CN102012520B - 一种海上单点采集地震数据室内动态组合的方法 - Google Patents

Abstract

本发明公开了一种海上单点采集地震数据室内动态组合的方法，包括如下处理步骤：原始高密度数据的采集→预处理→用自适应涌浪噪声压制法进行衰减→用非因果空间预测滤波法进行随机噪声压制→用FX域预测拟合压制线性干扰法去除线性干扰→用相位谱校正动态组合法进行相移时差校正动态组合→输出炮集记录。本发明针对海上单检高密度采集地震数据噪音特征，将自适应涌浪噪声压制方法、非因果空间预测滤波压制随机噪声方法、FX域预测拟合压制线性干扰方法与相位谱校正动态组合有效串联，使得各种干扰得到有效压制，反射信号能量和连续性明显加强，信噪比显著提高。

Description

一种海上单点采集地震数据室内动态组合的方法

技术领域

本发明涉及油气田地震勘探中数据处理方法，特别是关于一种海上单点采集地震数据室内动态组合的方法。

背景技术

单点采集高密度地震勘探技术是近年来发展较快的物探技术之一，单点采集高密度地震勘探技术在地震资料的改善、地震勘探质量的提高等方面具有独特的优势，高密度单检波器采集有效克服了野外组合采集的不足，很好地保持了反射信号的原始性和丰富性，为高精度勘探和岩性地震勘探提供了高质量的原始数据和更加丰富的数据处理空间。利用数字检波器进行的单点高密度采集技术已经趋向成熟，但相应的室内去噪和组合处理技术仍很不完善，主要还是利用常规处理技术进行应用尝试，高密度地震数据优势没有得到充分发掘和利用。

目前，高密度地震数据处理存在的主要问题是：1、野外原始采集的地震资料信噪比低，并且表现为相干噪声和随机噪声都严重，常规去噪方法产生众多不适应性；2、海量的地震数据的处理周期长，对计算机硬件和并行算法要求提高，野外检波器组合由于道间时差等影响降低了原始地震资料品质，需要在不降低分辨率的基础上进行室内时差校正组合，以减小后期处理的数据量，并进一步提高资料信噪比。3、常规的室内组合方法可以在静校正、动校正及剩余时差校正等消除了各种时差后组合，最后再进行反动校正处理，而在此过程中需要进行初始速度分析和动校正处理，存在精度较低、远偏移距动校拉伸、计算量大等问题。

发明内容

针对上述问题，本发明的目的是提供一种可以在消除单点采集地震数据中的各种干扰的基础上，直接进行相移时差校正组合，从而避免静动校正等产生的不利影响的海上单点采集地震数据室内动态组合的方法。

为实现上述目的，本发明采取以下技术方案：一种海上单点采集地震数据室内动态组合的方法，其包括如下处理步骤：原始高密度数据的采集→预处理→用自适应涌浪噪声压制法进行衰减→用非因果空间预测滤波法进行随机噪声压制→用FX域预测拟合压制线性干扰法去除线性干扰→用相位谱校正动态组合法进行相移时差校正动态组合→输出炮集记录。

预处理包括剔除废道、废炮过程。

自适应涌浪噪声压制法进行衰减包括如下步骤：

1)给定某一时空窗，对该时空窗内所有数据沿时间方向Fourier变换到频率域；

2)对给定频段的平均振幅应用空间中值滤波，并将此中值与待处理振幅比较，将大于中值一定倍数的振幅作为涌浪噪声，通过置0或用邻道正常振幅值替换来进行压制；

3)改变频段范围，做与2)同样处理，直至覆盖所有包含涌浪噪声的频段范围；

4)最后反Fourier变换回到时间域，得到去除涌浪噪声的结果。

所述非因果空间预测滤波法进行随机噪声压制包括如下步骤：

1)首先将数据Fourier变换到频率域，对每一频率切片，建立双边Yule-Walker正则方程：

$E\left(f_0\right)=\underset{x}{\mathrm{\Σ}}{[s(f_0,x)-\underset{l=1}{\mathrm{\Σ}}s(f_0,x-l)\·a(f_0,l)-\underset{l=-p}{\mathrm{\Σ}}s(f_0,x-l)\·a(f_0,l)]}^2---\left(2.1\right)$

