油气敏感频率段极值能量和因子及其在渤海油田油气检测中的应用

doi:10.11720/wtyht.2018.0073

油气敏感频率段极值能量和因子及其在渤海油田油气检测中的应用

王波, 夏同星, 明君, 郭帅

中海石油(中国)有限公司天津分公司渤海石油研究院,天津塘沽 300459

Peak energy sum in hydrocarbon sensitive frequency range and its application to the Bohai Oilfield

WANG Bo, XIA Tong-Xing, MING Jun, GUO Shuai

Bohai Oilfield Research Institute,Tianjin Branch of CNOOC Ltd.,Tianjin 300459,China

收稿日期: 2018-02-22 修回日期: 2018-07-23 网络出版日期: 2018-10-05

基金资助:

国家科技重大专项. 2016ZX05058

Received: 2018-02-22 Revised: 2018-07-23 Online: 2018-10-05

作者简介 About authors

王波(1986-),男,硕士研究生,研究方向为地震储层预测与油气检测。Email:wangbo25@cnooc.com.cn 。

摘要

由于地层原油和地层水的物理性质差异小,砂泥岩物性变化影响地震反射,地震资料存在噪声等多种因素的影响,利用地震资料识别含油砂体困难大,多解性强,成功应用案例少。虽然单个含油砂体产生的地震差异小,但是油气通常在地下某一空间范围内富集,多个油气层产生的地震响应的差异总和可以被明显观测到。笔者提出了油气敏感频率段极值能量和因子进行油气检测,首先利用可变因子广义S变换进行地震资料分频处理,然后分析能够突出油水性质差异的地震频率范围并确定能量阈值,计算油气敏感频率段极值能量。对于高丰度含油气区,纵向上发育多套油气层,通过纵向上极值能量进行累加可以进一步突出油气信息,因此,极值能量和油气检测因子可有效预测高丰度油气分布区。模型数据测试证明了本文方法是有效的,将本文方法应用于渤海多个油田,油气检测的结果与钻井获得的油气分布范围吻合良好。该方法指导了多口井的成功钻探,获得了良好的应用效果。

关键词： 地震油气检测 ; 油气指示因子 ; 可变因子广义S变换 ; 极值能量和 ; 敏感频率分析 ; 高丰度含油气区 ; 渤海油田

Abstract

Since the difference of physical properties between formation oil and formation water is small,the physical properties change of sand and mudstone affects seismic reflection,and there exists noise of seismic data,it is very difficult to identify oil-bearing sand bodies using seismic data in that it has strong multiple solutions,and hence the successful application cases are very few.Although it is difficult for single hydrocarbon-bearing sands to generate observable difference,hydrocarbon is accumulated in underground space,and seismic data response from multi-hydrocarbon zone could be identified easily.In this paper,the authors propose peak energy sum hydrocarbon detection method.The method first utilizes the variable factor generalized S transform to achieve frequency division,and then analyzes seismic frequency range which highlights the difference between oil and water and determines energy threshold;on such a basis,the peak energy of the hydrocarbon sensitive frequency section is calculated.For high abundance oil-bearing areas,many sets of hydrocarbon reservoirs are developed longitudinally,and hydrocarbon information can be further highlighted by accumulation of peak energy in the longitudinal direction.Therefore,the peak energy sum hydrocarbon detection factor can effectively predict the high abundance of hydrocarbon distribution.The model data test proves that this method is effective.This method was applied in several oilfields in Bohai,and the results of hydrocarbon detection are in good agreement with the hydrocarbon distribution areas obtained by drilling.This method has guided many successful drilling wells and obtained good effects.

Keywords： seismic hydrocarbon detection ; hydrocarbon indicator ; variable factor generalized S transform ; peak energy sum ; sensitive frequency analysis ; high abundance hydrocarbon area ; Bohai oilfield

PDF (7564KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

王波, 夏同星, 明君, 郭帅. 油气敏感频率段极值能量和因子及其在渤海油田油气检测中的应用. 物探与化探[J], 2018, 42(5): 1026-1032 doi:10.11720/wtyht.2018.0073

WANG Bo, XIA Tong-Xing, MING Jun, GUO Shuai. Peak energy sum in hydrocarbon sensitive frequency range and its application to the Bohai Oilfield. Geophysical and Geochemical Exploration[J], 2018, 42(5): 1026-1032 doi:10.11720/wtyht.2018.0073

