حضور نوفه ها در لرزه نگاری امری اجتناب ناپذیر است و تاثیر نامطلوبی روی داده های لرزه ای می گذارد. یکی از مسائل مهمی که در پردازش داده های لرزه ای دارای اهمیت فراوانی است، تضعیف این نوفه ها به شکل مطلوب و حفظ سیگنال اصلی است. حضور نوفه در داده و تضعیف نامطلوب آن ها مانع از ایجاد تصویری صحیح از ساختارهای زمین شناسی منطقه و تفسیر صحیح داده های لرزه ای می شود، اما در بعضی از گیرنده ها نوفه ها مقادیر آشفته ای دارند و دامنه بزرگ آن ها در ارتباط با دیگر گیرنده ها، موجب شگفتی می شوند و از توزیع گاوسی پیروی نمی کنند. این نوفه ها را نوفه های آشفته می گویند. روش های مرسوم برای تضعیف نوفه های تصادفی با فرض اینکه توزیع نوفه ها گاوسی هستند عمل می کنند. نوفه های آشفته و غیر گاوسی بر اثر وزش باد، وارونگی قطبی ناصحیح و... بوجود می آیند. حضور این نوفه ها عملکرد فیلتر کاهش مرتبه را کاهش می دهد و نتایج ضعیفی بدست می آید. به منظور رفع این مشکل، فیلتر جدید بر پایه کاهش مرتبه ماتریس را جهت تضعیف این نوفه ها معرفی می کنیم. در این روش بعد از انتقال داده ها به حوزه فرکانس، برای هر برش فرکانس ثابت ماتریس هنکل می سازیم. سپس با استفاده از تجزیه مقدار تکین (svd) رتبه ماتریس را کاهش می دهیم و با استفاده از الگوریتم تکراری، تا زمانی که همگرایی مطلوبی حاصل شود، شروع به وزن دادن مقادیر مختلط بدست آمده از ماتریس اولیه و ماتریس رتبه کاهیده می کنیم. مزیت این روش نسبت به دیگر روش های کاهش رتبه، قابلیت تضعیف نوفه های آشفته و در عین حال نوفه های تصادفی است. این روش قابل اعمال به داده های دو بعدی و سه بعدی با شیب های متفاوت می باشد. عملکرد این فیلتر بر روی داده های واقعی و مصنوعی بررسی شد و توانمندی آن در تضعیف نوفه های آشفته و تصادفی نشان داده شد.