《表1 复杂模型合成地震记录去噪信噪比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《主成分分析和字典学习联合地震数据去噪方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

经过笔者多次实验，使用PCA对地震数据进行去噪时，选取前65～70个主成分（占比约0.945），能取得最高信噪比。这里选取前67个主成分。对比图2中4种方法的去噪效果可以看出，这4种算法均能对地震记录中的随机噪声进行压制，但小波变换（图2a）对同相轴的表示能力不足，会使同相轴产生形变。PCA算法（图2b）红色箭头处的同相轴依然模糊，表明其对能量薄弱部分的有效信号去噪效果明显不如小波变换、K--SVD字典学习和本文方法，这是由于PCA算法会将弱能量的有效信号视为噪声并将其去除，使能量弱的同相轴变得模糊。K--SVD算法（图2c）和本文方法（图2d）去噪效果明显好于前两种算法，对噪声的压制比较明显，但对比之下可以发现，本文方法较K--SVD算法对随机噪声剔除的更干净，从黄色箭头部分也可以看出，本文方法对弱能量有效信号保护好于K--SVD算法。同时根据表1看出，本文算法去噪后信噪比较其他三者都有提升，其中较K--SVD算法提升约1.2 d B，表明本文方法在保护有效信号和压制噪声两方面都好于K--SVD算法及其他两种方法。