0 引言

直接利用地震资料识别和描述储层含流体特征是地球物理学研究的热点和难点问题之一,可靠的油气检测结果可以提高钻井成功率、降低成本,对油气藏勘探与开发具有重要意义。早在20世纪70年代,地球物理工作者已经利用 “亮点”技术寻找地下含气层并取得了许多成功的实例。但由于地下地质情况非常复杂,实践发现该技术存在很强的局限性和多解性,如何更有效地提取地震资料中包含的油气信息成为研究的热点。为此,研究人员先后提出了AVO技术^[1,2,3,4]、泊松阻抗^[5,6]、LMR技术^[7]、Q值估计^[8]等多种流体识别方法。

与之同时,时频属性进行油气检测也逐渐发展起来。1979年,Taner等人观察到了油气储层下部出现的“低频阴影”现象^[9]。1995 年,Dilay等发现气井附近的地震资料在产气层段出现了明显的高频衰减^[10]。1996 年,Mitchell等人基于 Dilay 等发现的事实提出一种计算高频衰减分析方法(EEA 技术),该项技术的核心是求取信号谱的高频指数衰减系数,以此来识别含油气的异常区^[11]。2003 年,Castagna等通过应用瞬时谱分解技术分析地震数据,获得了共频率道集,并阐述了如何利用谱分解结果检测砂岩油气储层下部的“低频阴影”现象^[12]。Wilson等人尝试利用地震波的频散属性进行油气检测,并取得了一定的效果^[13,14,15]。但是,在实际应用中,时频属性进行油气检测存在很多的多解性,许多强异常的地方实钻为水层。在实践中我们发现,通过纵向将时频属性大段累加,从平面上识别油气分布区,可以降低多解性,提高检测成功率。

利用不同频段的地震信息检测油气需要使用高精度的时频分析技术。1996年,Stockwell 等^[16]提出了著名的S变换,它是以Morlet小波为基本小波的连续小波变换的延伸。通过S变换及其逆变换可以实现信号在时频域的无损转换,但是S变换中固定的基本小波限制了其应用效果。为此,Mansinha^[17,18,19]等对S 变换进行了改造,提出了广义S 变换,通过调节频率分辨率或时间分辨率,增强了对地震信号与含噪声非平稳信号处理的适应能力。但无论S变换还是广义S变换,都无法在全时段兼顾频率分辨率和时间分辨率。为克服这一缺陷,周竹生等^[20]对高斯窗函数进行改造,通过引入一个以频率为自变量的可变因子函数,提出了基于含可变因子的广义S变换,避免了S变换的时频分辨率变化趋势不变及广义S 变换的时频分辨率变化趋势单一的问题,使之具有更高的适应性和针对性。

由于地层原油和地层水的物理性质差异小,砂泥岩物性变化影响地震反射,地震资料存在噪声等多种因素的影响,利用地震资料识别含油砂体困难大,多解性强,成功应用案例少。虽然单个含油砂体产生的地震差异小,但是油气通常在地下某一空间范围内富集,多个油气层产生的地震响应的差异总和可以被明显观测到,同时,研究认为,低频段地震信号对油气更加敏感,更有利于突出砂体含油导致的信号差异。为了降低油气检测的多解性,提高油气检测成功率,笔者在前人研究的基础上,利用含可变因子的广义S变换进行地震资料分频处理,然后结合已有认识分析对油气敏感的地震资料频率范围及其能量阈值,进而提取油气敏感频率段极值能量和,将其作为一种新的油气指示因子。

1 技术方法

地震信号穿过含油气地层后,其频谱特征会发生变化,低频能量由于谐振效应会相对增强,通过与钻井证实的油气层信息进行对比,可以分析出对油气敏感的地震信号频率范围,利用时频分析工具提取该频率范围的地震信号制作极值能量和油气指示因子用于油气检测。

定义信号为h(t),其广义S变换为:

(1) $\begin{array}{r} GST (τ, f) & = \int_{-}^{\infty} h (t) w (τ - t, f) \exp (- i 2 π ft) d t \\ = \int_{-}^{\infty} p (t, f) w (τ - t, f) d t \\ = p (τ, f) * w (τ, f) \end{array}$

