1、中圖分類號UDCP631550碩士學(xué)位論文學(xué)校代碼—幽533密級坌五基于盲信號理論的地震數(shù)據(jù)處理技術(shù)研究ResearchontheTechnologyofSeismicDataProcessingBasedonTheoriesofBlindSignal作者學(xué)科研究學(xué)院(指導(dǎo)名：鄧丹敏業(yè)：地質(zhì)工程向：地震勘探所)：地球科學(xué)與信息物理學(xué)院師：周竹生教授論文答辯日期鯊!牛一“答辯委員會主中南大學(xué)2014年5月菇姓專方氛教摘要基于盲信號理論的地

2、震數(shù)據(jù)處理技術(shù)研究摘要：提高地震資料的信噪比和分辨率一直是地震資料處理過程中的兩個重要環(huán)節(jié)。傳統(tǒng)的地震信號去噪方法一般都要求有效波具有相似性，且滿足一定的信噪比，條件苛刻，因此，研究能夠突破傳統(tǒng)假設(shè)前提限制的去噪方法具有現(xiàn)實意義。反褶積技術(shù)是提高地震勘探分辨率的重要手段，但傳統(tǒng)的反褶積技術(shù)必須事先確定地震子波。由于地震子波的時、空變特性，僅靠地面地震資料很難準(zhǔn)確提取地震子波，因而限制了反褶積技術(shù)的應(yīng)用。新近發(fā)展起來的盲源(BlindSo

3、urce)信號理論基于源信號的信息基本未知以及先驗假設(shè)和約束匱乏，而僅靠對觀測到的混合信號的剖析和研究便可分離出盲源中的各個分量。藉此發(fā)展出了盲信號分離方法(BlindSignalSeparation)和盲反褶積(BlindSourceDeconvolution)方法等，能夠分別較好地解決以上問題。獨立分量分析(IndependentComponentAnalysis，簡稱ICA)是盲信號分離方法中的一種非常有效的算法。本文以此為基礎(chǔ)，

4、在地震信號盲分離去噪和地震盲反褶積兩個方面展開方法研究。首先，對盲信號分離的相關(guān)理論基礎(chǔ)和方法分類進行簡述，并對獨立分量分析算法進行重點分析和研究。其次，采用線性瞬時混合算法模擬出含隨機噪聲的地震信號，并采用快速獨立分量算法實現(xiàn)有效信號和噪聲信號的盲分離，分析了分離結(jié)果的不確定性，探索了解決方案。對不同信噪比的情況進行實驗分析，探討了應(yīng)用此算法的影響因素。并嘗試對實際疊后地震資料進行盲分離去噪處理，收到了一定的效果。最后，通過時間延遲變