混叠噪声压制方法及装置

摘要

本申请提供了一种混叠噪声压制方法及装置，该方法包括：对混叠数据进行动校正；采用指定步长对动校正后的数据中值滤波；对中值滤波后的数据进行反动校正，获得第一数据；基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据；将第一数据和第二数据相加获得有效数据；确定混叠数据的第一伪分离数据，并根据预设的混叠算子获取有效数据的第二伪分离数据；确定第一伪分离数据与第二伪分离数据的差值；以差值作为新的混叠数据迭代计算新的差值，并将有效数据与新的差值相加获得新的有效数据，依此递推直至当前迭代出的有效数据满足预设信噪比为止。本申请可提高混叠噪声的压制效果和压制效率。

权利要求

1.一种混叠噪声压制方法，其特征在于，包括：对混叠数据进行动校正；

采用指定步长对动校正后的数据进行中值滤波；

对中值滤波后的数据进行反动校正，获得第一数据；

基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据；所述残余数据为所述混叠数据减去所述第一数据后的数据；

将所述第一数据和所述第二数据相加，获得有效数据；

确定所述混叠数据的第一伪分离数据，并根据预设的混叠算子获取所述有效数据的第二伪分离数据；

确定所述第一伪分离数据与所述第二伪分离数据的差值；

以所述差值作为新的混叠数据迭代计算新的差值，并将所述有效数据与所述新的差值相加获得新的有效数据，依此递推直至当前迭代出的有效数据满足预设信噪比为止；

所述确定所述混叠数据的第一伪分离数据，包括：根据公式m'＝ΓHdbl获取所述混叠数据的第一伪分离数据；

其中，m'为第一伪分离数据，dbl为混叠数据，ΓH为混叠算子Γ的共轭转置；

所述根据预设的混叠算子获取所述有效数据的第二伪分离数据，包括：根据公式m"＝ΓHΓm获取所述有效数据的第二伪分离数据；

其中，m"为第二伪分离数据，m为有效数据,Γ为混叠算子，ΓH为混叠算子Γ的共轭转置。

2.如权利要求1所述的混叠噪声压制方法，其特征在于，在迭代过程中，所述中值滤波中的指定步长及所述复曲波域的阈值去噪方法中的阈值逐渐减小。

3.如权利要求1所述的混叠噪声压制方法，其特征在于，所述采用指定步长对动校正后的数据进行中值滤波，包括：采用指定步长并根据公式 对动校正后的数据进行中值滤波；

其中，um为数据集的中值，ui和uj分别为数据集中的第i个和第j个数据，W为指定的步长，p为定义距离时所用的模。

4.如权利要求1所述的混叠噪声压制方法，其特征在于，所述基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据，包括：根据公式mn+1＝C-1TλC[mn+γΓH(dbl-Γmn)]从残余数据中提取有效信号，获得第二数据；

其中，C和C-1表示复曲波变换的正反变换对，mn表示第n次迭代结果，Γ为混叠算子，ΓH为混叠算子Γ的共轭转置，γ为标量系数，Tλ为阈值函数，λ为所取阈值。

5.如权利要求4所述的混叠噪声压制方法，其特征在于，所述阈值函数包括：Tλ(x,λ)＝sign(x)·max(0,|x|-λ)；

其中，Tλ(x,λ)为阈值函数，sign(x)为符号函数，x为残余数据在复曲波域的变换系数。

6.如权利要求1所述的混叠噪声压制方法，其特征在于，所述有效数据的信噪比通过以下公式确定：其中，SNRn为有效数据mn的信噪比，dbl为混叠数据，Γ为混叠算子，ΓH为混叠算子Γ的共轭转置。

7.一种混叠噪声压制装置，其特征在于，包括：动校正模块，用于对混叠数据进行动校正；

中值滤波模块，用于采用指定步长对动校正后的数据进行中值滤波；

反动校正模块，用于对中值滤波后的数据进行反动校正，获得第一数据；

阈值去噪模块，用于基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据；所述残余数据为所述混叠数据减去所述第一数据后的数据；