其中

(2) $p (τ, f) = h (τ) \exp (- i 2 π fτ) 。 (2)$

含可变因子的S变换可以灵活调控高斯窗函数的宽度,从而有针对性地改善局部频段的频率分辨率及时间分辨率^[21],其窗函数定义为:

(3) $w (τ, f) = \frac{| f |}{σ_{f} \sqrt[]{2 π}} \exp (\frac{- f^{2} τ^{2}}{2 σ_{f}^{2}}) 。$

式(3)不满足能量归一化条件 $\int_{-}^{\infty}$ |w(τ, f)|²dτ=1。对窗函数进行能量归一化处理,得到窗函数为

(4) $w (τ, f) = \sqrt[4]{\frac{| f |^{2}}{π σ_{f}^{2}}} \exp (\frac{- f^{2} τ^{2}}{2 σ_{f}^{2}}),$

式中:σ_f为可变因子,是以频率f为自变量的函数;τ用于确定窗函数的时间位置,其振幅谱为:

(5) $A (τ, f) = R e^{2} [GST (τ, f)] + I m^{2} [GST (τ, f)] 。$

利用可变因子广义S变换对地震资料进行分频,统计研究区内或者研究区周边已钻井处含油气砂岩层和含水砂岩层处不同频率的地震能量,根据统计结果,确定油气敏感频率段。若油气敏感频率段为f₁~f₂,则某一时间处油气敏感频率段内能量为

(6) $A' (τ) = \int_{f}^{=} A (τ, f),$

定义能量阈值为α,计算工区内已钻井处油气层的油气敏感频率段能量,根据统计结果,确定能量阈值。能量小于阈值处含油气概率低,能量大于阈值处含油气概率高,将能量低于阈值处的能量置为0,能量大于阈值处的能量保持,凸显含油气能量区,如:

(7) $A″ (τ) = \{\begin{array}{l} A' (τ), & A' (τ) \geq α; \\ 0, & A' (τ) < α 。 \end{array}$

地层时间厚度为τ₁~τ₂,对地层段内能量积分求总和就可以得到可变因子广义S变换的极值能量和:

(8) $E = \int_{τ}^{=} A ″ (τ) 。$

可变因子广义S变换的极值能量和通过油气敏感频率的筛选放大砂体含油气导致的信号差异,通过设置地震能量阈值降低非油气因素的干扰,达到提取出最能识别油气的地震信息的目的,从而提高油气检测成功率。

2 模型数据测试

根据渤海某油田的地质特征建立如图1a所示的油藏模型,表1为该模型泥岩、含水砂岩、含油砂岩和含气砂岩的速度和密度。从表中可以看出,砂岩和泥岩相比较,密度和速度差异较大,但是含不同流体(油、气和水)的砂岩相比较,密度和速度差异小。计算得到该油藏模型的阻抗模型,然后利用35 Hz的雷克子波与其褶积,得到合成地震记录,如图1b所示。可以看出,由于砂岩和泥岩之间的阻抗差异大,利用地震资料易于识别砂岩储层。然而,含不同流体的砂岩之间,特别是含油砂岩和含水砂岩之间的阻抗差异小,同时地震资料分辨率低,相互接近的砂岩之间存在干涉效应,利用地震振幅差异难以直接识别油层。利用本文方法在合成记录上提取极值能量和属性,如图1c所示,图中红色为极值能量和强的地方,表示油气层发育区域,与实际油气层位置吻合,极值能量和属性快速可靠圈定了模型中油气聚集的位置。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 基于渤海某油田地质特征建立的油藏模型及极值能量和油气检测结果

a—油藏模型;b—合成地震记录;c—极值能量和属性

表1 图1a的模型参数

岩性	纵波速度/(m/s)	密度/(kg/m³)
泥岩	2700	2300
含水砂岩	2600	2200
含油砂岩	2550	2150
含气砂岩	2400	1900

