CN102466819B - 地震信号的频谱分析方法及装置 - Google Patents

Abstract

本发明提供一种地震信号的频谱分析方法及装置，其中，该方法包括：获取地震信号；对地震信号进行Hilbert变换运算，以获得地震信号的解析信号；将解析信号进行WVD处理；根据WVD处理的结果，确定高斯窗函数和衰减系数；根据确定的高斯窗函数和衰减系数对WVD处理的结果进行平滑伪WVD分布时频分析处理。通过本发明，可以得到较高的地震信号频谱分析的时频分辨率。

Description

地震信号的频谱分析方法及装置

技术领域

本发明涉及地震勘探技术领域，具体地，涉及一种地震信号的频谱分析方法及装置。

背景技术

对地震信号处理是一种新的频谱分析技术，主要应用于油气藏的储层结构描述和流体性质识别，为油气藏勘探开发提供信息，从而降低风险成本，提高油气开采效率。目前，地震信号的频谱分析可以采用以下三种方式来实现：

(1)短时傅立叶变换(Short Time Fourier Transform，STFT)

为了获得某一时刻局部信号的频率信息，1946年，Gabor提出了短时傅立叶变换(STFT)的概念：

给定一信号f(t)∈L²(R)，其傅立叶变换为：

$\hat{f}\left(\mathrm{\&omega;}\right)=<f\left(t\right),e^{\mathrm{i\&omega;t}}>={\&Integral;}_{-\&infin;}^{\&infin;}f\left(t\right)e^{-\mathrm{i\&omega;t}}\mathrm{dt}---\left(1\right)$

其STFT定义为：

${\mathrm{STFT}}_f(\mathrm{\&omega;},t)=<f\left(\mathrm{\&tau;}\right),\mathrm{\&phi;}(\mathrm{\&tau;}-t)e^{\mathrm{i\&omega;\&tau;}}>=\&Integral;f\left(\mathrm{\&tau;}\right)\stackrel{\&OverBar;}{\mathrm{\&phi;}}(\mathrm{\&tau;}-t)e^{-\mathrm{i\&omega;\&tau;}}\mathrm{d\&tau;}---\left(2\right)$

式中φ(τ-t)是以τ＝t为中心的窗函数，

为φ(τ-t)的共轭函数，且窗函数φ(τ)应取对称函数并满足：

||φ(τ)||＝1，||φ(τ-1)||＝1            (3)

显然，STFT_f(ω，t)是变量(ω，t)的二维函数。在地震信号处理过程中，为了分析低频信号，宜选择较宽，面积较大的窗函数，如Hamming窗和Hanning窗等；为了分析高频信号，宜选择较窄，面积较小的窗函数，如Gauss窗和Nuttall窗等。

但是由于STFT受到窗函数的制约，使得时间定位和频率分辨率的效果折中，从而无法同时在时间域和频率域同时获得较高的分辨率。

(2)连续小波变换(Continuous wavelet transform，CWT)

设地震记录s(t)，其连续小波变换的定义为小波函数ψ_a，b(t)与s(t)的内积：

$S(a,b)=<s\left(t\right),{\mathrm{\&psi;}}_{a,b}\left(t\right)>=\frac{1}{\sqrt{\left|a\right|}}{\&Integral;}_{-\&infin;}^{\&infin;}s\left(t\right)\stackrel{\&OverBar;}{\mathrm{\&psi;}\left(\frac{t-b}{a}\right)}\mathrm{dt}---\left(4\right)$

其中，a为缩放因子(对应于频率信息)，b为平移因子(对应于时空信息)，ψ(t)叫基小波或母小波，

表示ψ(t)的复共轭。小波变换S(a，b)体现的是原来的函数或信号s(t)在t＝b点附近随着分析和观察的范围逐渐变化时表现出来的变化情况。

小波变换与傅立叶变换比较，它们的变换核不同：傅立叶变换的变换核为固定的虚指数函数(复三角函数)e-iwt，而小波变换的变换核为任意的母小波ψ(t)。前者是固定的，而后者是可选的，实际上母小波有无穷多种。

通过小波函数的伸缩可以将地震信号分解到时间-尺度域，在高频时有较高的时间分辨率，但适合地震信号的Morlet小波由于不是正交小波函数，因此在低频时频率分辨率低，在高频时时间分辨率低；

