买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：成都信息工程大学

摘要：本发明涉及地震数据处理领域，尤其涉及一种基于扩散模型的地震数据噪声压制方法,本方法的噪声压制网络部分基于改进的Unet网络，为了强化随机噪声和地震信号之间的映射，引入基于ResNet的残差结构，在所述噪声压制网络的每个层级上逐渐调整特征表示，从而有助于抑制噪声的影响；在噪声压制网络中引入了注意力模块，用于提高网络对重要区域的关注度，使用残差模块来构建深度网络，从而避免了深度网络中的梯度消失问题。本发明方法适合于地震信号随机噪声的去除，实验结果表明，本发明方法与CNN方法和GAN方法相比，具有更好的噪声压制性能。

主权项：1.一种基于扩散模型的地震数据噪声压制方法，其特征在于，所述方法包括前向加噪声和反向去噪声两个过程，前向加噪声是从真实的数据分布中随机采样一个信号，然后通过一个固定的过程逐步往上面添加高斯随机噪声，直到信号变成一个纯粹的随机噪声；反向去噪声是构建一个去噪神经网络，去学习噪声去噪的过程，从一个纯粹的随机噪声出发，逐步还原回无噪的地震数据，具体包括：步骤1：前向加噪声过程，首先从真实数据中采样一个数据点x0，qx代表训练集样本分布，假设输入数据满足某种分布x0～qx，通过T步不断地向数据点x0中添加小量的高斯噪声，生成了一个噪声样本序列x1,x2,…xT，步长T的大小通过一个方差集合得到，该过程是一个马尔可夫链过程；随着步长变大，数据点x0逐渐失去其可区分的特征，最终当T趋于无穷时，xT的值是一个各向独立的高斯分布；步骤2：反向去噪声过程，先在T时刻随机采样一个二维高斯噪声，然后逐步进行去噪，最终得到一个和真实地震图像数据分布一致的生成图像y0，逆扩散过程也是一个马尔科夫链过程，需要注意的是，如果βt的值足够小，那么qyt-1|yt也将是一个高斯分布，但无法简单的估计qyt-1|yt，因为其估计需要使用到整个数据集，因此，需要学习一个模型pθ去逼近这些条件概率以运行这个逆扩散过程；步骤3：构建地震数据噪声压制网络，所述噪声压制网络基于改进U-net网络，为了强化随机噪声和地震信号之间的映射，引入基于ResNet的残差结构，在所述噪声压制网络的每个层级上逐渐调整特征表示，从而有助于抑制噪声的影响；引入注意力机制在不同空间位置或通道之间分配不同的权重，针对性地关注重要的特征，使网络更关注图像中具有更高信噪比的区域，从而减少噪声的影响；采用U-net网络来捕捉噪声的特征；最后计算损失函数来衡量模型预测与真实地震数据之间的差异，生成训练模型；步骤4：在预测过程中，使用训练好的扩散模型对输入数据进行推理，即为前向传播,模型会产生一个预测值，该值代表了噪声被压制后的地震数据。

全文数据：

权利要求：

百度查询： 成都信息工程大学 基于扩散模型的地震数据噪声压制方法