，最后用优化好的速度模型，用克希霍夫叠前时间偏移算法进行全区数据体叠前时间偏移，同时提供高质量的CRP道集，满足进一步开展叠前、叠后地震属性描述的要求。
速度函数基准面校正
目前，塔中地区叠前时间偏移都是在固定基准面上进行的，而叠加速度分析是在CMP面上进行的，为了保证速度和叠前CMP道集数据的一致性，在做叠前时间偏移前，首先做速度函数的基准面校正，使得叠加速度和CMP道集处于同一固定面上，以提高初始速度模型的精度。为叠前时间偏移做准备。
偏移速度模型的建立
（1）偏移速度分析：构造倾斜和速度的横向变化会引起CMP道集的共中心点发散，导致求取速度的困难。叠前时间偏移可以消除构造倾角和其他横向速度变化的影响，得到的CRP道集反映同一反射点的信息，消除CMP道集的弥散现象。叠前时间偏移对速度的敏感度要比叠后时间偏移大得多，因此，可通过叠前时间偏移的循环迭代来求取准确的偏移速度场。具体的方法是借助叠前时间偏移后的CRP道集，对其进行反动校后再做速度分析。借助叠前时间偏移，通过迭代修正偏移速度，无疑相对叠加速度乘以百分比更直观、更准确地分析偏移速度，可以更好地建立时间偏移速度模型。
（2）速度模型的调整与优化：模型优化与处理迭代是获得准确成像的主要手段。为求得准确的速度，通过剩余速度分析进一步调整速度模型。即在求取了速度模型以后，建立偏移速度场，再对目标线进行叠前时间偏移，得到共反射点CRP道集。根据CRP道集的平直与否，对目标线做剩余速度分析，来达到优化速度模型的目的，直到速度模型使CRP道集拉平，延迟为零为止。依据上述方法进行了6次迭代。
叠前时间偏移
塔中地区采用克希霍夫积分法偏移。在偏移方法上选用了弯曲射线叠前时间偏移方法，这是因为考虑了成像射线的弯曲，因而更准确，同时克希霍夫积分法偏移对倾角没有限制，成像角度可以达到90°。另外，偏移孔径大小的选择非常重要，过小的孔径使陡倾角同相轴受到抑制，偏移不到位；如果孔径过宽，当反射波有效信号比较弱时，会将水平方向的噪声偏移成同相轴。偏移孔径的具体大小需通过试验效果确定。通过试验选用10000m×5000m的偏移孔径以保证浅中深层的成像。
2 处理效果分析
塔中地区三维地震资料通过采用关键的处理技术和方法，经过重新处理，取得了明显的效果。与老资料相比，I号断裂断点清晰，归位准确可靠；I号断裂附近志留系和中上奥陶统的地层接触关系清楚；中下奥陶统大套灰岩顶界反射良里塔格组灰岩（Tg5′）保幅性好，断点清晰；奥陶系内幕反射信噪比明显提高（图4）；串珠状反射更明显、地质（溶洞）现象更清晰，与井吻合更好（图5）。同时，叠前时间偏移后提供的CRP道集比CMP道集的信噪比更高、信息更丰富，更能满足叠前地震描述与油气藏预测技术的要求。以上效果在精细解释和叠前反演中得到了体现。
3 结论
（1）在塔中地区，利用综合沙丘曲线静校正方法计算的野外静校正精度非常高，不仅解决了长波长静校正问题，而且还解决了部分短波长静校正问题，所以，这里没有介绍塔中地区室内静校正处理方法，如三维初至折射静校正和层析静校正方法。
（2）相对保幅的去噪技术、视各向异性高精度动校正技术、三维DMO技术、叠前时间偏移技术的综合应用是提高塔中地区深层奥陶系内幕反射信噪比和提高塔中地区深层奥陶系成像精度的关键。
（3）叠前时间偏移中的弯曲射线方法有可能取得较好的结果，需要根据实际资料情况试验决定。叠前时间偏移中孔径的选择不一定越大越好，过大孔径反而使资料信噪比降低。
图4 Lnline新、老剖面对比
图5 Xline新、老剖面对比
参考文献
［1］吕磊，王孝，张小美.模式识别自适应噪声衰减方法的研究和应用［J］.西北油气勘探，2006，18（4）：46～49.
［2］尤建军，常旭，刘伊克.VTI介质长偏移距非双曲线动校正公式优化［J］.地球物理学报，2006，49（6）：1770～1778.
［3］熊翥.复杂地区地震数据处理思路［M］.北京：石油工业出版社，2002.
［4］王红旗，孟小红，王宇超.三维叠前时间偏移在红北地区的应用［J］.石油物探，2005，44（1）：68～70，75.