基于JADE算法的地震资料随机噪声盲分离方法研究.pdfVIP

基于JADE算法的地震资料随机噪声盲分离方法研究1 郭科，陈辉，杨威 成都理工大学信息管理学院，数学地质lⅡ1)ll省高校重点实验室，l四)Jl成都610059 摘要独立分量分析是近年由盲信号理论发展起来的一种新的多维信号处理方法，在没有先验信息的情况下，能够实现源信 号的分离。地震资辩中常常包含随机噪声，它是由各种不可预知因素综合作用而成，无统一规律。本文将ICA应用于去除 随机噪声问题，在对地震数据特点进行分析的基础上，建立了随机噪声盲分离的ICA模型，并对其假设条件和固有不确定 问题进行了深入分析，利用本文改进的稳健预处理算法，先去除加性高斯白噪声，然后将预处理后的数据采用JADE盲分离 算法分离出有效信号和非高斯分布的随机噪声，并建立能够辨识有效信号的准则，解决了IEA分离后次序不确定问题，实现 了有效信号的提取。仿真实验和对实际地震资料处理表明本文提出的算法能够有效的去除随机噪声． 关键词独立分量分析，地震资料，随机噪声，JADE，次序不确定性 引言 在地震勘探中，地震数据的去噪几乎贯穿了当前地震数据处理的每个环节。在地震资料中的一道数据 常常包含着随机噪声，它是由各种不可预知的因素综合作用而成，没有统一的规律，它在整张记录上随机 出现，频带很宽，视速度不确定，无一定的传播方向。随机噪声强弱直接决定着地震勘探的准确性。在数 据处理时用通常的数字滤波方法比较难以去除，而且还可能在滤波过程中丢失一些有效信号。 盲信号分离技术是当今现代数学和信号领域研究的一个重要热点，盲信号分离技术无需先验信息，仅 由观察信号就可从源信号中提取所需要特征信号或恢复出源信号各个独立成分。此外，盲源分离中，要求 源信号是最多有只有一个是高斯分布的，其余都是非高斯分布，这样也很符合工程中的实际信号的特点。 独立分量分析(IndependentComponent 的多维信号处理方法，它是将观测信号按照统计独立的原则建立目标函数，通过优化算法将观测信号分解 为若干独立成分，从而帮助实现信号的增强与分析。ICA的应用首先是从对生物医学信号的处理开始的。 处理，语音信号处理方面。近年来，随着人们研究的不断深入，在理论方面，新的算法不断被提出，ICA 模型也从开始的线性模型向非线性模型发展。近几年，不少学者专家将ICA应用到地学上，也取得不少的 成绩。其主要体现在对地震资料进行分解识别IzJ、对地震灾害系统中声波服动信号进行分离13l、地震数据 去噪【4～6l等 本文以盲源分离中的ICA算法为突破口来研究地震信号去噪的盲分离问题。在以往的独立分量分析算 法中，都是假设噪声忽略不计的，但在实际地震资料中，噪声是不可以忽略的。不失一般性，假设地震记 录中的有效信号和干扰信号在统计上独立，且服从非高斯分布l『7】或者是最多存在一个高斯分布噪声。这样只 需近似取邻近的两道，利用本文改进的ICA的预处理算法，先去除加性高斯噪卢，然后将预处理后的两道 数据采用JADE盲分离算法直接从地震道中分解出有效信号和非高斯分布的随机噪卢。在此基础上，由于分 离后输出信号次序的不确定性，本文还提出能够提取有效信号的方法，实现了有效信号的提 取，从而达到去噪目的。 l独立分量分析数学模型 独立分量分析是指从若干观测到的多个信号的混合信号中恢复出无法直接观测到的独立原始信号的 1基金项目：国家自然科学基金项目，教育部博+点基金项目f(200806160015) 作者简介：郭科(1958一)，男，博士，教授，博上生导帅，数学地质g目)Jl省高校重点实验室主任，主要从事非线性地质研究， E-mail：guoke@cdut．edu，cn 2” 方法。通常，观测信号来自一组传感器的输出，其中每一个传感器接收到多个原始信号的一组混合信号， 第f个传感器的输出为 4 (1) xt 11，2，…，m，，-1,2-n a#sjO)+，|；O)f 为 xO)。AS(t)+N(O (2) 若不考虑观测噪声，则(2)式可以写成x(o-AS(O 得缈对混合信号x(f)的