CEEMD与KSVD字典训练相结合的去噪方法

• 作者: 乐友喜 曾贤德 杨涛
• 来源期刊: 石油地球物理勘探
• 关键词: 完备总体经验模态分解 KSVD学习字典 稀疏表示 自相关 随机噪声
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 处理技术
• 页码范围: 729-736
• 页数: 8页
• 分类号: P631
• 语种: 中文
• DOI: 10.13810/j.cnki.issn.1000-7210.2019.04.001

摘要

本文提出一种完备总体经验模态分解(CEEMD)方法与K奇异值分解(KSVD)学习字典算法相结合的地震信号去噪方法.含噪信号通过CEEMD分解得到一系列不同尺度的固有模态函数(IMF);按频率由高到低依次排列IMF各分量,并做自相关分析,去除噪声主导的IMF分量;将累加的过渡IMF分量叠加重构并做CEEMD二次分解,通过自相关分析再次去除噪声主导的IMF分量;分别叠加二次CEEMD分解剩余的IMF分量和一次剩余的IMF分量,得到两个新的含噪信号,并利用KSVD过完备字典分别稀疏表示该两个新的含噪信号,即由稀疏系数重构去噪后地震信号,进而重构最终去噪结果.实验结果证明:该算法的去噪效果明显优于F-X去噪、小波阈值去噪和KSVD字典稀疏去噪等传统方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾贤德		2	1	1.0	1.0
2	杨涛		1	1	1.0	1.0