微地震监测数据时频域去噪方法

引用本文

刁瑞, 单联瑜, 尚新民, 芮拥军, 赵翠霞. 微地震监测数据时频域去噪方法[J]. 物探与化探, 2015,39(1): 112-117.
DIAO Rui, SHAN Lian-Yu, SHANG Xin-Min, RUI Yong-Jun, ZHAO Cui-Xia. The denoising method for microseismic monitoring data in time-frequency domain[J]. Geophysical and Geochemical Exploration, 2015,39(1): 112-117. 复制到剪切板

Doi:10.11720/wtyht.2015.1.18
Permissions

《物探与化探》编辑部所有

微地震监测数据时频域去噪方法

刁瑞, 单联瑜, 尚新民, 芮拥军, 赵翠霞

中国石化胜利油田分公司物探研究院,山东东营 257022

作者简介: 刁瑞(1985-),男,硕士,2011年获中国石油大学(华东)地球探测与信息技术专业硕士学位,现在胜利油田物探研究院工作,主要从事地震资料处理及地球物理方法研究工作,公开发表论文数篇。

收稿日期: 2014-03-17

基金: 国家高技术研究发展计划(863)项目(2011AA060303); 中石化科技攻关项目(P13078)

摘要

原始微地震监测数据的信噪比相对较低,监测数据品质决定了微地震有效信号的定位精度,提高监测数据信噪比是微地震处理的关键环节。改进S变换对窗函数进行能量归一化处理,解决了常规S变换时频谱中频率定位不准的问题,具有更高的时频分辨率精度。利用改进S变换的良好二维时频域聚焦特性,设计时变的二维时频域滤波器,将时频域去噪方法引入到微地震监测数据的去噪处理中。利用改进S变换对微地震监测数据进行时频分析,能够更加准确地分析不同信号分量的振幅能量以及频率随时间的变化情况,实现微地震有效信号分量与噪声干扰分量的有效分离。通过合成模拟信号和实际井中微地震监测数据的试处理和对比分析,验证了该方法的可行性和有效性。

关键词: S变换; 时变滤波; 去噪方法; 模拟信号; 微地震数据

中图分类号:P631.4 文献标志码:A 文章编号:1000-8918(2015)01-0112-6

The denoising method for microseismic monitoring data in time-frequency domain

DIAO Rui, SHAN Lian-Yu, SHANG Xin-Min, RUI Yong-Jun, ZHAO Cui-Xia

Shengli Geophysical Research Institute,Sinopec,Dongying 257022,China

Abstract

The microseismic monitoring data have low signal-to-noise ratio and contain lots of noise with different characteristics.The location accuracy of the microseismic event depends on the signal-to-noise ratio of microseismic monitoring data.In microseismic monitoring data processing,it is very important to improve the signal-to-noise ratio.The improved S transform,which has high time-frequency solution,is useful for microseismic monitoring data.Microseismic events can be better processed in time-frequency spectrum than in conventional Fourier transform.Based on the fine focus in time-frequency domain and flexible window function choice of improved S transform,the authors designed a 2D time variable time-frequency filter,which was used to process micro-seismic monitoring data.The combined signal and field micro-seismic monitoring data demonstrate the feasibility and efficiency of the method.

Keyword: S transform; time variable filtering; denoising method; simulate signal; microseismic data

Show Figures

时频分析的基本思想是设计时间和频率的联合函数, 同时描述信号在不同时间和频率的能量密度或强度, 是分析非平稳信号的有力工具^[1]。Stockwell等^[2]提出的S变换继承并发展了短时傅里叶变换和连续小波变换, 采用可变的高斯窗函数, 时频分辨率随着频率发生变化, 基本小波不需要满足容许性条件, 并且S变换与傅里叶谱保持直接的联系。由于S变换的基本小波是固定不变的, 使得S变换的应用受到限制, 许多学者通过改进基本小波或窗函数得到了改进的S变换, 并取得了良好的应用效果。Pinneagar等^[3]将改造后的S变换应用于地震信号与含噪声非平稳信号的处理; 高静怀等^[4]将改进S变换用于薄层的地震探测、有色噪声与信号的识别和预测砂岩储层; 陈学华等^{[5, 6, 7]}利用改进S变换进行时频谱分解、油气储层低频阴影检测和油气识别等; 刁瑞等^{[8, 9, 10]}将改进S变换与谱模拟方法相结合, 应用于地震资料的高分辨率处理中。