2)使目标泛函E(f₀)极小，得方程：

$\left[\begin{array}{cccc}R\left(0\right)+{\mathrm{\δ}}^2& R^{*}\left(1\right)& ...& R^{*}(p-1)\\ R\left(1\right)& R\left(0\right)+{\mathrm{\δ}}^2& ...& R^{*}(p-2)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ R(p-1)& R(p-2)& ...& R\left(0\right)+{\mathrm{\δ}}^2\end{array}\right]\left[\begin{array}{c}a(-p/2)\\ .\\ .\\ .\\ a\left(0\right)\\ .\\ .\\ .\\ a(p/2)\end{array}\right]=\left[\begin{array}{c}{R}^{*}(p/2)\\ .\\ .\\ .\\ R\left(0\right)\\ .\\ .\\ .\\ R(p/2)\end{array}\right]---\left(2.2\right)$

其中，R表示自相关，*表示复共轭，p为算子长度；

3)求解滤波算子a与原始频率切片褶积得到滤波后的频率切片；

4)最后反Fourier变换回到时间域，即得到压制随机噪声后的结果。

所述FX域预测拟合压制线性干扰法去除线性干扰时，包括如下步骤：

1)首先将地震剖面Fourier变换到频率域：

$D(f,x)=\underset{t=0}{\overset{j-1}{\mathrm{\Σ}}}d(t,x)e^{-i2\mathrm{\πft}/j}---\left(3.1\right)$

其中，d(t，x)为时间域地震道，x为道数，j为采样点数，D(f，x)为频率域数据；

2)通过频率扫描分析和视速度分析确定线性噪声频带范围及视速度，只在此频段内预测拟合指定视速度的线性干扰，波数与视速度对应关系：k＝f/v；

3)利用最小平方算法求解非因果预测拟合算子：

$\left[\begin{array}{cccc}R\left(0\right)+{\mathrm{\δ}}^2& R^{*}\left(1\right)& ...& R^{*}(p-1)\\ R\left(1\right)& R\left(0\right)+{\mathrm{\δ}}^2& ...& R^{*}(p-2)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ R(p-1)& R(p-2)& ...& R\left(0\right)+{\mathrm{\δ}}^2\end{array}\right]\left[\begin{array}{c}a(-p)\\ .\\ .\\ .\\ a\left(0\right)\\ .\\ .\\ .\\ a\left(p\right)\end{array}\right]=\left[\begin{array}{c}0\\ .\\ .\\ .\\ 1\\ .\\ .\\ .\\ 0\end{array}\right]---\left(3.2\right)$

R(m)＝e^i2πkmΔx，m＝1，…，p-1        (3.3)

其中，上标*表示复共轭，δ²为白噪因子，陷波宽度由算子长度p控制，p越大，波数陷波宽度越窄；

4)将频率域数据与预测拟合算子a(m)褶积：

$D^{\′}(f,x)=\underset{m=0}{\overset{p-1}{\mathrm{\Σ}}}a\left(m\right)D(f,x-m),x=1,\·\·\·,n---\left(3.4\right)$

其中，D′(f，x)为去线性噪声后频率域数据；

5)将D′(f，x)反Fourier变换回时间域，即得预测拟合的线性干扰；

6)从原始记录中减去线性干扰，得到去噪后的结果。

用相位谱校正动态组合法进行相移时差校正动态组合的步骤包括：

1)建立褶积模型，表述地震道是由震源子波和反射系数褶积的结果，对于不含随机噪音的地震数据，褶积模型表述为：

$s\left(t\right)=w\left(t\right)*\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\mathrm{\δ}(t-t_n)---\left(4.1\right),$

式中，w(t)为地震子波，r_n为第n层反射系数，t_n为第n层双程反射时间，N为总层数；

s(t)的频谱表达式为：

S(ω)＝W(ω)R(ω)        (4.2)；

式中，W(ω)为w(t)的频谱：

$W\left(\mathrm{\ω}\right)=\left|W\left(\mathrm{\ω}\right)\right|e^{-i{\mathrm{\φ}}_w\left(\mathrm{\ω}\right)}---\left(4.3\right);$

R(ω)是反射系数序列的频谱：

$R\left(\mathrm{\ω}\right)=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n{e}^{-\mathrm{i\ω}{t}_n}=\left|R\left(\mathrm{\ω}\right)\right|e^{-i{\mathrm{\φ}}_R\left(\mathrm{\ω}\right)}---\left(4.4\right);$

