步长自适应ICA在地震信号去噪中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (31): 215-219.

步长自适应ICA在地震信号去噪中的应用

张银雪，田学民

中国石油大学信息与控制工程学院，山东东营 257061

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-01 发布日期:2011-11-01

Application of adaptive step size independent component analysis to seismic signal denoising

ZHANG Yinxue，TIAN Xuemin

College of Information and Control Engineering，China University of Petroleum，Dongying，Shandong 257061，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-01 Published:2011-11-01

摘要/Abstract

摘要： 提出一种基于改进相对梯度独立分量分析（ICA）的叠前地震信号去噪方法。建立ICA的步长函数与信号相依性测度之间的非线性关系，根据信号的分离状态自适应调节步长函数;在分离矩阵的更新公式中引入动量项，削弱步长函数快速减小对分离矩阵更新的影响;将改进ICA模型应用于叠前地震信号去噪处理中。实验结果表明，改进的变步长ICA算法可以有效地压制叠前地震记录中的随机噪声，并且能很好地保护有效地震信号。

关键词: 叠前地震记录, 去噪, 独立分量分析, 相对梯度算法, 变步长

Abstract: An improved approach based on the modified relative gradient Independent Component Analysis（ICA） is proposed for prestack seismic denoising in this paper.Firstly，this method establishes a nonlinear relationship between the step size function and the measure of signal dependence.This algorithm can adjust the step size function adaptively.On the other hand，it adds a momentum to the separating matrix.The momentum can diminish the effect of the step size function’s sharp reduction.Finally，it uses the modified ICA model to reduce prestack seismic random noise.Experimental results demonstrate that the proposed ICA method has good effect on removing random noise in prestack seismic record.In addition，the proposed method can protect the available seismic signal effectively.

Key words: prestack seismic record, denoising processing, independent component analysis, relative gradient algorithm, variable step size

张银雪，田学民. 步长自适应ICA在地震信号去噪中的应用[J]. 计算机工程与应用, 2011, 47(31): 215-219.

ZHANG Yinxue，TIAN Xuemin. Application of adaptive step size independent component analysis to seismic signal denoising[J]. Computer Engineering and Applications, 2011, 47(31): 215-219.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	杨倩，顾磊. 基于去噪字词联合模型的中文命名实体识别[J]. 计算机工程与应用, 2021, 57(7): 151-157.
[3]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[4]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[5]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[6]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[7]	廖列法，杨红. 天牛须搜索算法研究综述[J]. 计算机工程与应用, 2021, 57(12): 54-64.
[8]	贾雁飞，杜艳丽，赵立权. 快速收敛参考独立分量分析方法[J]. 计算机工程与应用, 2020, 56(7): 255-259.
[9]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[10]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[11]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[12]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[13]	杜丽美，连玮. 高斯投影下的人机交互式物体仿真算法研究[J]. 计算机工程与应用, 2020, 56(11): 185-191.
[14]	刘秀平1，薛婷婷1，韩丽丽2，杜勇辰1，张凯兵1，闫焕营3. 基于联合稀疏变换学习的工件去噪方法研究[J]. 计算机工程与应用, 2019, 55(7): 188-193.
[15]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.