原始微地震监测数据中噪声的类型多、能量强、分布范围广, 微地震监测数据的信噪比相对较低。在微地震监测数据处理过程中, 首先要提高微地震监测数据的信噪比, 然后才能进行微地震有效信号的准确定位。提高微地震监测数据的信噪比是微地震处理的关键环节, 通常采用信号增强和噪声压制两种思路来消除微地震监测数据中的噪声, 常用的经典去噪处理方法包括:中值滤波、多项式拟合、反褶积滤波、频率域滤波和时间域褶积滤波等^{[11, 12, 13, 14, 15]}。笔者利用改进S变换的良好二维时频域聚焦特性, 设计时变的二维时频域滤波器, 将其引入到微地震监测数据的有效信号提取和噪声干扰压制中。基于改进S变换的二维时频域去噪方法具有多分辨率、去相关性和较高保真度, 适应于低信噪比的非平稳信号。通过合成模拟信号和实际井中微地震监测数据的去噪效果对比分析, 验证了基于改进S变换的二维时频域微地震去噪方法的可行性和有效性。

1 改进S变换

常规S变换的时频窗口能够随着频率尺度自适应地调整, 具有较高的时频分辨率。但随着频率的增加, 常规S变换^[6]的窗函数幅值会迅速增大, 对时频谱的能量分布产生明显的加权效应, 高频端出现异常能量值。为解决时频谱中频率定位不准的问题, 对常规S变换的窗函数进行能量归一化处理, 实现提高时频分辨率精度的目的, 改进S变换的窗函数为^[7]

$\begin{matrix} w (t - τ, f) = {(\frac{| f |^{p}}{πλ})}^{\frac{1}{4}} \exp (\frac{- f^{p} {(t - τ)}^{2}}{2 λ}), \end{matrix}$ （1）

其中:f为频率, t为时间, τ 为窗函数的时间位置, λ 和p为用于调节窗函数的时间延续长度和衰减趋势, λ > 0, p> 0。微地震原始数据h(t)的改进S变换的二维时频谱表达式为

$\begin{matrix} S_{GT} (τ, f) = \overset{+ \infty}{\int_{- \infty}} h (t) {(\frac{| f |^{p}}{πλ})}^{\frac{1}{4}} e^{(\frac{- f^{p} {(t - τ)}^{2}}{2 λ})} e^{- i 2 πft} dt, \end{matrix}$ （2）

式中:h(t)是微地震原始数据, S_GT(τ , f)是微地震数据的时频谱。改进S变换的窗函数包络可以随着参数λ 和p的不同而变化, 根据实际应用的需要合理的选择参数 λ 和p, 能够有效调节改进S变换的时频分辨率, 具有较高的适应性和灵活性。

线性调频信号能够有效检验时频分析方法的时频聚集性能, 图1a为线性调频合成信号, 合成信号由一个频率从低到高递增的线性调频信号、一个频率从高到低递减的线性调频信号、一个低频范围信号和一个高频范围信号分量叠加而成; 图1b是短时傅里叶变换的时频谱, 虽然能够识别出两个线性调频信号分量, 但是高频信号分量却无法分辨, 低频信号分量的分辨率也很低; 图1c是S变换的时频谱, 可以分辨出各个信号分量, 其中的低频信号分量具有较高的频率分辨率, 而高频信号分量具有较高的时间分辨率, 具有类似多分辨率的特性, 但是时频谱的分辨率整体较低; 图1d是改进S变换的时频谱, 各个信号分量都能清晰地分辨出来, 在低频端时频分辨率仍然较高, 而高频端的频率分辨率明显提高。通过对比图1b、图1c和图1d, 改进S变换的时频谱具有较好的时频分辨率, 合成信号中的低频端和高频端的信号分量能够清晰地分辨, 两个线性调频信号的时频分辨率整体较高, 对非平稳信号中不同频率信号分量有更强的识别能力。

	Figure Option View Download New Window
	图1 不同时频分析方法的对比 a— 合成信号; b— 短时傅里叶变换时频谱; c— S变换时频谱; d— 改进S变换时频谱

2 时变二维时频域滤波器设计

原始微地震监测数据中包含声波、井场干扰、村镇车辆干扰和随机干扰等各种噪声, 各类噪声分量在时间域和频率域内与微地震有效事件分量混叠在一起, 仅仅从时间域或频率域识别噪声比较困难。相对于在一维时间域或频率域分析, 在二维时间— 频率域对微地震原始数据进行时频分析, 能够更好地区分有效信号分量和噪声分量频率随时间的变化规律。

根据微地震监测数据中有效信号的时频特征进行针对性的去噪处理。原始微地震监测数据可以表示为

$\begin{matrix} h (t) = h_{signal} (t) + h_{noise} (t), \end{matrix}$ (3)