则振幅谱和相位谱分别为：

$\left|R\left(\mathrm{\ω}\right)\right|={({\left(\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\cos {\mathrm{\ωt}}_n\right)}^2+{\left(\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\sin {\mathrm{\ωt}}_n\right)}^2)}^{1/2}$

$={\left(\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\underset{m=1}{\overset{N}{\mathrm{\Σ}}}{r}_m\cos \mathrm{\ω}(t_n-t_m)\right)}^{1/2}---\left(4.5\right);$

${\mathrm{\φ}}_R\left(\mathrm{\ω}\right)=\arctan (\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\sin {\mathrm{\ωt}}_n/\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\cos {\mathrm{\ωt}}_n)---\left(4.6\right);$

有效信号的振幅谱和相位谱分别为：

|S(ω)|＝|W(ω)‖R(ω)|        (4.7)；

φ(ω)＝φ_w(ω)+φ_R(ω)        (4.8)。

本发明由于采取以上技术方案，其具有以下优点：本发明针对海上单检高密度采集地震数据噪音特征，将自适应涌浪噪声压制方法、非因果空间预测滤波压制随机噪声方法、FX域预测拟合压制线性干扰方法与相位谱校正动态组合有效串联，各种干扰得到有效压制，使得反射信号能量和连续性明显加强，信噪比显著提高。涌浪噪声压制能够避免低切滤波对有效信号低频成分的损害，增加反演结果可信度；利用先检测再滤波的方法，只对噪声道进行处理，具有较好的自适应性和振幅保真性。FX域预测拟合线性干扰压制方法能够自动扫描线性干扰的视速度，并准确进行预测拟合，具有较好的自适应性和保真性。海上高密度单点采集地震数据道间距小，组内各道时差也较小，通常选择组内中间道为参考道，只要将组内各道的相位谱用中间道的相位谱替换，并保持各自的振幅谱不变，就达到了消除组内各道时差的目的，进而实现动态组合。可以直接对道间各种时差进行校正，不需要静、动校正等处理，在提高信噪比的同时，不改变原始记录的振幅谱，有效保留反射信号的高频成分。

附图说明

图1为室内去噪组合处理流程图；

图2为原始采集高密度地震数据真振幅显示剖面图；

图3为去除涌浪噪声后的真振幅显示剖面图；

图4为应用非因果空间预测滤波压制随机噪声后真振幅显示剖面图；

图5为基于FX预测滤波线性干扰拟合压制噪声后真振幅显示剖面图；

图6为去除线性干扰前、后部分区域放大处理效果对比图；

图7为基于相移时差校正7道组合结果图；

图8为室内去噪及组合处理前、后剖面对比图；

图9为高密度采集数据初始叠加剖面图；

图10为自适应涌浪噪声衰减和非因果空间预测滤波串联组合压制涌浪噪声后的叠加剖面图；

图11为去除线性干扰后的叠加剖面图；

图12为原始高密度采集数据经室内去噪及相移时差校正7道组合处理后的最终叠加剖面图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

本发明是针对海上单检高密度采集地震数据噪音特征，将自适应涌浪噪声压制方法、非因果空间预测滤波压制随机噪声方法、FX域预测拟合压制线性干扰方法与相位谱校正动态组合方法有效串联，将前一结果的输出作为下一结果的输入，而实现本发明目的。该技术的工艺流程如图1所示，包括：原始高密度数据的采集→预处理→用自适应涌浪噪声压制法进行衰减→用非因果空间预测滤波法进行随机噪声压制→用FX域预测拟合压制线性干扰法去除线性干扰→用相位谱校正动态组合法进行相移时差校正动态组合→输出炮集记录。其中预处理包括剔除废道、废炮等。这里几个关键步骤的原理及处理方法为：

1、自适应涌浪噪声压制：在地震道集上，有效信号在横向上是连续的，振幅的横向变化是光滑的，其包络亦应如此。因此，在一定道窗口内，中值可以作为有效频带内的信号包络在该时刻的标准值，每道中该时刻的包络与该时刻的中值的比值应该是一个在1附近变化的数值。而当地震记录中某些道上存在异常振幅噪声时，它们的分布特征不同于信号的横向变化规律，其包络值会明显大于中值。因此，可定义一个门槛值来检测记录道中的强能量干扰。其原理及实现步骤如下：