(3)Wigner-Ville分布(Wigner-Ville Distribution，WVD)

地震实信号s(t)的Wigner-Ville分布定义式为：

$W(t,f)={\&Integral;}_{-\&infin;}^{\&infin;}s(t+\mathrm{\&tau;}/2)s^{*}(t-\mathrm{\&tau;}/2)e^{-j2\mathrm{\&pi;f\&tau;}}\mathrm{d\&tau;}---\left(5\right)$

其中，τ为时间延迟，s^*(t)为s(t)的共轭函数，WVD保留了时频的平易不变性，并满足边缘特性。不同于短时傅立叶变换和小波变换的是，WVD实质是将信号的能量分布于时频平面内，式中不含有任何的窗函数，避免了短时傅立叶变换时间分辨率与频率分辨率相互牵制的矛盾。但由(5)式可以看出，WVD是非线性的，即两信号之和的WVD不等于每个信号的WVD分布之和，具有双线性。因此，WVD存在交叉项，交叉项提供了虚假的能谱分布，这也是一直制约WVD应用于多分量非平稳信号时频分析的瓶颈。例如，两分量信号其Wigner-Ville时频分布为：

${\mathrm{WVD}}_x(t,\mathrm{\&omega;})=2\mathrm{\&pi;}[A^2\mathrm{\&delta;}(\mathrm{\&omega;}-{\mathrm{\&omega;}}_1)+B^2\mathrm{\&delta;}(\mathrm{\&omega;}-{\mathrm{\&omega;}}_2)$

$+2\mathrm{AB\&delta;}(\mathrm{\&omega;}-\frac{{\mathrm{\&omega;}}_1+{\mathrm{\&omega;}}_2}{2})\cos \left\{({\mathrm{\&omega;}}_1-{\mathrm{\&omega;}}_2)t\right\}]---\left(6\right)$

其中，δ为狄拉克冲击函数。(8)式为交叉项，它出现在两个分量的中间，其振幅与两个分量的振幅的乘积成正比，并以角频率ω1-ω2发生振荡。

发明内容

本发明实施例的主要目的在于提供一种地震信号的频谱分析方法及装置，以解决现有技术中的WVD由于存在交叉项而影响地震信号频谱分析的时频分辨率。

为了实现上述目的，本发明实施例提供一种地震信号的频谱分析方法，该方法包括：获取地震信号；对所述的地震信号进行Hilbert变换运算，以获得所述地震信号的解析信号；将所述的解析信号进行WVD处理；根据所述WVD处理的结果，确定高斯窗函数和衰减系数；根据确定的高斯窗函数和衰减系数对所述WVD处理的结果进行平滑伪WVD分布时频分析处理。

具体地，所述确定高斯窗函数和衰减系数包括：确定时间域和频率域的高斯窗函数、以及时间域和频率域的衰减系数。

其中，确定时间域和频率域的高斯窗函数、以及时间域和频率域的衰减系数包括：确定所述时间域的高斯窗函数长度为取零相位子波两个波谷之间的长度；确定所述频率域的高斯窗函数长度为所述时间域的高斯窗函数长度的两倍；确定所述时间域的衰减系数为1.9858e-007；确定所述频率域的衰减系数为0.0211。

上述根据确定的高斯窗函数和衰减系数对所述WVD处理的结果进行平滑伪WVD分布时频分析处理包括：根据所述确定的时间域和频率域的高斯窗函数、以及时间域和频率域的衰减系数对所述WVD处理的结果进行平滑伪WVD分布时频分析处理。

本发明实施例还提供一种地震信号的频谱分析装置，所述装置包括：地震信号获取单元，用于获取地震信号；解析信号获得单元，用于对所述的地震信号进行Hilbert变换运算，以获得所述地震信号的解析信号；WVD处理单元，用于将所述的解析信号进行WVD处理；高斯函数确定单元，用于根据所述WVD处理的结果，确定高斯窗函数和衰减系数；平滑伪WVD处理单元，用于根据确定的高斯窗函数和衰减系数对所述WVD处理的结果进行平滑伪WVD分布时频分析处理。