新窗口打开| 下载CSV

3 应用实例

3.1 案例1

渤海A油田明下段属于曲流河沉积,具有泥包砂的地层结构,砂地比偏低,原油密度在0.75~0.85 g/cm³之间。图2是A油田油气层段过井地震剖面,可以看出,油田区和非油田区地震响应具有差异,油气层主要表现为强振幅反射,且具有较明显的低频特征。图3是利用A油田已经被井证实的油层和水层统计的不同频率的地震瞬时振幅,可以看到,在15~30 Hz的低频频率段,油层的瞬时振幅值远大于水层,而在30 Hz以上的频率段,油层和水层的瞬时振幅相差小,甚至水层振幅比油层振幅大。通过该统计,确定油气敏感频率段为15~30 Hz,地震振幅阈值为500,利用本文方法提取极值能量和(图3中紫色区域面积)。提取的极值能量和如图4所示,黑色多边形为证实油气储层分布区,与极值能量和指示的区域吻合较好。粉色多边形区域由于受到浅层气和气云影响,实际振幅能量偏弱,预测结果会有偏差。为了与极值能量和进行比较,在A油田明下段提取了油气敏感频率段的振幅绝对值累加属性,如图5所示,可以看到,振幅绝对值累加属性与已经证实的黑色多边形含油区域吻合差,油气预测效果差,与极值能量和油气检测结果有较大差异。在A油田,也利用常规时频域油气检测方法开展了油气检测工作。图6为A油田过A1井和A2井高频衰减油气检测结果,可以看到,A2井有多处实钻为水层,但高频衰减显示为强异常,检测为油层,检测结果是不对的。通过以上对比,说明了本文研究方法是相对更加可靠的。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 A油田油气层段过井地震剖面

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 A油田明下段油层和水层不同频率瞬时振幅统计

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 A油田明下段极值能量和油气检测剖面

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 A油田明下段油气敏感频率段的振幅绝对值累加属性剖面

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 A油田过A1和A2井常规高频衰减油气检测结果

3.2 案例2

渤海B油田位于渤海南部海域,其主要含油层段明下段发育河流—极浅水三角洲相沉积,砂体表现为纵向叠置、横向连片,分布范围广泛,含油气性差异大的特点,因此,开展流体预测研究,确定油气层分布位置具有重要意义。图7为B油田油气层段过井地震剖面,井轨迹上红色表示气层,绿色表示油层,蓝色表示水层。可以看出,气层和油层处具有较为明显的强振幅,但是也存在个别水层振幅强,个别油层和气层振幅弱的情况,这主要是由于地震资料分辨率低,存在不同程度的调谐效应,使得振幅对单砂层的含油气性反应不准确造成的。因此,单砂体的含油气性检测存在很强的多解性。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 B油田油气层段过井地震剖面

油气富集在一定的地层和区域范围内,一定规模的油气富集在地震资料上比单套油层往往会产生更为明显的辨识特征,这很好地解释了图7所示的油田区振幅明显偏强、非油田区振幅偏弱的现象。因此,利用笔者提出的方法在地震资料上提取极值能量和可以很好地指示油气层在检测层段的分布,如图8所示,紫色区域为极值能量和强的地方,指示油气的分布位置,黑色多边形为已探明的含油气储层分布区,与极值能量和指示的区域是吻合的,同时椭圆区域内红色位置为油气潜力,用以指导后续井位布置。目前,右侧椭圆区域的油气潜力已被钻井证实。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 B油田极值能量和油气检测剖面

4 结论

笔者提出基于油气敏感频率分析的可变因子广义S变换的极值能量和油气检测方法,该方法能够突出地震资料里微弱的油气信号,预测高丰度油气分布区域,模型数据测试证明了本文方法的有效性。

本文方法在渤海多个油田进行了应用,渤海A油田的案例中,排除受到浅层气和气云影响区域外,预测结果与证实的油气储层分布区吻合好,渤海B油田的案例中,预测结果与已探明的含油气储层分布区吻合,同时预测了尚未钻井区域的油气潜力,后续依据预测结果部署了评价井,该井钻遇多套油气层。实际应用案例表明本文方法具有较强的实际应用前景。

由于影响地震资料品质的因素众多,本文提出的油气检测方法仍然存在一定的多解性,例如该方法在浅层气、气云影响区域和薄互层区域难以检测出油气层来,含油区边界检测精度较低等,因此,如何进一步降低油气检测多解性可作为下一步研究方向。本文方法适用于在平面上快速确定油层厚度较大的高丰度油气区,对于如何提高纵向上油气检测的精度,还需要开展进一步的研究。

The authors have declared that no competing interests exist.

作者已声明无竞争性利益关系。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Ostrander W

Plane wave reflection coefficients for gas sands at nonnormal angles of incidence

[C]//Expanded Abstracts of the 52 ^nd Annual SEG Meeting,Society of Exploration Geophysicists , 1982.