其中:h(t)为原始微地震监测数据; h_signal(t)为微地震中的有效信号分量; h_noise(t)为微地震监测数据中的噪声分量。对式(3)进行改进S变换处理, 可以得到二维时频域的表达式

$\begin{matrix} H (τ, f) = H_{signal} (τ, f) + H_{noise} (τ, f), \end{matrix}$ （4）

其中:H(τ , f)为h(t)的二维时频谱; H_signal(τ , f)为h_signal(t)的二维时频谱; H_noise(τ , f)为h_noise(t)的二维时频谱。改进S变换是线性和可逆的, 获得微地震监测数据的二维时频谱之后, 根据噪声分量在二维时频谱上的分布特征来设计时变滤波器, 使得噪声分量H_noise(τ , f)趋近于零, 最大限度地保留微地震有效信号分量H_signal(τ , f), 最后经改进S逆变换处理, 就可以得到噪声压制后的高信噪比微地震监测数据。

根据对实际原始微地震监测数据的频谱分析, 微地震有效信号分量的频率范围具有一定带宽, 而噪声分量一部分分布在低频端和高频端, 另一部分的频率范围与微地震有效信号分量的频率范围相互重叠。根据噪声分量在时频域的分布范围, 利用微地震有效信号分量与噪声分量的时间方向和频率方向两个方面的差异特征, 设计二维时频域滤波器, 其数学表达式为

$\begin{matrix} F (τ, f) = \{\begin{matrix} 1.0 τ \in [τ_{1}, τ_{2}], f \in [f_{1}, f_{2}], \\ 0 其他。 \end{matrix} \end{matrix}$ （5）

其中:τ ∈ [τ ₁, τ ₂]和f∈ [f₁, f₂]是微地震有效信号分量的分布范围。在二维时频域中对原始微地震监测数据进行时变滤波处理

$\begin{matrix} \begin{matrix} h_{signal} (t) = \overset{+ \infty}{\int_{- \infty}} H (τ, f) \times F (τ, f) dτ = \\ \overset{+ \infty}{\int_{- \infty}} [H_{signal} (τ, f) + H_{noise} (τ, f)] \times F (τ, f) dτ, \end{matrix} \end{matrix}$ （6）

其中:h_signal(t)是经过二维时变滤波处理后的微地震有效信号分量。通过二维时频域滤波处理后, 只保留二维时频域内特定范围内的微地震有效信号分量, 达到了压制噪声分量的目的。

3 仿真试验分析

通过合成模拟信号分析时频域去噪方法的可行性, 并与常规的频率域带通滤波方法进行对比。图2是合成模拟信号及其二维时频谱。图2a是包含4个分量信号和1个合成的模拟信号(Ⅴ ), 其中4个分量分别是:低频余弦噪声信号(Ⅱ )、40 Hz主频的地面规则干扰波噪声信号(Ⅰ )、150 Hz主频的高频噪声信号(Ⅲ )和60 Hz主频的微地震有效信号(Ⅳ ), 其中建筑工地等地面规则干扰波噪声信号等间隔500 ms规则出现。图2b是合成模拟信号的改进S变换二维时频谱, 从时频谱上可以看到这4类信号的时间分布和频率特征, 4类信号从频率特征上来看, 低频噪声信号和高频噪声信号是易于区分和压制的, 但是规则干扰波噪声信号与微地震有效信号的频率范围重叠在一起, 带通滤波方法不能有效压制噪声信号。规则干扰波噪声信号与微地震有效信号在时间分布上可以区分, 因此可以根据微地震有效信号与噪声信号在二维时频谱上的时间域和频率域两方面的分布特征, 利用时频域滤波器进行针对性的去噪处理。

	Figure Option View Download New Window
	图2 合成模拟信号及其二维时频谱 a— 合成模拟信号; b— 改进S变换时频谱

图3是带通滤波与时频域滤波的噪声压制效果对比, 其中图3a是原始噪声分量, 其中包括:低频余弦噪声信号、地面规则干扰波噪声信号和高频噪声信号; 图3b是带通滤波方法处理后得到的噪声信号分量; 图3c是图3a与图3b的差值, 该差值能够反映带通滤波方法去噪效果的好坏, 带通滤波方法去掉的噪声信号与原始模拟噪声信号分量差别较大, 去噪效果不理想; 图3d是时频域滤波方法压制的噪声信号分量; 图3e是图3a与图3d的差值, 该差值能够反映时频域滤波方法去噪效果的好坏。时频域滤波方法去掉的噪声信号与原始模拟噪声信号分量基本一致, 噪声信号分量得到了较好的压制。

	Figure Option View Download New Window
	图3 带通滤波与时频域滤波的噪声压制效果对比 a— 原始噪声分量; b— 带通滤波方法分离的噪声; c— 带通滤波方法的噪声差值; d— 时频域去噪方法分离的噪声; e— 时频域去噪方法的噪声差值

