地震信号去噪对后续地震信号处理尤为关键。利用地震信号的块结构相似性,有助于去噪算法更准确地辨识有效信号与噪声。通过将地震信号分块,利用信号块间的相似性和冗余信息,增强其有效信号的相关性,为地震信号去噪算法奠定基础,本文提出基于块结构相似性的地震信号去噪研究,主要内容如下:(1)基于卷积神经网络(CNN)的地震信号随机噪声去除构建一种基于CNN的地震信号随机噪声去除算法,算法的关键在于构建一个适用于地震信号去噪的CNN,主要包括输入层、卷积层、激活层、归一化层及输出层等。CNN训练过程以分块不含噪地震信号构成信号矩阵作为输入层,由多个卷积层提取并处理地震信号,激活层采用修正线性单元层获取地震信号波动特征,再借助归一化层加速网络训练收敛速度,通过残差学习获得随机噪声并由网络输出层输出。而CNN去噪过程以完整含噪地震信号作为输入层。分别采用CNN、小波变换、双树复小波变换、曲波变换对实际海上叠前地震信号、叠后陆地信号及复杂陆地叠后信号进行去噪,实验结果表明,CNN能有效去除随机噪声,并且比常规去噪算法具有更强的去噪能力,对探索地震信号去噪新途径具有一定的参考价值。(2)基于W加权核范数最小化(W-WNNM)的地震信号盲去噪提出一种基于W-WNNM的地震信号盲去噪算法,首先通过基于弱纹理块选择的噪声水平估计算法(WPCA)估计含噪地震信号的噪声水平:即首先对含噪地震信号分块,在迭代过程中,利用阈值的更新来筛选弱纹理信号块,之后通过主成分分析估计其噪声水平,得到最终估计值;随后将该估计值作为加权核范数最小化(WNNM)的输入参数,去除地震信号所含随机噪声:即在迭代过程中通过权值分配控制矩阵奇异值的收缩程度,逼近原始地震信号。分别对实际海上叠前地震信号、陆地单炮地震信号及陆地叠后地震信号去噪,并与双树复小波变换、曲波变换、WNNM的去噪结果对比。实验结果表明,W-WNNM能够在噪声水平未知的情况下达到良好的去噪效果,并且优于传统去噪算法的去噪性能,从而验证了本文算法的可行性及有效性。对于探索地震信号盲去噪具有一定的参考价值。(3)基于加权Schatten p-范数最小化(WSNM)的地震信号去噪将WSNM用于地震信号去噪。与传统的迹范数相比,Schatten p-范数能够保证更准确的信号修复,受到Schatten p-范数与WNNM的启发,结合地震信号的块结构相似性,将地震信号分块构建低秩矩阵,利用WSNM进行地震信号去噪。分别利用WSNM与WNNM对海上叠前地震信号、陆地单炮地震信号及陆地叠后地震信号进行去噪实验,实验中选择WSNM的参数p为最佳值时的去噪性能参数与WNNM对比,实验结果表明,在高噪声水平的情况下WSNM比WNNM对地震信号的去噪效果更好,对高噪声水平下的地震信号去噪研究有一定参考价值。