[本文引用: 1]

[2]

Rutherford S

, Williams R

Amplitude-versus-offset in gas sands

[J]. Geophysics, 1989,54:680-688.

DOI:10.1190/1.1442696 URL [本文引用: 1]

[3]

Castagna J

, Swan H

, Foster D

Framework for AVO gradient and intercept interpretation

[J]. Geophysicists, 1998,63:948-956.

DOI:10.1190/1.1444406 URL [本文引用: 1]

[4]

Shuey

A simplification of the Zoeppritz equations

[J]. Geophysics, 1985,50(4):609-614.

DOI:10.1190/1.1441936 URL [本文引用: 1]

[5]

Quakenbush

, Shang

, Tuttle

Poisson impedance

[J]. The Leading Edge, 2006,25(2):128-138.

DOI:10.1190/1.2172301 URL [本文引用: 1]

[6]

解吉高, 刘志斌, 张益明 , 等.

利用泊松阻抗进行油气检测

[J]. 石油地球物理勘探, 2013,48(2):276-278.

[本文引用: 1]

[7]

Goodway

, Chen

, Downton

Improved AVO fluid detection and lithology discrimination using Lame petrophysical parameters; “λρ”,“μρ” & “λμ fluid stack”,from P and S inversions

[C]//Expanded Abstracts of the 67 ^th Annual SEG Meeting,Society of Exploration Geophysicists , 1997.

[本文引用: 1]

[8]

郝亚炬, 黄捍东, 文晓涛 , 等.

广义S域Q值估计方法及其在油气检测中的应用

[J]. 石油地球物理勘探, 2017,52(5):1059-1066.

[本文引用: 1]

[9]

Taner M

, Koehler

, Sheriff R

Complex seismic trace analysis

[J]. Geophysics, 1979,44(6):1041-1063.

DOI:10.1190/1.1440994 URL [本文引用: 1]

[10]

Dilay

, Eastwood

Spectral analysis applied to seismic monitoring of thermal recovery

[J]. The Leading Edge, 1995,14(11):1117-1122.

DOI:10.1190/1.1437081 URL [本文引用: 1]

[11]

Mitchell J

, Derzhi

, Lichman

Energy absorption analysis: A case study

[C]//Expanded Abstracts of the 66 ^th Annual SEG Meeting,Society of Exploration Geophysicists , 1996: 1785-1788.

[本文引用: 1]

[12]

Castagna J

, Sun

, Siegfried R

Instantaneous spectral analysis:Detection of low-frequency shadows associated with hydrocarbons

[J]. The Leading Edge, 2003,22(2):120-127.

DOI:10.1190/1.1559038 URL [本文引用: 1]

[13]

Wilson

, Mark

, Li X

Frequency-dependent AVO inversion

[C]//Expanded Abstracts of the 79 ^th Annual SEG Meeting,Society of Exploration Geophysicists , 2009.

[本文引用: 1]

[14]

王波, 夏同星, 谭辉煌 .

基于斑块饱和模型井控属性融合法油气检测

[J]. 石油物探, 2017,56(2):288-294.

[本文引用: 1]

[15]

凌云, 杜向东, 曹思远 .

FAVO反演技术及其在深水砂岩储层中的应用

[J]. 物探与化探, 2018,42(1):161-165.

[本文引用: 1]

[16]

Stockwell R

, Mansinha

, Lowe R

Localization of the complex spectrum:the S transform

[J]. IEEE Transactions on Signal Processing, 1996,44(4):998-1001.

DOI:10.1109/78.492555 URL [本文引用: 1]

[17]

Mansinha

, Stockwell R

Local S-spectrum analysis of 1-D and 2-D data

[J]. Physics of the Earth and Plantetary Interiors, 1997,103(3):329-336.

DOI:10.1016/S0031-9201(97)00047-2 URL [本文引用: 1]

[18]

Pinnegar C

, Mansinha

The S transform with windows of arbitrary and varying shape

[J]. Geophysics, 2003,68(1):381-385.

DOI:10.1190/1.1543223 URL [本文引用: 1]

[19]

Pinnegar C

, Mansinha

Time-local spectral analysis for non-stationary time series:the S-transform for noisy signals

[J]. Fluctuation and Noise Letters, 2003,3(3):357-364.