图4是带通滤波与时频域滤波的有效信号识别结果对比, 其中图4a是原始微地震有效信号分量; 图4b是带通滤波处理得到的微地震信号分量; 图4c是图4a与图4b的差值; 图4d是时频域滤波处理得到的微地震信号分量; 图4e是图4a与图4d的差值, 两者的差值很小, 通过时频域滤波方法处理后, 识别的有效信号与模拟微地震有效信号基本一致。

从图3和图4可以看出, 相对于常规的频率域带通滤波方法, 时频域去噪方法能够较好地压制噪声。尽管40 Hz主频的地面规则干扰波噪声信号与60 Hz主频的微地震有效信号的频率范围相互重叠, 但是结合时间方向和频率方向两个方面的差异特征, 时频域滤波方法能够在时频域范围内有效压制该类干扰波噪声信号。

	Figure Option View Download New Window
	图4 带通滤波与时频域滤波的有效信号识别结果对比 a— 原始有效信号分量; b— 带通滤波方法分离的有效信号; c— 带通滤波方法的有效信号差值; d— 时频域去噪方法分离的有效信号; e— 时频域去噪方法的有效信号差值

4 实际井中微地震监测数据试处理

将基于改进S变换的时频域去噪方法引入到实际井中微地震监测数据中, 通过试处理分析验证该方法的可行性。图5是某工区实际井中微地震数据的二维时频谱, 从图中可以看出:微地震数据中低频噪声广泛分布, 1 650 ms处的微地震有效信号的频率范围为30~150 Hz。在不同时间段上, 二维时频域中微地震有效信号与噪声信号存在较明显的频率差异, 根据时间方向和频率方向两个变量能够更加有效地压制微地震数据中的各类噪声信号。

	Figure Option View Download New Window
	图5 井中微地震数据的二维时频谱

图6a是实际原始井中微地震监测数据; 图6b是进行带通滤波处理后得到的微地震监测数据, 带通滤波范围是20~120 Hz; 图6c是进行带通滤波处理后得到的微地震监测数据, 带通滤波范围是30~80 Hz; 图6d是进行时频域去噪处理后的微地震监测数据。分析红色框内的井中微地震监测数据, 对比滤波去噪处理前后的微地震有效信号, 时频域去噪方法能够有效压制噪声, 去噪后的微地震监测数据的信噪比明显提升。

	Figure Option View Download New Window
	图6 实际井中微地震监测数据去噪分析 a— 井中微地震监测数据; b— 带通滤波后监测数据(20~120 Hz); c— 带通滤波后监测数据(30~80 Hz); d— 时频域去噪后监测数据

5 结论

改进S变换具有较好的时频分辨率, 利用改进S变换对微地震监测数据进行时频分析, 能够更加准确地分析微地震有效信号分量和干扰波噪声信号分量的能量以及频率随时间的变化规律。由于微地震监测数据中各类噪声信号分量在时间域和频率域内与微地震有效信号分量混叠在一起, 仅仅从一维时间域或一维频率域压制噪声是比较困难的, 在二维时频域内进行时变滤波处理, 利用微地震有效信号与噪声信号的时间域和频率域两个方面的特征差异, 能够得到较好地压制各类噪声信号。通过合成模拟信号和实际井中微地震监测数据的去噪处理对比分析, 基于改进S变换的二维时频域去噪方法能够较好地压制噪声信号, 实现提高微地震监测数据的信噪比的目的。