有效数据获取模块，用于将所述第一数据和所述第二数据相加，获得有效数据；

分离数据获取模块，用于确定所述混叠数据的第一伪分离数据，并根据预设的混叠算子获取所述有效数据的第二伪分离数据；

差值数据获取模块，用于确定所述第一伪分离数据与所述第二伪分离数据的差值；

循环迭代控制模块，用于以所述差值作为新的混叠数据迭代计算新的差值，并将所述有效数据与所述新的差值相加获得新的有效数据，依此递推直至当前迭代出的有效数据满足预设信噪比为止；

所述确定所述混叠数据的第一伪分离数据，包括：根据公式m'＝ΓHdbl获取所述混叠数据的第一伪分离数据；

其中，m'为第一伪分离数据，dbl为混叠数据，ΓH为混叠算子Γ的共轭转置；

所述根据预设的混叠算子获取所述有效数据的第二伪分离数据，包括：根据公式m"＝ΓHΓm获取所述有效数据的第二伪分离数据；

其中，m"为第二伪分离数据，m为有效数据,Γ为混叠算子，ΓH为混叠算子Γ的共轭转置。

8.如权利要求7所述的混叠噪声压制装置，其特征在于，在迭代过程中，所述中值滤波中的指定步长及所述复曲波域的阈值去噪方法中的阈值逐渐减小。

9.如权利要求7所述的混叠噪声压制装置，其特征在于，所述采用指定步长对动校正后的数据进行中值滤波，包括：采用指定步长并根据公式 对动校正后的数据进行中值滤波；

其中，um为数据集的中值，ui和uj分别为数据集中的第i个和第j个数据，W为指定的步长，p为定义距离时所用的模。

10.如权利要求7所述的混叠噪声压制装置，其特征在于，所述基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据，包括：根据公式mn+1＝C-1TλC[mn+γΓH(dbl-Γmn)]从残余数据中提取有效信号，获得第二数据；

其中，C和C-1表示复曲波变换的正反变换对，mn表示第n次迭代结果，Γ为混叠算子，ΓH为混叠算子Γ的共轭转置，γ为标量系数，Tλ为阈值函数，λ为所取阈值。

11.如权利要求10所述的混叠噪声压制装置，其特征在于，所述阈值函数包括：Tλ(x,λ)＝sign(x)·max(0,|x|-λ)；

其中，Tλ(x,λ)为阈值函数，sign(x)为符号函数，x为残余数据在复曲波域的变换系数。

12.如权利要求7所述的混叠噪声压制装置，其特征在于，所述有效数据的信噪比通过以下公式确定：其中，SNRn为有效数据mn的信噪比，dbl为混叠数据，Γ为混叠算子，ΓH为混叠算子Γ的共轭转置。

13.一种混叠噪声压制装置，包括存储器、处理器、以及存储在所述存储器上的计算机程序，其特征在于，所述计算机程序被所述处理器运行时执行如下步骤：对混叠数据进行动校正；

采用指定步长对动校正后的数据进行中值滤波；

对中值滤波后的数据进行反动校正，获得第一数据；

基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据；所述残余数据为所述混叠数据减去所述第一数据后的数据；