具体地，所述高斯函数确定单元包括：高斯窗函数确定模块，用于确定时间域和频率域的高斯窗函数；衰减系数确定模块，用于确定时间域和频率域的衰减系数。

其中，所述的高斯窗函数确定模块具体用于：确定所述时间域的高斯窗函数长度为取零相位子波两个波谷之间的长度、以及确定所述频率域的高斯窗函数长度为所述时间域的高斯窗函数长度的两倍；所述的衰减系数确定模块具体用于：确定所述时间域的衰减系数为5.9858e-007，确定所述频率域的衰减系数为0.0655。

上述平滑伪WVD处理单元具体用于：根据所述确定的时间域和频率域的高斯窗函数、以及时间域和频率域的衰减系数对所述WVD处理的结果进行平滑伪WVD分布时频分析处理。

借助于上述技术方案至少之一，通过根据确定的高斯窗函数和衰减系数对WVD处理的结果进行平滑伪WVD分布时频分析处理，可以克服现有技术中由于存在交叉项而影响地震信号频谱分析的时频分辨率的问题，从而得到较高的地震信号频谱分析的时频分辨率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的地震信号的频谱分析方法的流程图；

图2是根据本发明实施例的地震信号的频谱分析方法的流程框图；

图3是合成地震记录各种不同时频分析方法的对比图；

图4是经过井X856、X851、X853、X2的地震剖面；

图5是过井地震剖面采用平滑伪Wigner-Ville分布计算的时频谱图；

图6是根据本发明实施例的地震信号的频谱分析装置的结构框图；

图7是根据本发明实施例的高斯函数确定单元的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

由于现有技术中的WVD存在交叉项，因此会影响地震信号频谱分析的时频分辨率，基于此，本发明实施例提供一种地震信号的频谱分析方法及装置。以下结合附图对本发明进行详细说明。

实施例一

本发明实施例提供一种地震信号的频谱分析方法，图1是该方法的流程图，如图1所示，该方法包括：

步骤101，获取地震信号；

步骤102，对地震信号进行Hilbert变换运算，以获得地震信号的解析信号；

步骤103，将解析信号进行WVD处理；

步骤104，根据WVD处理的结果，确定高斯窗函数和衰减系数；

步骤105，根据确定的高斯窗函数和衰减系数对WVD处理的结果进行平滑伪WVD分布时频分析处理。

由以上描述可以看出，通过根据确定的高斯窗函数和衰减系数对WVD处理的结果进行平滑伪WVD分布时频分析处理，可以克服现有技术中的缺陷，从而得到较高的地震信号频谱分析的时频分辨率。

具体地，上述确定高斯窗函数和衰减系数包括：确定时间域和频率域的高斯窗函数、以及时间域和频率域的衰减系数，这样就可以在时间域和频率域上消除交叉项，从而提高地震信号频谱分析的时频分辨率。

其中，确定时间域的高斯窗函数长度为取零相位子波两个波谷之间的长度；确定频率域的高斯窗函数长度为时间域的高斯窗函数长度的两倍；确定时间域的衰减系数为1.9858e-007；确定频率域的衰减系数为0.0211。

在确定时间域和频率域的高斯窗函数、以及时间域和频率域的衰减系数之后，步骤105具体为：根据确定的时间域和频率域的高斯窗函数、以及时间域和频率域的衰减系数对WVD处理的结果进行平滑伪WVD分布时频分析处理。

为了进一步理解本发明实施例，以下详细描述本发明实施例。

1.获取地震实信号s(t)；

2.获取地震实信号s(t)的解析信号：

假设地震实信号s(t)的解析信号为z(t)：

z(t)＝s(t)+jH[s(t)]                        (7)

s(t)作为z(t)的实部，其虚部H[s(t)]是s(t)的Hilbert变换。

3.将解析信号z(t)进行WVD处理：

地震实信号s(t)的Wigner-Ville分布可用其解析信号形式定义为：

$W_z(t,f)={\&Integral;}_{-\&infin;}^{+\&infin;}z(t+\frac{\mathrm{\&tau;}}{2})z^{*}(t-\frac{\mathrm{\&tau;}}{2})e^{-j2\mathrm{\&pi;f\&tau;}}\mathrm{d\&tau;}---\left(8\right)$

