摘要：核磁共振（NMR）测井是评估岩石物理参数和识别流体的有效方法，在非常规储层勘探开发中具有显著前景。由于非常规储层孔隙度低且孔隙结构复杂，导致采集的NMR信号非常微弱，数据信噪比（SNR）较低，从而影响T₂谱反演的准确性[1]。因此在反演前对核磁共振回波数据进行去噪处理至关重要，本文提出基于辛几何模态分解（SGMD）对回波数据进行去噪以提升数据信噪比。该方法利用辛矩阵相似变换求解哈密顿矩阵的特征值，并利用对应的特征向量重构信号成分[2]。为抑制端点效应的影响，首先对原始回波数据的首尾数据点进行镜像对称延拓，扩展后的核磁共振回波数据经SGMD分解，得到对应的辛几何分量（SGCs）。SGC的个数直接影响SGMD方法的分解结果，SGC个数较多可能导致信号过度分解和分解速度慢，而较少的分量可能无法完全分离有用信号与噪声，因此本文提出利用峭度值确定最佳的分量个数。由于分解后的各分量间不相互独立，需对每个分量进行相似性分析进而重构相似分量。分别计算前k个分量和的皮尔逊相关系数ρ_k并计算ρ_k与ρ_k+1的差值，记为f_k。当f_k≤0.0002时，认为第（k+1）个SGC即为有效信号与噪声的分割点，将前（k+1）个SGCs相加后即可得到去噪后的回波数据。研究首先通过数值模拟构建了双峰T₂谱，并正演生成回波间隔为0.2毫秒、回波个数为4096的核磁共振回波数据。对回波数据添加不同信噪比的高斯白噪声，分别采用SGMD、经验模态分解（EMD）与小波变换（WT）方法对含噪数据进行处理。通过对比反演得到的T₂谱，发现SGMD方法的去噪效果显著优于其他方法，证明了SGMD方法的有效性。最后，通过实际测井资料与岩心实验数据的处理，结果也表明SGMD方法在实际应用中也具有更佳的去噪性能。
 

核磁共振测井；去噪；辛几何模态分解；T2谱