将所述第一数据和所述第二数据相加，获得有效数据；

确定所述混叠数据的第一伪分离数据，并根据预设的混叠算子获取所述有效数据的第二伪分离数据；

确定所述第一伪分离数据与所述第二伪分离数据的差值；

以所述差值作为新的混叠数据迭代计算新的差值，并将所述有效数据与所述新的差值相加获得新的有效数据，依此递推直至当前迭代出的有效数据满足预设信噪比为止；

所述确定所述混叠数据的第一伪分离数据，包括：H

根据公式m'＝Γdbl获取所述混叠数据的第一伪分离数据；

其中，m'为第一伪分离数据，dbl为混叠数据，ΓH为混叠算子Γ的共轭转置；

所述根据预设的混叠算子获取所述有效数据的第二伪分离数据，包括：根据公式m"＝ΓHΓm获取所述有效数据的第二伪分离数据；

其中，m"为第二伪分离数据，m为有效数据,Γ为混叠算子，ΓH为混叠算子Γ的共轭转置。

说明书

混叠噪声压制方法及装置

技术领域

[0001] 本申请涉及地震数据处理技术领域，尤其是涉及一种混叠噪声压制方法及装置。

背景技术

[0002] 近年来，随着高效采集技术的发展和在实际中的广泛应用，使得陆上宽方位和高密度采集成为可能。高效采集技术的应用不仅大幅度提高了生产效率，能够获得高覆盖次数的地震资料，而且极大地改善了地震资料品质。作为高效采集技术之一的混叠采集技术一般采用多组可控震源独立激发，相互间没有等待时间，对可控震源数量没有明显限制，震源越多，效率越高。然而，当多组震源同时激发会在原始单炮记录上产生很强的邻炮干扰(这些邻炮干扰即为混叠噪声)，甚至会严重降低地震数据的信噪比。因此，在地震数据处理中，混叠噪声应当予以压制。

[0003] 目前混叠噪声的压制方法主要包括信号域的滤波方法和基于反演类的方法。基于信号域的方法原理简单，运算效率快，但压制效果不佳；基于反演的方法可以较好的压制掉混叠噪声，但运算速度较慢。因此，如何兼顾混叠噪声的压制效果和压制效率是目前亟待解决的技术问题。

发明内容

[0004] 本申请实施例的目的在于提供一种混叠噪声压制方法及装置，以实现提高混叠噪声的压制效果和压制效率。

[0005] 为达到上述目的，一方面，本申请实施例提供了一种混叠噪声压制方法，包括：

[0006] 对混叠数据进行动校正；

[0007] 采用指定步长对动校正后的数据进行中值滤波；

[0008] 对中值滤波后的数据进行反动校正，获得第一数据；

[0009] 基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据；所述残余数据为所述混叠数据减去所述第一数据后的数据；

[0010] 将所述第一数据和所述第二数据相加，获得有效数据；

[0011] 确定所述混叠数据的第一伪分离数据，并根据预设的混叠算子获取所述有效数据的第二伪分离数据；

[0012] 确定所述第一伪分离数据与所述第二伪分离数据的差值；

[0013] 以所述差值作为新的混叠数据迭代计算新的差值，并将所述有效数据与所述新的差值相加获得新的有效数据，依此递推直至当前迭代出的有效数据满足预设信噪比为止。

[0014] 本申请的混叠噪声压制方法中，在迭代过程中，所述中值滤波中的指定步长及所述复曲波域的阈值去噪方法中的阈值逐渐减小。

[0015] 本申请的混叠噪声压制方法中，所述采用指定步长对动校正后的数据进行中值滤波，包括：

[0016] 采用指定步长并根据公式 对动校正后的数据进行中值滤波；

[0017] 其中，um为数据集的中值，ui和uj分别为数据集中的第i个和第j个数据，W为指定的步长，p为定义距离时所用的模。

[0018] 本申请的混叠噪声压制方法中，所述基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据，包括：

[0019] 根据公式mn+1＝C-1TλC[mn+γΓH(dbl-Γmn)]从残余数据中提取有效信号，获得第二数据；

[0020] 其中，C和C-1表示复曲波变换的正反变换对，mn表示第n次迭代结果，Γ为混叠算子，ΓH为混叠算子Γ的共轭转置，γ为标量系数，Tλ为阈值函数，λ为所取阈值。

[0021] 本申请的混叠噪声压制方法中，所述阈值函数包括：

[0022] Tλ(x,λ)＝sign(x).max(0,|x|-λ)；

[0023] 其中，Tλ(x,λ)为阈值函数，sign(x)为符号函数，x为残余数据在复曲波域的变换系数。

[0024] 本申请的混叠噪声压制方法中，所述确定所述混叠数据的第一伪分离数据，包括：

[0025] 根据公式m′＝ΓHdbl获取所述混叠数据的第一伪分离数据；

[0026] 其中，m′为第一伪分离数据，dbl为混叠数据，ΓH为混叠算子Γ的共轭转置。

[0027] 本申请的混叠噪声压制方法中，所述根据预设的混叠算子获取所述有效数据的第二伪分离数据，包括：

[0028] 根据公式m″＝ΓHΓm获取所述有效数据的第二伪分离数据；

[0029] 其中，m″为第二伪分离数据，m为有效数据，Γ为混叠算子，ΓH为混叠算子Γ的共轭转置。

[0030] 本申请的混叠噪声压制方法中，所述有效数据的信噪比通过以下公式确定：

[0031]