1)给定某一时空窗，对该时空窗内所有数据沿时间方向Fourier变换到频率域；

2)对给定频段的平均振幅应用空间中值滤波，并将此中值与待处理振幅比较，将大于中值一定倍数的振幅作为涌浪噪声，通过置0或用邻道正常振幅值替换来进行压制；

3)改变频段范围，做与2)同样处理，直至覆盖所有包含涌浪噪声的频段范围；

4)最后反Fourier变换回到时间域，即得去除涌浪噪声的结果。

涌浪噪声压制能够避免低切滤波对有效信号低频成分的损害，增加反演结果可信度；利用先检测再滤波的方法，只对噪声道进行处理，具有较好的自适应性和振幅保真性。

2、非因果空间预测滤波压制随机噪声：地震剖面中线性同相轴在频率域每一频率切片上沿空间方向都具有可预测性，而随机噪声是不可预测的。通过建立双边Yule-Walker正则方程直接求取具有共轭对称结构的预测误差算子，可以使预测点之前和之后的点同时参与预测误差算子的计算，能够更好的适应同相轴振幅空间方向的变化。

1)首先将数据Fourier变换到频率域，对每一频率切片，建立双边Yule-Walker正则方程：

$E\left(f_0\right)=\underset{x}{\mathrm{\Σ}}{[s(f_0,x)-\underset{l=1}{\mathrm{\Σ}}s(f_0,x-l)\·a(f_0,l)-\underset{l=-p}{\mathrm{\Σ}}s(f_0,x-l)\·a(f_0,l)]}^2---\left(2.1\right)$

2)使目标泛函E(f₀)极小，得方程：

$\left[\begin{array}{cccc}R\left(0\right)+{\mathrm{\δ}}^2& R^{*}\left(1\right)& ...& R^{*}(p-1)\\ R\left(1\right)& R\left(0\right)+{\mathrm{\δ}}^2& ...& R^{*}(p-2)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ R(p-1)& R(p-2)& ...& R\left(0\right)+{\mathrm{\δ}}^2\end{array}\right]\left[\begin{array}{c}a(-p/2)\\ .\\ .\\ .\\ a\left(0\right)\\ .\\ .\\ .\\ a(p/2)\end{array}\right]=\left[\begin{array}{c}{R}^{*}(p/2)\\ .\\ .\\ .\\ R\left(0\right)\\ .\\ .\\ .\\ R(p/2)\end{array}\right]---\left(2.2\right)$

其中，R表示自相关，*表示复共轭，p为算子长度；

3)求解滤波算子a与原始频率切片褶积得到滤波后的频率切片；

4)最后反Fourier变换回到时间域，即得压制随机噪声后的结果。

3、FX域预测拟合去除线性干扰：首先分析和识别出地震数据中线性干扰的频带范围和视速度，然后预测并拟合线性干扰，最后从原始记录中减去线性干扰得到去噪后的结果。要求线性干扰的视速度不同于反射波，这在实际中一般都是可以满足的，其原理及实现过程为：

1)首先将地震剖面Fourier变换到频率域：

$D(f,x)=\underset{t=0}{\overset{j-1}{\mathrm{\Σ}}}d(t,x)e^{-i2\mathrm{\πft}/j}---\left(3.1\right)$

其中，d(t，x)为时间域地震道，x为道数，j为采样点数，D(f，x)为频率域数据。公式(3.1)同样适用涌浪噪声压制的第1步和非因果空间预测滤波的第1步。

2)通过频率扫描分析和视速度分析确定线性噪声频带范围及视速度，只在此频段内预测拟合指定视速度的线性干扰，波数与视速度对应关系：k＝f/v。

3)利用最小平方算法求解非因果预测拟合算子：

$\left[\begin{array}{cccc}R\left(0\right)+{\mathrm{\δ}}^2& R^{*}\left(1\right)& ...& R^{*}(p-1)\\ R\left(1\right)& R\left(0\right)+{\mathrm{\δ}}^2& ...& R^{*}(p-2)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ R(p-1)& R(p-2)& ...& R\left(0\right)+{\mathrm{\δ}}^2\end{array}\right]\left[\begin{array}{c}a(-p)\\ .\\ .\\ .\\ a\left(0\right)\\ .\\ .\\ .\\ a\left(p\right)\end{array}\right]=\left[\begin{array}{c}0\\ .\\ .\\ .\\ 1\\ .\\ .\\ .\\ 0\end{array}\right]---\left(3.2\right)$