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	李振春, 刁瑞, 韩文功, 等. 线性时频分析方法综述[J]. 勘探地球物理进展, 2010, 33(4): 239-246. [本文引用:1]
[2]	Stockwell R G, Mansinha L, Lowe R P. Localization of the complex spectrum: the S-transform[J]. IEEE Transations on Signal Processing, 1996, 17(6): 998-1001. [本文引用:1]
[3]	Pinnegar C R, Mansinha L. The S-transform with windows of arbitrary and varying shape[J]. Geophysics, 2003, 68(1): 381-385. [本文引用:1]
[4]	高静怀, 陈文超, 李幼铭, 等. 广义S变换与薄互层地震响应分析[J]. 地球物理学报, 2003, 46(4): 526-532. [本文引用:1]
[5]	陈学华, 贺振华. 改进的S变换及其在地震信号处理者中的应用[J]. 数据采集与处理, 2005, 20(4): 449-453. [本文引用:1]
[6]	刁瑞, 李振春, 韩文功, 等. 基于广义S变换的吸收衰减分析技术在油气识别中的应用[J]. 石油物探, 2011, 50(3): 260-265. [本文引用:2]
[7]	刁瑞, 冯玉苹. 利用储层的频谱吸收特性识别油气藏[J]. 石油地球物理勘探, 2012, 47(5): 766-772. [本文引用:2]
[8]	Diao R, Shang X M, Rui Y J, et al. Spectral modeling deconvolution based on improved S transform and its use in hydrocarbon detection[C]//London: 75^th EAGE Conference & Exhibition incorporating SPE EUROPEC, 2013. [本文引用:1]
[9]	尚新民, 刁瑞, 冯玉苹, 等. 谱模拟方法在高分辨率地震资料处理中的应用[J]. 物探与化探, 2014, 38(1): 75-80. [本文引用:1]
[10]	刁瑞, 尚新民, 芮拥军, 等. 时频域谱模拟反褶积方法研究[J]. 岩性油气藏, 2013, 25(1): 116-121. [本文引用:1]
[11]	易洪春, 刘树才, 贺克升, 等. 基于EMD去噪方法研究及其在地质勘探中的应用[J]. 物探与化探, 2013, 37(3): 533-537. [本文引用:1]
[12]	李强, 尚新民, 赵胜天, 等. 非一致性时移地震资料叠前互约束处理技术[J]. 物探与化探, 2011, 35(1): 97-102. [本文引用:1]
[13]	李雪英, 张晶, 孔祥琦, 等. 基于离散小波变换的地震资料自适应高频噪声压制[J]. 物探与化探, 2013, 37(1): 165-170. [本文引用:1]
[14]	冯兴强, 郭建平. 两种压制随机噪声的滤波方法对比研究[J]. 物探与化探, 2006, 30(6): 545-547. [本文引用:1]
[15]	马见青, 李庆春, 王美丁. 广义S变换在地震勘探中的研究进展[J]. 物探与化探, 2011, 35(2): 265-269. [本文引用:1]

2010

0.0

李振春, 刁瑞, 韩文功, 等. 线性时频分析方法综述[J]. 勘探地球物理进展, 2010, 33(4): 239-246.

较详细地综述了目前已有的短时傅里叶变换、小波变换、S变换和广义S变换等几种线性时频分析方法,概括了线性时频分析方法的特点和优缺点,阐述了各种方法的发展历程.窗函数对分辨率影响巨大,是线性时频分析方法的关键,通过对窗函数的调节和改进,可以得到不同的线性时频分析方法和相对应的时频分辨率.理论分析和试验表明,广义S变换的时频窗口能够随着频率尺度自适应地调整,具有较高的时频分辨率,在应用中具有更高的实用性和灵活性.利用广义S变换对地震数据体进行谱分解,可以得到更丰富的地震属性信息,对储层预测和油气识别有重要作用.

... 时频分析的基本思想是设计时间和频率的联合函数,同时描述信号在不同时间和频率的能量密度或强度,是分析非平稳信号的有力工具^[1] ...

1996

0.0

... Stockwell等^[2]提出的S变换继承并发展了短时傅里叶变换和连续小波变换,采用可变的高斯窗函数,时频分辨率随着频率发生变化,基本小波不需要满足容许性条件,并且S变换与傅里叶谱保持直接的联系 ...

2003

0.0

... Pinneagar等^[3]将改造后的S变换应用于地震信号与含噪声非平稳信号的处理 ...

2003

0.0

高静怀, 陈文超, 李幼铭, 等. 广义S变换与薄互层地震响应分析[J]. 地球物理学报, 2003, 46(4): 526-532.

Stransform (ST) proposed by Stockwell et al. is the unique transform that provides frequencydependent resolution while maintaining a direct relationship with the Fourier spectrum. This feature is very important for applications. However, the ST can't work well for seismic data analysis since its basic wavelet is not appropriate. In this paper, the ST is generalized with two steps, and two kinds of new transforms are obtained, which are called generalized S transform (GST). First, the basic wavelet in ST is replaced by a modulated harmonic wave with four undetermined coefficients, and then a new transform and its inverse are given, called GST1. Second, taking a linear combination of the basic wavelets in step 1 as a new basic wavelet, called GST2, and its inverse is constructed. To compare ST and GST, the ST and GST methods are used to analyze several typical models of thin beds, respectively. The results show that GST has a better resolution than ST. The GST methods can detemine the location of interfaces of acoustic impedance in thin beds of thickness being only an eighth wavelength, while ST method can't. In this study, the effectiveness of GST method is also verified by real data.