[0032] 其中，SNRn为有效数据mn的信噪比，dbl为混叠数据，Γ为混叠算子，ΓH为混叠算子Γ的共轭转置。

[0033] 另一方面，本申请实施例还提供了一种混叠噪声压制装置，包括：

[0034] 动校正模块，用于对混叠数据进行动校正；

[0035] 中值滤波模块，用于采用指定步长对动校正后的数据进行中值滤波；

[0036] 反动校正模块，用于对中值滤波后的数据进行反动校正，获得第一数据；

[0037] 阈值去噪模块，用于基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据；所述残余数据为所述混叠数据减去所述第一数据后的数据；

[0038] 有效数据获取模块，用于将所述第一数据和所述第二数据相加，获得有效数据；

[0039] 分离数据获取模块，用于确定所述混叠数据的第一伪分离数据，并根据预设的混叠算子获取所述有效数据的第二伪分离数据；

[0040] 差值数据获取模块，用于确定所述第一伪分离数据与所述第二伪分离数据的差值；

[0041] 循环迭代控制模块，用于以所述差值作为新的混叠数据迭代计算新的差值，并将所述有效数据与所述新的差值相加获得新的有效数据，依此递推直至当前迭代出的有效数据满足预设信噪比为止。

[0042] 本申请的混叠噪声压制装置中，在迭代过程中，所述中值滤波中的指定步长及所述复曲波域的阈值去噪方法中的阈值逐渐减小。

[0043] 本申请的混叠噪声压制装置中，所述采用指定步长对动校正后的数据进行中值滤波，包括：

[0044] 采用指定步长并根据公式 对动校正后的数据进行中值滤波；

[0045] 其中，um为数据集的中值，ui和uj分别为数据集中的第i个和第j个数据，W为指定的步长，p为定义距离时所用的模。

[0046] 本申请的混叠噪声压制装置中，所述基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据，包括：

[0047] 根据公式mn+1＝C-1TλC[mn+γΓH(dbl-Γmn)]从残余数据中提取有效信号，获得第二数据；

[0048] 其中，C和C-1表示复曲波变换的正反变换对，mn表示第n次迭代结果，Γ为混叠算子，ΓH为混叠算子Γ的共轭转置，γ为标量系数，Tλ为阈值函数，λ为所取阈值。

[0049] 本申请的混叠噪声压制装置中，所述阈值函数包括：

[0050] Tλ(x,λ)＝sign(x).max(0,|x|-λ)；

[0051] 其中，Tλ(x,λ)为阈值函数，sign(x)为符号函数，x为残余数据在复曲波域的变换系数。

[0052] 本申请的混叠噪声压制装置中，所述确定所述混叠数据的第一伪分离数据，包括：

[0053] 根据公式m′＝ΓHdbl获取所述混叠数据的第一伪分离数据；

[0054] 其中，m′为第一伪分离数据，dbl为混叠数据，ΓH为混叠算子Γ的共轭转置。

[0055] 本申请的混叠噪声压制装置中，所述根据预设的混叠算子获取所述有效数据的第二伪分离数据，包括：

[0056] 根据公式m″＝ΓHΓm获取所述有效数据的第二伪分离数据；

[0057] 其中，m″为第二伪分离数据，m为有效数据，Γ为混叠算子，ΓH为混叠算子Γ的共轭转置。

[0058] 本申请的混叠噪声压制装置中，所述有效数据的信噪比通过以下公式确定：

[0059]

[0060] 其中，SNRn为有效数据mn的信噪比，dbl为混叠数据，Γ为混叠算子，ΓH为混叠算子Γ的共轭转置。

[0061] 另一方面，本申请实施例还提供了一种混叠噪声压制装置，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时执行如下步骤：

[0062] 对混叠数据进行动校正；

[0063] 采用指定步长对动校正后的数据进行中值滤波；

[0064] 对中值滤波后的数据进行反动校正，获得第一数据；

[0065] 基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据；所述残余数据为所述混叠数据减去所述第一数据后的数据；