其中，Z^*为Z的共轭。

$K_z(t,\mathrm{\&tau;})=z(t+\frac{\mathrm{\&tau;}}{2})z^{*}(t-\frac{\mathrm{\&tau;}}{2})---\left(9\right)$

K_z(t，τ)为z(t)的瞬时自相关函数，(8)式可以理解为z(t)的瞬时自相关函数关于时间延迟τ的傅立叶变换。解析信号z(t)的WVD时频分布可以抑制信号的对称性冗余以及零频率附近的交叉项，但在任意两个信号分量之间仍然存在严重的交叉项干扰。

4.核函数对交叉项的抑制

采用平滑窗函数可以使WVD中的交叉项进一步得到抑制，还能保持WVD的时移和频移不变性。如果只采用频率域平滑窗函数，则得到伪WVD时频分布，即：

$\mathrm{PW}(t,f)={\&Integral;}_{-\&infin;}^{\&infin;}h\left(\mathrm{\&tau;}\right)z(t+\mathrm{\&tau;}/2)z^{*}(t-\mathrm{\&tau;}/2)e^{-j2\mathrm{\&pi;f\&tau;}}\mathrm{d\&tau;}---\left(10\right)$

其中，h(τ)定义在[-T/2，T/2]时间区间内。如果同时采用窗函数g(υ)和h(τ)对时域变量和频域变量进行平滑，则得到平滑伪Wigner-Ville分布(SPWVD)，它是Cohen类的一种，其表达式为：

${\mathrm{SW}}_{g,h,z}(t,f)=\underset{-\&infin;}{\overset{\&infin;}{\&Integral;}}\underset{-\&infin;}{\overset{\&infin;}{\&Integral;}}z(t+\frac{\mathrm{\&tau;}}{2})z^{*}(t-\frac{\mathrm{\&tau;}}{2})h\left(\mathrm{\&tau;}\right)g\left(v\right)e^{-j2\mathrm{\&pi;f\&tau;}}\mathrm{d\&tau;dv}---\left(11\right)$

这里的g(υ)和h(τ)是两个实对称窗口，并且h(0)＝g(0)＝1。(11)式可以写成模糊函数的表达式：

${\mathrm{SW}}_{g,h,z}(t,f)=\underset{-\&infin;}{\overset{\&infin;}{\&Integral;}}\underset{-\&infin;}{\overset{\&infin;}{\&Integral;}}z(u+\frac{\mathrm{\&tau;}}{2})z^{*}(u-\frac{\mathrm{\&tau;}}{2})h\left(\mathrm{\&tau;}\right)g\left(v\right)e^{-j2\mathrm{\&pi;f\&tau;}}\mathrm{\&delta;}(t-u)\mathrm{dud\&tau;dv}$

$=\underset{-\&infin;}{\overset{\&infin;}{\&Integral;}}\underset{-\&infin;}{\overset{\&infin;}{\&Integral;}}\underset{-\&infin;}{\overset{\&infin;}{\&Integral;}}z(u+\frac{\mathrm{\&tau;}}{2})z^{*}(u-\frac{\mathrm{\&tau;}}{2})h\left(\mathrm{\&tau;}\right)g\left(v\right)e^{-j2\mathrm{\&pi;f\&tau;}}{e}^{-j2\mathrm{\&pi;v}(t-u)}\mathrm{dud\&tau;dv}---\left(12\right)$

其中，δ为Dirac冲击函数，假设模糊函数为A_z(τ，v)，A_z(τ，v)为z(u)的瞬时自相关函数关于u的傅立叶反变换：

$A_z(\mathrm{\&tau;},v)=\underset{-\&infin;}{\overset{\&infin;}{\&Integral;}}z(u+\frac{\mathrm{\&tau;}}{2})z^{*}(u-\frac{\mathrm{\&tau;}}{2})e^{j2\mathrm{\&pi;uv}}\mathrm{du}---\left(13\right)$

将(13)式代入(12)式可以得到：

${\mathrm{SW}}_{g,h,z}(t,f)=\underset{-\&infin;}{\overset{\&infin;}{\&Integral;}}\underset{-\&infin;}{\overset{\&infin;}{\&Integral;}}{A}_z(\mathrm{\&tau;},v)\mathrm{\&phi;}(\mathrm{\&tau;},v)e^{-j2\mathrm{\&pi;}(\mathrm{tv}+\mathrm{\&tau;f})}\mathrm{d\&tau;dv}---\left(14\right)$