R(m)＝e^i2πkmΔx，m＝1，…，p-1    (3.3)

其中，上标*表示复共轭，δ²为白噪因子，波数陷波宽度由算子长度p控制，p越大，陷波宽度越窄。

4)将频率域数据与预测拟合算子a(m)褶积：

$D^{\′}(f,x)=\underset{m=0}{\overset{p-1}{\mathrm{\Σ}}}a\left(m\right)D(f,x-m),x=1,\·\·\·,n---\left(3.4\right)$

其中，D′(f，x)为去线性噪声后频率域数据，其他与(3.1)标注相同。

5)将D′(f，x)反Fourier变换回时间域，即得预测拟合的线性干扰。

6)从原始记录中减去线性干扰得到去噪后的结果。

FX域预测拟合线性干扰压制方法能够自动扫描线性干扰的视速度，并准确进行预测拟合，具有较好的自适应性和保真性。

4、相位谱校正动态组合：褶积模型表述了地震道是由震源子波和反射系数褶积的结果。对于不含随机噪音的地震数据，褶积模型可表述为：

$s\left(t\right)=w\left(t\right)*\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\mathrm{\δ}(t-t_n)---\left(4.1\right)$

式中，w(t)为地震子波，r_n为第n层反射系数，t_n为第n层双程反射时间，N为总层数。s(t)的频谱表达式为：

S(ω)＝W(ω)R(ω)        (4.2)

式中，W(ω)为w(t)的频谱：

$W\left(\mathrm{\ω}\right)=\left|W\left(\mathrm{\ω}\right)\right|e^{-i{\mathrm{\φ}}_w\left(\mathrm{\ω}\right)}---\left(4.3\right)$

R(ω)是反射系数序列的频谱：

$R\left(\mathrm{\ω}\right)=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n{e}^{-\mathrm{i\ω}{t}_n}=\left|R\left(\mathrm{\ω}\right)\right|e^{-i{\mathrm{\φ}}_R\left(\mathrm{\ω}\right)}---\left(4.4\right)$

则振幅谱和相位谱分别为：

$\left|R\left(\mathrm{\ω}\right)\right|={({\left(\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\cos {\mathrm{\ωt}}_n\right)}^2+{\left(\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\sin {\mathrm{\ωt}}_n\right)}^2)}^{1/2}$

$={\left(\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\underset{m=1}{\overset{N}{\mathrm{\Σ}}}{r}_m\cos \mathrm{\ω}(t_n-t_m)\right)}^{1/2}---\left(4.5\right)$

${\mathrm{\φ}}_R\left(\mathrm{\ω}\right)=\arctan (\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\sin {\mathrm{\ωt}}_n/\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\cos {\mathrm{\ωt}}_n)---\left(4.6\right)$

有效信号的振幅谱和相位谱分别为：

|S(ω)|＝|W(ω)‖R(ω)|    (4.7)

φ(ω)＝φ_w(ω)+φ_R(ω)        (4.8)

在w(t)一定的情况下，振幅谱|S(ω)|和相位谱φ(ω)除了都和反射系数r_n有关外，|S(ω)|还与到达时的所有组合(t_n-t_m)有关，而与到达时间t_n无关；相位谱φ(ω)则相反，只与到达时间t_n有关。由此可见，到达时的信息包含在相位谱中，可以通过改变相位谱，达到改变t_n的目的。

海上高密度单点采集地震数据道间距小，组内各道时差也较小，通过划分时空窗，并且要求满足小时空窗内只包含一个同相轴的假设。通常选择组内中间道为参考道，只要将组内各道的相位谱用中间道的相位谱替换，并保持各自的振幅谱不变，就达到了消除组内各道时差的目的，进而实现动态组合。可以直接对道间各种时差进行校正，不需要静、动校正等处理，在提高信噪比的同时，不改变原始记录的振幅谱，有效保留反射信号的高频成分。