[0066] 将所述第一数据和所述第二数据相加，获得有效数据；

[0067] 确定所述混叠数据的第一伪分离数据，并根据预设的混叠算子获取所述有效数据的第二伪分离数据；

[0068] 确定所述第一伪分离数据与所述第二伪分离数据的差值；

[0069] 以所述差值作为新的混叠数据迭代计算新的差值，并将所述有效数据与所述新的差值相加获得新的有效数据，依此递推直至当前迭代出的有效数据满足预设信噪比为止。

[0070] 由以上本申请实施例提供的技术方案可见，本申请实施例通过利用中值滤波、动校正和复曲波域阈值去噪相结合的方案对混叠噪声进行压制，从而通过优势互补实现了仅需要较少的迭代次数就可以取得理想的去噪效果，并且在压制混叠噪声的同时，可更好的保护有效信号。

附图说明

[0071] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

[0072] 图1为本申请一实施例中混叠噪声压制方法的流程图；

[0073] 图2a为本申请一实施例中模拟的不含混叠噪声的数据示意图；

[0074] 图2b为本申请一实施例中图2a所示数据通过加入混叠因子模拟的含有混叠噪声的数据示意图；

[0075] 图3a为现有技术中基于F-K域迭代阈值压制图2b所示数据中的混叠噪声后的数据示意图；

[0076] 图3b为现有技术中基于F-K域迭代阈值压制图2b所示数据中的混叠噪声示意图；

[0077] 图3c为本申请一实施例混叠噪声压制方法中基于curvelet域迭代阈值压制图2b所示数据中的混叠噪声后的数据示意图；

[0078] 图3d为本申请一实施例混叠噪声压制方法中基于curvelet域迭代阈值压制图2b所示数据中的混叠噪声示意图；

[0079] 图3e为基于本申请一实施例混叠噪声压制方法压制混叠噪声后的数据示意图；

[0080] 图3f为基于本申请一实施例混叠噪声压制方法压制的混叠噪声示意图；

[0081] 图4a为本申请一实施例中实际的不含混叠噪声的数据示意图；

[0082] 图4b为本申请一实施例中图4a所示数据通过加入混叠因子模拟的含有混叠噪声的数据示意图；

[0083] 图5a为现有技术中基于F-K域迭代阈值压制图4b所示数据中的混叠噪声后的数据示意图；

[0084] 图5b为现有技术中基于F-K域迭代阈值压制图4b所示数据中的混叠噪声示意图；

[0085] 图5c为本申请一实施例混叠噪声压制方法中基于curvelet域迭代阈值压制图4b所示数据中的混叠噪声后的数据示意图；

[0086] 图5d为本申请一实施例混叠噪声压制方法中基于curvelet域迭代阈值压制图4b所示数据中的混叠噪声示意图；

[0087] 图5e为基于本申请一实施例混叠噪声压制方法压制混叠噪声后的数据示意图；

[0088] 图5f为基于本申请一实施例混叠噪声压制方法压制的混叠噪声示意图；

[0089] 图6为本申请一实施例中混叠噪声压制装置的结构框图；

[0090] 图7为本申请另一实施例中混叠噪声压制装置的结构框图。

具体实施方式

[0091] 为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。例如在下面描述中，在第一部件上方形成第二部件，可以包括第一部件和第二部件以直接接触方式形成的实施例，还可以包括第一部件和第二部件以非直接接触方式(即第一部件和第二部件之间还可以包括额外的部件)形成的实施例等。

[0092] 在实现本申请的过程中，本申请的发明人发现：根据混叠采集的特点，相同的排列接收了不同震源在不同的位置以不同的时间激发的能量。在共炮点道集上具有相干性；而在共偏移距道集、共接收点道集或共中心点道集上，只有来自主激发点的能量具有相干性，来自邻炮干扰的能量则都表现为随机性强振幅或尖脉冲干扰，因此，可以采用基于中值滤波的方法压制混叠噪声。这是因为中值滤波在压制随机脉冲类噪声的同时，能保持信号的锐度，且不存在均值滤波方法模糊边界的缺陷。

