Seismic data denoising is an important mean to extract useful information from seismic data, remove interference, and improve the SNR(signal-to-noise ratio) of seismic data. Therefore, the research on denoising methods of seismic data has always been a hot topic. At present, most convolutional neural networks for desert seismic data denoising use single scale convolutional kernels to extract feature information, which is prone to cause missing details. Therefore, we propose the Multi-scale Dilated Convolution Network (MDCN) to remove desert seismic noise. Dilational convolution operators of different sizes are used to autocratically extract features of different scales from seismic data. The extracted features are then connected in series and fused into multi-scale information used for denoising. Moreover, using dilated convolutions can increase the receptive field, so that the output of each convolution would contain a larger range of information than single scale convolutional neural networks, which means they have access to a larger window and as a result can use temporal information. In order to increase the receiving range of the network and obtain more context information, we cascade multiple modules to form a deep network. In this way, we can extract as much detailed information as possible from the desert seismic data. The results of the experiment show that our method effectively suppresses the desert noise and also better retains the effective signal.

地震数据去噪是从地震数据中提取有用信息、去除干扰、提高地震数据信噪比的重要手段。因此，对地震数据去噪方法的研究一直是一个热门话题。目前大部分用于沙漠地震数据去噪的卷积神经网络使用单尺度卷积核提取特征信息，容易造成细节缺失。因此，我们提出了多尺度扩张卷积网络（MDCN）来去除沙漠地震噪声。使用不同大小的扩张卷积算子从地震数据中独断地提取不同尺度的特征。然后将提取的特征串联起来并融合成用于去噪的多尺度信息。此外，使用扩张卷积可以增加感受野，因此每个卷积的输出将包含比单尺度卷积神经网络更大范围的信息，这意味着它们可以访问更大的窗口，因此可以使用时间信息。为了增加网络的接收范围，获取更多的上下文信息，我们级联多个模块，形成一个深度网络。通过这种方式，我们可以从沙漠地震数据中提取尽可能多的详细信息。实验结果表明，我们的方法有效抑制了沙漠噪声，同时也更好地保留了有效信号。这意味着他们可以访问更大的窗口，因此可以使用时间信息。为了增加网络的接收范围，获取更多的上下文信息，我们级联多个模块，形成一个深度网络。通过这种方式，我们可以从沙漠地震数据中提取尽可能多的详细信息。实验结果表明，我们的方法有效抑制了沙漠噪声，同时也更好地保留了有效信号。这意味着他们可以访问更大的窗口，因此可以使用时间信息。为了增加网络的接收范围，获取更多的上下文信息，我们级联多个模块，形成一个深度网络。通过这种方式，我们可以从沙漠地震数据中提取尽可能多的详细信息。实验结果表明，我们的方法有效抑制了沙漠噪声，同时也更好地保留了有效信号。