简介：地震混合震源采集技术允许地震数据之间相互混叠,避免了常规采集对于时间和空间的限制,能有效提高地震数据采集的效率.但是,混合震源数据中掺杂了大量的混叠噪声,这也加大了后续数据处理的难度.根据混叠噪声在非共炮域呈离散随机分布这一特点,混合震源数据的分离可以看作噪声压制的过程.本文拟在深度学习框架下实现混合震源数据分离,针对原始U-Net下采样过程中导致部分特征丢失、特征融合部分精度不足的问题,引入了 U-Net++网络,通过加入稠密连接和深度监督机制,最终应用训练好的网络实现混合震源数据分离.模拟数据和实际数据实验结果表明,本文所使用的U-Net++网络相对于原始U-Net分离效果更好,信噪比和保真度均有较大提升.展开