[0093] 此外，其滤波作用还会随着滤波时窗长度的增加而增加，大步长中值滤波对混叠噪声具有很好的压制作用，但同时会损失有效信号，而小步长中值滤波可以很好地保护有效信号，但是滤波效果不佳。基于反演的算法是将混叠数据分离转化为一个求解最优化问题实现混叠噪声的压制，例如基于稀疏域的迭代阈值方法，但是需要较多的迭代次数才能取得较好的结果，也限制了在实际中的应用。因此，本申请以下实施例中结合信号域和基于反演类方法的优势，提供了利用中值滤波、动校正(NMO)和复曲波域阈值去噪相结合的方案对混叠噪声进行压制。该技术仅需要较少的迭代次数就可以取得理想的去噪效果，并且在压制混叠噪声的同时，更好的保护有效信号。

[0094] 在描述本申请实施例前，先对以下概念进行解释说明：

[0095] (一)伪分离数据

[0096] 混叠数据是不同空间位置的多个震源按照随机线性编码方式激发而获得的时域混叠的炮记录，可由下式表达：

[0097] dbl＝Γm  (1)

[0098] 其中，dbl表示混叠数据(即混叠炮集记录)，m为来自主炮的单炮记录，Γ表示混叠算子，在一些实施例中，混叠算子可以是野外实际采集到的相邻炮数据启震时间的差值。由于混叠炮的个数少于单炮的个数，因此(1)式是欠定的，只能求其最小平方解，参见下式(2)：

[0099] Γ-1＝(ΓΓH)-1ΓH  (2)

[0100] 由于采用线性编码方式，因此其结果相当于共轭转置.进而可得到伪分离记录，参见下式(3)：

[0101] m′＝ΓHdbl  (3)

[0102] 其中，m′为伪分离数据，ΓH为混叠算子Γ的共轭转置。

[0103] (二)中值滤波

[0104] 中值滤波是一种压制脉冲随机噪声的经典算法，广泛应用于信号和图像处理领域，同样在地震数据处理中，中值滤波也是一种常用技术，其优点是在压制随机脉冲类噪声的同时，能保持信号的锐度，不存在均值滤波方法模糊边界的缺陷。但滤波窗口的选取不能随噪声的不同而变化，会损失有效信号或噪声不能够被压制。

[0105] 给定一个数据集U＝{ul}，其中l＝1,2,......,W，满足

[0106]

[0107] 其中，um为数据集的中值，即标量中值到集合中其他元素的距离和最小；ui和uj分别为数据集中的第i个和第j个数据，W为数据集中的数据个数(即中值滤波步长)；p为定义距离时所用的模，p可以是任意阶的数，根据需要，通常可取L1范数或L2范数，即p＝1或p＝2。

[0108] (三)基于复曲波变换的迭代阈值方法

[0109] 复曲波变换算法和实曲波算法类似，一对具有相同倾角、位置和频率，但相互之间存在90度相移的实曲波函数构成了复曲波函数的实部和虚部。通过复曲波变换的构建过程看出，复曲波变换和实曲波变换同样具有信噪分离的特性。但更为重要的是，复曲波变换的特殊构造克服了实曲波变换时移敏感性的缺陷，即当同相轴存在较小时移时，复曲波变换系数可以保持基本不变，而实曲波变换系数会有很大的变化。这也使得复曲波变换可以更好的用于地震数据处理。

[0110] 通过最优化的迭代阈值方法求解式(3)可以得到：

[0111] mn+1＝C-1TλC[mn+γΓH(dbl-Γmn)]  (5)

[0112] 其中，C和C-1表示复曲波变换的正反变换对；mn表示第n次迭代结果；γ为标量系数，与混叠程度有关，当只有两个炮数据相互混叠时，取值为0.5；Tλ为阈值函数；λ为所取阈值。在一些实施例中，所述阈值函数可选取软阈值函数Tλ(x,λ)＝sign(x).max(0,|x|-λ)，其中，Tλ(x,λ)为阈值函数，sign(x)为符号函数，x为残余数据在复曲波域的变换系数。在迭代过程中，阈值可逐渐减小，以降低迭代次数。