Stockwell等人提出的S变换虽然与Fourier谱能保持直接联系，然而，由于S变换中的基本小波不适用于地震资料处理. 为此本文采用两个步骤对S变换加以推广，得到两种新变换（统称为广义S变换）. 首先，用带有4个待定参数的调幅简谐波来代替S变换中的基本小波,定义广义S变换1，给出对应的逆变换；然后，以第一步中的基本小波的线性组合为新的基本小波，定义广义S变换2，并构造其逆变换公式. 最后，分别使用S变换及广义S变换对几种典型的薄互层模型进行分析计算. 结果表明，后者比前者有更强的探测能力，后者可准确地确定厚度为1/8波长的薄互层中波阻抗界面位置，但前者却不能. 文中还用实际资料处理的结果，证明了广义S变换方法的有效性.

... 高静怀等^[4]将改进S变换用于薄层的地震探测、有色噪声与信号的识别和预测砂岩储层 ...

2005

0.0

陈学华, 贺振华. 改进的S变换及其在地震信号处理者中的应用[J]. 数据采集与处理, 2005, 20(4): 449-453.

首先论述了S变换的原理和运算实现.为了提高S变换对不同类型非平稳信号的分析能力,通过一个时窗调节因子改造S变换的可变高斯窗函数,从而改变时窗宽度随频率呈反比变化的速度,得到了时频分辨率可调的广义S变换,提高了S变换在具体应用中的实用性和灵活性.通过对几种合成信号模型仿真,阐述了时窗调节因子对时频分辨率的影响.并对一维人工合成复杂地震信号进行分析,获得了高质量的时频表示,证明了广义S变换在地震信号处理中应用的有效性.

... 陈学华等^[5,6,7]利用改进S变换进行时频谱分解、油气储层低频阴影检测和油气识别等 ...

2011

0.0

刁瑞, 李振春, 韩文功, 等. 基于广义S变换的吸收衰减分析技术在油气识别中的应用[J]. 石油物探, 2011, 50(3): 260-265.

广义S变换克服了小波基函数变化趋势固定不变的缺陷,具有较好的时频分析效果和较高的灵活性。将广义S变换引入到地震波吸收衰减分析中,应用最小二乘谱模拟方法消除地层反射系数对子波振幅谱的影响,突出含油气储层在地震记录上的响应;引入"低频增加、高频衰减"(LFRHFA)面积差值法使得含油气储层的影响占主导地位,提高了油气识别的准确性。物理模型和实际地震资料的应用验证了上述方法的可行性;应用上述方法对实际地震资料进行油气识别,取得的结果与实际钻井结果吻合,证明了上述方法的实用性。

... 陈学华等^[5,6,7]利用改进S变换进行时频谱分解、油气储层低频阴影检测和油气识别等 ...

... 但随着频率的增加,常规S变换^[6]的窗函数幅值会迅速增大,对时频谱的能量分布产生明显的加权效应,高频端出现异常能量值 ...

2012

0.0

刁瑞, 冯玉苹. 利用储层的频谱吸收特性识别油气藏[J]. 石油地球物理勘探, 2012, 47(5): 766-772.

窗函数能量归一化的改进广义S变换能在保持时间分辨率不降低的前提下，提高频率域分辨率。本文基于改进广义S变换，通过黏弹性介质波动方程正演模拟，研究黏弹性介质储层的频谱吸收特性。地震波穿过含油气储层时，高频能量相对于低频能量衰减更强，其频谱特征为低频能量相对增加、高频能量相对衰减，因此储层的频谱吸收特性能很好地指示储层的油气富集程度。理论模型和实际井旁地震道的频谱分析结果验证了应用频谱吸收特性检测储层含油气性的有效性和可行性。

... 陈学华等^[5,6,7]利用改进S变换进行时频谱分解、油气储层低频阴影检测和油气识别等 ...

... 为解决时频谱中频率定位不准的问题,对常规S变换的窗函数进行能量归一化处理,实现提高时频分辨率精度的目的,改进S变换的窗函数为^[7] ...

2013

0.0

... 刁瑞等^[8,9,10]将改进S变换与谱模拟方法相结合,应用于地震资料的高分辨率处理中 ...

2014

0.0

尚新民, 刁瑞, 冯玉苹, 等. 谱模拟方法在高分辨率地震资料处理中的应用[J]. 物探与化探, 2014, 38(1): 75-80.

Seismic wavelet is changed in the wake of stratigraphic depth access.The improved S transform in combination with spectral modeling method can overcome time-varying seismic wavelet and avoid the complex window dimension problem.Spectral modeling in the time-frequency domain can well adapt itself to the assumption condition in that the seismic data are smooth and serve as steady signals.Spectral modeling is processed in time-frequency domain,which can overcome time-varying wavelet and improve seismic resolution.A comparison of the effects of the seismic data processing shows that the method can effectively broaden the frequency band and improve seismic resolution.