一个具体实施例，如图2所示，包含能量较强的涌浪噪声，如椭圆框内和箭头所指处，掩盖了部分有效信号。图3为自适应涌浪噪声衰减以后的结果，与图2比较可看出，涌浪噪声得到明显压制，使涌浪噪声能量和有效信号能量基本相当。而在应用非因果空间预测滤波压制随机噪声后(图4所示)，涌浪噪声能量得到进一步压制。图5为基于FX预测滤波线性干扰拟合压制后的结果，图6为去除线性干扰前、后部分区域放大后的处理效果对比，表明线性干扰得到有效压制，反射信号能量和连续性得到增强。图7为基于相移时差校正7道组合结果，有效信号明显增强，信噪比进一步提高。图8为原始高密度采集数据和经室内去噪及组合处理的数据抽稀后(每4道抽一道，抽稀后道间距为12.5m)的对比显示，表明室内去噪及组合处理使反射信号能量明显突出和加强，有效提高了资料的信噪比，显著改善了原始高密度地震数据的质量。

图9为高密度采集数据初始叠加剖面，由于叠前涌浪噪声和线性干扰的存在，叠加剖面上仍包含大量低频异常，将对偏移等后续处理造成不利影响，而线性干扰也严重影响有效信号同相轴的识别。图10为自适应涌浪噪声衰减和非因果空间预测滤波串联组合压制涌浪噪声后的叠加剖面，低频异常干扰得到有效压制。图11为叠前去除线性干扰后的叠加剖面，线性干扰得到有效压制，反射信号连续性明显增强。图12为原始高密度采集数据经室内去噪及相移时差校正7道组合处理后的最终叠加剖面，与初始叠加剖面相比，各种干扰得到有效压制，反射信号能量和连续性明显加强，信噪比显著提高。

Claims (2)

1.一种海上单点采集地震数据室内动态组合的方法，其包括如下处理步骤：原始高密度数据的采集→预处理→用自适应涌浪噪声压制法进行衰减→用非因果空间预测滤波法进行随机噪声压制→用FX域预测拟合压制线性干扰法去除线性干扰→用相位谱校正动态组合法进行相移时差校正动态组合→输出炮集记录；其中：

用所述自适应涌浪噪声压制法进行衰减包括如下步骤：

1)给定某一时空窗，对该时空窗内所有数据沿时间方向Fourier变换到频率域；

2)对给定频段的平均振幅应用空间中值滤波，并将此中值与待处理振幅比较，将大于中值一定倍数的振幅作为涌浪噪声，通过置0或用邻道正常振幅值替换来进行压制；

3)改变频段范围，做与2)同样处理，直至覆盖所有包含涌浪噪声的频段范围；

4)最后反Fourier变换回到时间域，得到去除涌浪噪声的结果；

用所述非因果空间预测滤波法进行随机噪声压制包括如下步骤：

1)首先将数据Fourier变换到频率域，对每一频率切片，建立双边Yule-Walker正则方程：

$E\left(f_0\right)=\underset{x}{\mathrm{\Σ}}{[s(f_0,x)-\underset{l=1}{\mathrm{\Σ}}s(f_0,x-l)\·a(f_0,l)-\underset{l=-p}{\mathrm{\Σ}}s(f_0,x-l)\·a(f_0,l)]}^2---\left(\text{2.1}\right)$

2)使目标泛函E(f₀)极小，得方程：

$\left[\begin{array}{cccc}R\left(0\right)+{\mathrm{\δ}}^2& R^{*}\left(1\right)& ...& R^{*}(p-1)\\ R\left(1\right)& R\left(0\right)+{\mathrm{\δ}}^2& ...& R^{*}(p-2)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ R(p-1)& R(p-2)& ...& R\left(0\right)+{\mathrm{\δ}}^2\end{array}\right]\left[\begin{array}{c}a(-p/2)\\ .\\ .\\ .\\ a\left(0\right)\\ .\\ .\\ .\\ a(p/2)\end{array}\right]=\left[\begin{array}{c}{R}^{*}(p/2)\\ .\\ .\\ .\\ R\left(0\right)\\ .\\ .\\ .\\ R(p/2)\end{array}\right]---\left(2.2\right)$

其中，R表示自相关，*表示复共轭，p为算子长度；

3)求解滤波算子a与原始频率切片褶积得到滤波后的频率切片；

4)最后反Fourier变换回到时间域，即得到压制随机噪声后的结果；

用所述FX域预测拟合压制线性干扰法去除线性干扰时，包括如下步骤：

1)首先将地震剖面Fourier变换到频率域：

$D(f,x)=\underset{t=0}{\overset{j-1}{\mathrm{\Σ}}}d(t,x)e^{-i2\mathrm{\πft}/j}---(3.1)$