[0113] 因此，本申请实施例的去噪方法压制混叠噪声的最终表达式可以为：mn+1＝mn+[iNMO(Med(NMO(rn+1)))+Threshold(rn+1-iNMO(Med(NMO(rn+1))))]  (6)

[0114] 其中，初始的m0＝0，rn+1＝ΓHdbl-ΓHΓmn，NMO和iNMO分别表示动校正和反动校正，Med表示中值滤波，Threshold表示基于复曲波变换的阈值去噪。

[0115] 本申请实施例中，期望信噪比选取为基于curvelet域(即复曲波变换域)迭代阈值方法压制混叠噪声后数据的信噪比，计算信噪比的公式可以为：

[0116]

[0117] 有鉴于此，参考图1所示，本申请实施例的混叠噪声压制方法可以包括以下步骤：

[0118] S101、对混叠数据进行动校正。

[0119] 在本申请一些实施例中，动校正用于消除地震波到达各检波点的正常时差，以便以下一步的中值滤波处理。由于动校正属于本领域常用技术，因此，对于其具体实现过程无需详述。

[0120] S102、采用指定步长对动校正后的数据进行中值滤波。

[0121] 在本申请一些实施例中，中值滤波可基于上述公式(4)实现。其中，指定步长可优选较大的步长以更好的压制混叠噪声，而在迭代过程中，所述指定步长可逐渐减小以便于降低迭代计算量，提高压制效率。

[0122] S103、对中值滤波后的数据进行反动校正，获得第一数据。

[0123] 在本申请一些实施例中，反动校正是与动校正相对应的。且与动校正一样，反动校正也是本领域常用技术，因此，对于其具体实现过程无需详述。

[0124] S104、基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据；所述残余数据为所述混叠数据减去所述第一数据后的数据。

[0125] 在本申请一些实施例中，基于复曲波域的阈值去噪可基于上述公式(5)实现。其中，所述复曲波域的阈值去噪方法中的阈值均可以逐渐减小，以降低迭代计算量，提高压制效率。

[0126] S105、将所述第一数据和所述第二数据相加，获得有效数据。

[0127] S106、确定所述混叠数据的第一伪分离数据，并根据预设的混叠算子获取所述有效数据的第二伪分离数据。

[0128] 在本申请一些实施例中，可根据上述公式(3)获取所述混叠数据的第一伪分离数据。并且可根据公式m″＝ΓHΓm获取所述有效数据的第二伪分离数据。其中，m″为第二伪分离数据。

[0129] S107、确定所述第一伪分离数据与所述第二伪分离数据的差值。

[0130] S108、以所述差值作为新的混叠数据迭代计算新的差值，并将所述有效数据与所述新的差值相加获得新的有效数据，依此递推直至当前迭代出的有效数据满足预设信噪比为止。

[0131] 在本申请一些实施例中，每次迭代得到有效数据时，可根据下式(8)计算有效数据的信噪比，然后将其与预设信噪比进行比较，当有效数据的信噪比不低于预设信噪比时，表明当前迭代出的有效数据满足预设信噪比，停止循环迭代并输出结果；而当有效数据的信噪比低于预设信噪比时，表明当前迭代出的有效数据不满足预设信噪比，需要再次迭代。

[0132]

[0133] 其中，SNRn为有效数据mn的信噪比，dbl为混叠数据，Γ为混叠算子，ΓH为混叠算子Γ的共轭转置。

[0134] 为了便于了解本申请实施例的混叠噪声压制方法的压制效果。下面分别利用模拟数据和实际数据来进行验证。

[0135] (一)利用模拟数据验证

[0136] 图2a为模拟的不含混叠噪声数据，通过加入混叠因子模拟的含有混叠噪声的数据如图2b所示。按照本申请实施例的混叠噪声压制方法对该数据进行处理，本次处理中，迭代次数为3次，每次迭代选取的中值滤波步长分别为9,7,3，采用百分比阈值方式，阈值比例选为35％，40％，45％，选取基于curvelet域迭代阈值方法的信噪比为期望信噪比。图3a和图3b分别为基于F-K域迭代阈值压制混叠噪声后的数据和压制的混叠噪声。图3c和图3d分别为基于curvelet域迭代阈值压制混叠噪声后的数据和压制的混叠噪声。基于F-K域方法和基于curvelet域方法压制噪声后的信噪比分别为7.27dB和19.49dB。本申请实施例压制混叠噪声后的结果如图3e所示，信噪比为21.74dB，图3f为压制的噪声。通过对比可以看出，相对于现有技术而言，本申请实施例的混叠噪声压制方法可以在压制混叠数据的同时，还可以更好的保护有效信号。