为了克服地震子波的时变影响，避免复杂的时窗大小选取问题，使得谱模拟方法能更好地适应地震信号是平稳信号的假设条件，将改进S变换与谱模拟方法相结合，形成时频域谱模拟方法。在二维时频谱中进行谱模拟处理，该方法能够克服地震子波随地层深度变化的限制。理论模型及实际资料处理效果显示，时频域谱模拟方法能够有效提高地震分辨率，实现地震资料的高分辨处理。

... 刁瑞等^[8,9,10]将改进S变换与谱模拟方法相结合,应用于地震资料的高分辨率处理中 ...

2013

0.0

刁瑞, 尚新民, 芮拥军, 等. 时频域谱模拟反褶积方法研究[J]. 岩性油气藏, 2013, 25(1): 116-121.

The energy of seismic wave attenuates continuously in spreading process, and its effective band of frequency amplitude spectrum is striation, which declines the resolution of seismic data. Improved generalized S transform of window function normalized energy holds time resolution constant，and improves the frequency resolution at the same time. Spectral modeling method is drawn in time-frequency domain, in order to avoid the complex window dimension program of the Fourier transform. Spectral modeling method is adapted to the assumption condition that seismic data are smooth and steady signals. Through model experiment and actual seismic data processing, it is proved that this method can improve the resolution of seismic data effectively, which is favorable for thin reservoir identification and fine reservoir description.

由于地层的吸收衰减作用，地震波在传播过程中不断衰减，振幅谱有效频带变窄，降低了地震剖面的分辨率。经窗函数能量归一化后的广义S 变换能在保持时间分辨率不降低的前提下，提高频率域的分辨率。将改进广义S 变换与谱模拟反褶积方法相结合，克服了傅里叶变换中复杂的时窗大小问题，能更好地适应地震信号是平稳信号的假设条件。通过模型试算和实际地震资料处理，有效地提高了地震资料的分辨率，以及薄储层的识别和精细储层的描述能力，验证了该方法的可行性。

... 刁瑞等^[8,9,10]将改进S变换与谱模拟方法相结合,应用于地震资料的高分辨率处理中 ...

2013

0.0

易洪春, 刘树才, 贺克升, 等. 基于EMD去噪方法研究及其在地质勘探中的应用[J]. 物探与化探, 2013, 37(3): 533-537.

The method dealt with in this paper is very suitable for non-stationary nonlinear multi-component signal analysis. This paper discusses the basic principle of EMD, and studies a signal denoising method based on EMD. According to the different feature scales of EMD, the signal is decomposed into different frequency IMF components. Through deleting the high frequency IMF components full of noise and choosing the low frequency or the specified frequency IMF components, the signal can be reconstructed, thus achieving denoising. The results of simulation signal and measured data both show that the method can not only effectively remove the deterministic or random noise but also preserve the effective signal as much as possible and reduce the signal loss, thus improving the accuracy of data processing.

论述了EMD分解的基本原理,研究了利用EMD分解进行信号去噪的方法。EMD把信号按照不同的特征尺度分解为不同频带的IMF分量,将含有噪声的高频IMF分量剔除,选择低频或者指定频带的IMF进行信号重构,即可达到去噪的目的。仿真信号与实测数据的处理结果都表明,该方法不但有效地去除信号中的确定性噪声和随机噪声,而且尽可能地保持了有效信号,减少了信号损失,提高了数据处理的准确性。

... 提高微地震监测数据的信噪比是微地震处理的关键环节,通常采用信号增强和噪声压制两种思路来消除微地震监测数据中的噪声,常用的经典去噪处理方法包括:中值滤波、多项式拟合、反褶积滤波、频率域滤波和时间域褶积滤波等^{[11,12,13,14,15]} ...

2011

0.0

李强, 尚新民, 赵胜天, 等. 非一致性时移地震资料叠前互约束处理技术[J]. 物探与化探, 2011, 35(1): 97-102.

摘　要：时差、相位、频率、振幅、能量差异是影响时移地震处理的主要因素,对于非一致性时移地震资料的处理,消除两期资料在这四个方面的差异是处理工作的关键。笔者首先分析了永新三维两期资料的施工参数差异,在此基础上,利用面元对应抽稀法消除了野外采集观测系统差异;利用有针对性的去噪技术和能量补偿方法,消除了两期资料能量信噪比差异;利用频率相位校正技术,消除了两期资料频率、相位差异。通过这四个方面的互约束处理,取得了较好的处理效果,达到了时移地震资料的处理要求,为后续的时移地震属性分析工作奠定了基础。

2013

0.0

李雪英, 张晶, 孔祥琦, 等. 基于离散小波变换的地震资料自适应高频噪声压制[J]. 物探与化探, 2013, 37(1): 165-170.