其中，d(t，x)为时间域地震道，x为道数，j为采样点数，D(f，x)为频率域数据；

2)通过频率扫描分析和视速度分析确定线性噪声频带范围及视速度，只在此频段内预测拟合指定视速度的线性干扰，波数与视速度对应关系：k＝f/v；

3)利用最小平方算法求解非因果预测拟合算子：

$\left[\begin{array}{cccc}R\left(0\right)+{\mathrm{\δ}}^2& R^{*}\left(1\right)& ...& R^{*}(p-1)\\ R\left(1\right)& R\left(0\right)+{\mathrm{\δ}}^2& ...& R^{*}(p-2)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ R(p-1)& R(p-2)& ...& R\left(0\right)+{\mathrm{\δ}}^2\end{array}\right]\left[\begin{array}{c}a(-p)\\ .\\ .\\ .\\ a\left(0\right)\\ .\\ .\\ .\\ a\left(p\right)\end{array}\right]=\left[\begin{array}{c}0\\ .\\ .\\ .\\ 1\\ .\\ .\\ .\\ 0\end{array}\right]---\left(3.2\right)$

R(m)＝e^i2πkmΔx，m＝1，...，p-1    (3.3)

其中，上标*表示复共轭，δ²为白噪因子，陷波宽度由算子长度p控制，p越大，波数陷波宽度越窄；

4)将频率域数据与预测拟合算子a(m)褶积：

$D^{\′}(f,x)=\underset{m=0}{\overset{p-1}{\mathrm{\Σ}}}a\left(m\right)D(f,x-m),$ x＝1，...，n    (3.4)

其中，D′(f，x)为去线性噪声后频率域数据；

5)将D′(f，x)反Fourier变换回时间域，即得预测拟合的线性干扰；

6)从原始记录中减去线性干扰，得到去噪后的结果；

用相位谱校正动态组合法进行相移时差校正动态组合的步骤包括：

1)建立褶积模型，表述地震道是由震源子波和反射系数褶积的结果，对于不含随机噪音的地震数据，褶积模型表述为：

$s\left(t\right)=w\left(t\right)*\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\mathrm{\δ}(t-t_n)---\left(4.1\right),$

式中，w(t)为地震子波，r_n为第n层反射系数，t_n为第n层双程反射时间，N为总层数；

s(t)的频谱表达式为：

S(ω)＝W(ω)R(ω)    (4.2)；

式中，W(ω)为w(t)的频谱：

$W\left(\mathrm{\ω}\right)=\left|W\left(\mathrm{\ω}\right)\right|e^{-i{\mathrm{\φ}}_w\left(\mathrm{\ω}\right)}---\left(4.3\right);$

R(ω)是反射系数序列的频谱：

$R\left(\mathrm{\ω}\right)=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n{e}^{-\mathrm{i\ω}{t}_n}=\left|R\left(\mathrm{\ω}\right)\right|e^{-i{\mathrm{\φ}}_R\left(\mathrm{\ω}\right)}---\left(4.4\right);$

则振幅谱和相位谱分别为：

$\left|R\left(\mathrm{\ω}\right)\right|={({\left(\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\cos \mathrm{\ω}{t}_n\right)}^2+{\left(\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\sin \mathrm{\ω}{t}_n\right)}^2)}^{1/2}$

$={\left(\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\underset{m=1}{\overset{N}{\mathrm{\Σ}}}{r}_m\cos \mathrm{\ω}(t_n-t_m)\right)}^{1/2}---\left(4.5\right);$

${\mathrm{\φ}}_R\left(\mathrm{\ω}\right)=\arctan (\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\sin \mathrm{\ω}{t}_n/\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{r}_n\cos \mathrm{\ω}{t}_n)---\left(4.6\right);$

有效信号的振幅谱和相位谱分别为：

|S(ω)|＝|W(ω)|R(ω)|     (4.7)；

φ(ω)＝φ_w(ω)+φ_R(ω)    (4.8)。

2.如权利要求1所述的一种海上单点采集地震数据室内动态组合的方法，其特征在于：预处理包括剔除废道、废炮过程。

Images