[0137] (二)选取某陆上实际数据模拟数据验证

[0138] 图4a为原始不含混叠噪声数据，通过加入混叠因子模拟的含有混叠噪声的数据如图4b所示。按照本申请实施例的混叠噪声压制方法对该数据进行处理，本次处理中，迭代次数为3次，每次迭代选取的中值滤波步长分别为7,5,3，采用百分比阈值方式，阈值比例选为30％，35％，40％，选取基于curvelet域迭代阈值方法的信噪比为期望信噪比。图5a和图5b分别为基于F-K域迭代阈值压制混叠噪声后的数据和压制的混叠噪声。图5c和图5d分别为基于curvelet域迭代阈值压制混叠噪声后的数据和压制的混叠噪声，压制噪声后的信噪比为5.99dB。本申请实施例压制混叠噪声后的结果如图5e所示，信噪比为6.85dB，图5f为压制的噪声。通过对比同样可以看出，相对于现有技术而言，本申请实施例的混叠噪声压制方法可以在压制混叠数据的同时，同样可以更好的保护有效信号。由此可见，本申请实施例的混叠噪声压制方法只需要较少的迭代次数就可以获得达到预设的信噪比要求的数据，而其它两种方法都需要20次或更高的次数，因此本申请实施例的混叠噪声压制方法在计算效率也更高。

[0139] 虽然上文描述的过程流程包括以特定顺序出现的多个操作，但是，应当清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。

[0140] 参考图6所示，本申请实例的一种混叠噪声压制装置可以包括：

[0141] 动校正模块61，可以用于对混叠数据进行动校正；

[0142] 中值滤波模块62，可以用于采用指定步长对动校正后的数据进行中值滤波；

[0143] 反动校正模块63，可以用于对中值滤波后的数据进行反动校正，获得第一数据；

[0144] 阈值去噪模块64，可以用于基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据；所述残余数据为所述混叠数据减去所述第一数据后的数据；

[0145] 有效数据获取模块65，可以用于将所述第一数据和所述第二数据相加，获得有效数据；

[0146] 分离数据获取模块66，可以用于确定所述混叠数据的第一伪分离数据，并根据预设的混叠算子获取所述有效数据的第二伪分离数据；

[0147] 差值数据获取模块67，可以用于确定所述第一伪分离数据与所述第二伪分离数据的差值；

[0148] 循环迭代控制模块68，可以用于以所述差值作为新的混叠数据迭代计算新的差值，并将所述有效数据与所述新的差值相加获得新的有效数据，依此递推直至当前迭代出的有效数据满足预设信噪比为止。

[0149] 参考图7所示，本申请实例的另一种混叠噪声压制装置可以包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时执行如下步骤：

[0150] 对混叠数据进行动校正；

[0151] 采用指定步长对动校正后的数据进行中值滤波；

[0152] 对中值滤波后的数据进行反动校正，获得第一数据；

[0153] 基于复曲波域的阈值去噪方法从残余数据中提取有效信号，获得第二数据；所述残余数据为所述混叠数据减去所述第一数据后的数据；

[0154] 将所述第一数据和所述第二数据相加，获得有效数据；

[0155] 确定所述混叠数据的第一伪分离数据，并根据预设的混叠算子获取所述有效数据的第二伪分离数据；

[0156] 确定所述第一伪分离数据与所述第二伪分离数据的差值；

[0157] 以所述差值作为新的混叠数据迭代计算新的差值，并将所述有效数据与所述新的差值相加获得新的有效数据，依此递推直至当前迭代出的有效数据满足预设信噪比为止。

[0158] 为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

[0159] 本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0160] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

[0161] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

[0162] 在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

[0163] 内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

[0164] 计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

[0165] 还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。

[0166] 本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

[0167] 本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

[0168] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

[0169] 以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。