This authors describe a more efficient and adaptive high frequency noise suppression method in which a new adaptive threshold technique is combined with a continuous thresholding function to overcome the shortcoming that existing threshold de-noising technique by wavelet transform is not suitable for seismic data.The continuous hard thresholding function can combine both advantages of soft thresholding function and hard thresholding function,so it can enhance the fidelity of reconstructed signal and reduce the artificial noise.An adaptive threshold scheme is carried out by analyzing the statistical parameters of wavelet subband coefficients like standard deviation,arithmetic mean and geometrical mean in different subbands,which is based on the time-varying and spatial-varying energy distribution feature of nonstationary seismic signal.This threshold can adjust itself automatically with the variation of wavelet coefficient energy in different subbands to meet the requirement of high frequency seismic noise suppression.The actual seismic data processing result indicates that this method can not only raise the signal-to-noise ratio but also protect thoroughly the steep dip angle reflection event and enhance the fidelity of seismic signal after noise elimination.

针对现有的小波变换阈值去噪方法无法适用于地震资料高频噪声压制的缺点,笔者分别对阈值函数和阈值选取方案进行了改进,提出了连续硬阈值函数与自适应阈值相结合的地震资料高频噪声压制方法。连续硬阈值函数兼具软、硬阈值函数的优点,可提高重构地震信号的保真度,减少人为噪声误差;自适应阈值方案可根据非平稳地震数据中的能量时变、空变分布特点,通过引入不同子带小波系数标准差、代数平均值以及几何平均值等统计参数,使阈值能够随不同子带的小波系数能量变化而自动调整,以适应地震资料高频噪声压制的要求。实际地震数据处理结果表明,笔者提出的方法在提高信噪比的同时,可保护陡倾角反射界面信号,提高噪声压制后地震数据的保真度。

2006

0.0

冯兴强, 郭建平. 两种压制随机噪声的滤波方法对比研究[J]. 物探与化探, 2006, 30(6): 545-547.

We introduce the prediction filtering method in f-x-y domain.The prediction filtering method using singular value decomposition in f-x-y domain has been put forward in this paper.The f-x-y prediction filtering can be applied after the SVD filtering.Thus the prediction filtering is carried out in f-x-y domain.Finally we compare the routine prediction filtering method with the prediction filtering method using singular value decomposition.The theoretical modeling results show that the method can more effectively increase the signal/noise ratio than the routine method.And it can maintain the continuity of effective events.

介绍了 f-x-y 域预测滤波方法,提出了基于奇异值分解的三维 f-x-y 域预测滤波方法。该去噪方法是在奇异值分解滤波的基础上进行 f-x-y 域预测滤波,从而实现频率空间的预测滤波。2种滤波方法详细的对比研究及理论模型试算的结果表明,该方法较 f-x-y 域预测滤波能更好地提高地震资料的信噪比,并有更高的保真度。

2011

0.0

马见青, 李庆春, 王美丁. 广义S变换在地震勘探中的研究进展[J]. 物探与化探, 2011, 35(2): 265-269.

The generalized S transform is a relatively new time-frequency analysis method for non-stationary signal, which has the following characteristics and advantages: S transform inverse transform and Fourier transform is directly linked to ensure that it is the non-destructive transform; linear transform ensure there is no cross-terms; time-frequency resolution and the signal frequency-related; basic wavelet do not have to meet the permit conditions; scale makes the generalized S transform have good aggregation ability for frequency. Based on these characteristics and advantages, the generalized S transform has been widely used in seismic exploration. Such as dispersion analysis of Rayleigh surface wave, wave field separation and noising, Extraction of sedimentary cycles and the first-arrive detection of seismic wave, etc. In this paper, we summarize the present representative of the generalized S transform type, and combine with examples, expound the research progress of this method in seismic exploration. Finally, we give a prospect of generalized S transform in seismic exploration.

广义S变换是目前比较新的一种非平稳信号分析的时频分析方法,其特点和优势为广义S变换的反变换与傅立叶变换有直接的联系,保证其是无损变换;线性变换保证其不存在交叉项;时频分辨率与信号的频率有关;基本小波不必满足容许性条件;尺度性质使得广义S变换有很好的频率聚集能力。基于这些特点和优势,在地震勘探中已经有了广泛的应用,如利用广义S变换进行瑞利面波频散分析、时频域波场分离与去噪、沉积相旋回以及地震波初至识别等。笔者总结了应用中比较有代表性的广义S变换类型,并结合实例,阐述了该方法在地震勘探中的研究进展。