DOI:10.1142/S0219477503001439 URL [本文引用: 1]

[20]

周竹生, 陈友良 .

含可变因子的广义S变换及其时频滤波

[J]. 煤田地质与勘探, 2011,39(6):63-66.

[本文引用: 1]

Plane wave reflection coefficients for gas sands at nonnormal angles of incidence

1982

... 直接利用地震资料识别和描述储层含流体特征是地球物理学研究的热点和难点问题之一,可靠的油气检测结果可以提高钻井成功率、降低成本,对油气藏勘探与开发具有重要意义.早在20世纪70年代,地球物理工作者已经利用 “亮点”技术寻找地下含气层并取得了许多成功的实例.但由于地下地质情况非常复杂,实践发现该技术存在很强的局限性和多解性,如何更有效地提取地震资料中包含的油气信息成为研究的热点.为此,研究人员先后提出了AVO技术^[1,2,3,4]、泊松阻抗^[5,6]、LMR技术^[7]、Q值估计^[8]等多种流体识别方法. ...

Amplitude-versus-offset in gas sands

1989

Framework for AVO gradient and intercept interpretation

1998

A simplification of the Zoeppritz equations

1985

Poisson impedance

2006

利用泊松阻抗进行油气检测

2013

Improved AVO fluid detection and lithology discrimination using Lame petrophysical parameters; “λρ”,“μρ” & “λμ fluid stack”,from P and S inversions

1997

广义S域Q值估计方法及其在油气检测中的应用

2017

Complex seismic trace analysis

1979

... 与之同时,时频属性进行油气检测也逐渐发展起来.1979年,Taner等人观察到了油气储层下部出现的“低频阴影”现象^[9].1995 年,Dilay等发现气井附近的地震资料在产气层段出现了明显的高频衰减^[10].1996 年,Mitchell等人基于 Dilay 等发现的事实提出一种计算高频衰减分析方法(EEA 技术),该项技术的核心是求取信号谱的高频指数衰减系数,以此来识别含油气的异常区^[11].2003 年,Castagna等通过应用瞬时谱分解技术分析地震数据,获得了共频率道集,并阐述了如何利用谱分解结果检测砂岩油气储层下部的“低频阴影”现象^[12].Wilson等人尝试利用地震波的频散属性进行油气检测,并取得了一定的效果^[13,14,15].但是,在实际应用中,时频属性进行油气检测存在很多的多解性,许多强异常的地方实钻为水层.在实践中我们发现,通过纵向将时频属性大段累加,从平面上识别油气分布区,可以降低多解性,提高检测成功率. ...

Spectral analysis applied to seismic monitoring of thermal recovery

1995

Energy absorption analysis: A case study

1996

Instantaneous spectral analysis:Detection of low-frequency shadows associated with hydrocarbons

2003

Frequency-dependent AVO inversion

2009

基于斑块饱和模型井控属性融合法油气检测

2017

FAVO反演技术及其在深水砂岩储层中的应用

2018

Localization of the complex spectrum:the S transform

1996

... 利用不同频段的地震信息检测油气需要使用高精度的时频分析技术.1996年,Stockwell 等^[16]提出了著名的S变换,它是以Morlet小波为基本小波的连续小波变换的延伸.通过S变换及其逆变换可以实现信号在时频域的无损转换,但是S变换中固定的基本小波限制了其应用效果.为此,Mansinha^[17,18,19]等对S 变换进行了改造,提出了广义S 变换,通过调节频率分辨率或时间分辨率,增强了对地震信号与含噪声非平稳信号处理的适应能力.但无论S变换还是广义S变换,都无法在全时段兼顾频率分辨率和时间分辨率.为克服这一缺陷,周竹生等^[20]对高斯窗函数进行改造,通过引入一个以频率为自变量的可变因子函数,提出了基于含可变因子的广义S变换,避免了S变换的时频分辨率变化趋势不变及广义S 变换的时频分辨率变化趋势单一的问题,使之具有更高的适应性和针对性. ...

Local S-spectrum analysis of 1-D and 2-D data

1997

The S transform with windows of arbitrary and varying shape

2003

Time-local spectral analysis for non-stationary time series:the S-transform for noisy signals

2003

含可变因子的广义S变换及其时频滤波

2011

〈

〉