其中，φ(τ，v)＝h(τ)g(v)为核函数。由(14)式可知SPWVD中任一点的SW_s，h，z(t，f)值是模糊函数值A_z(τ，v)经核函数的加权平均。多分量信号在模糊域(τ，v)平面上有一重要性质：不同分量的信号都通过模糊域的原点，而交叉项位于(τ，v)平面上距离原点有一段距离的地方，因此可以通过合理的设计核函数来抑制交叉项。即，在(τ，v)平面上接近原点的模糊函数值给以较大的核函数，远离原点的模糊函数值给以较小的核函数。也就是说，核函数必须是(τ，v)平面内的一个二维低通滤波器。

5.平滑窗函数参数的选取

在本实施例中，采用高斯函数在时间域和频率域消除交叉项，即平滑伪Wigner-Ville时频分布。时间域平滑窗函数一般取零相位子波两个波谷之间的长度；而频率域窗函数的长度则取为时间域窗函数的2倍；时间域高斯衰减系数取为1.9858e-007，而频率域高斯衰减系数取为0.0211，这样在合成地震信号模型和实际地震资料的处理中均能得到较高的时频分辨率。

由以上描述、以及图2所示的流程框图可知，通过对地震信号进行Hilbert变换获得解析信号，然后分析交叉项的几何结构，选择合适的高斯函数窗长度和衰减系数，进而计算地震信号的平滑伪Wigner-Ville分布时频谱，这样就可以具有更高的时频分辨率，能够突出时频的局部化特征和储层的微观结构。

图3是合成地震记录各种不同时频分析方法的对比图，如图3所示，从左至右的图分别为：不同频率(20Hz和40Hz)的Ricker子波合成地震道信号、Wigner-Ville分布方法得到的时频谱图、平滑伪Wigner-Ville分布方法得到的时频谱图、重排平滑伪Wigner-Ville分布方法得到的时频谱图、短时窗付立叶变换得到的时频谱图和小波变换得到时时频谱图。从图3所示的不同方法得到的时频谱图可以看出，Wigner-Ville分布方法在时间和频率上都存在交叉项，平滑伪Wigner-Ville方法可以消除时间和频率上的交叉项，但时间分辨率较低，而重排平滑伪Wigner-Ville分布方法可以改进时间分辨率，相比较短时窗付立叶变换法时间和频率上的分辨率都要低于重排平滑伪Wigner-Ville分布方法，而小波变换法在时间和频率上的分辨率更低。

以下给出一实例，该实例是利用来自川西坳陷的一实际含气油藏的二维地震数据体，该油藏为致密性裂缝性油气藏，经过钻井验证已经取工业性天然气流。图4所示的是过井X856、X851、X853、X2的地震剖面，时间在2.3s-2.4s左右处为目的层，其中T51是解释的目的储层的顶界面，T511是解释的目的层位的底界面，研究分析了过井X856、X851、X853、X2的地震剖面的频谱特征，在目的层位置钻遇了两层含气层。

基于图4所示的地震剖面，图5是该过井地震剖面采用平滑伪Wigner-Ville分布计算的20Hz的时频谱，如图5所示，可以看出在储层位置有两层油气显示，这个结果与钻井钻遇情况具有很好的一致性。

实施例二

本发明实施例还提供一种地震信号的频谱分析装置，优选地用于实现上述实施例一中的方法，如图6所示，该装置包括：

地震信号获取单元1，用于获取地震信号；

解析信号获得单元2，用于对地震信号进行Hilbert变换运算，以获得地震信号的解析信号：

WVD处理单元3，用于将解析信号进行WVD处理；

高斯函数确定单元4，用于根据WVD处理的结果，确定高斯窗函数和衰减系数；

平滑伪WVD处理单元5，用于根据确定的高斯窗函数和衰减系数对WVD处理的结果进行平滑伪WVD分布时频分析处理。

由以上描述可以看出，通过平滑伪WVD处理单元5根据高斯函数确定单元确定的高斯窗函数和衰减系数4对WVD处理的结果进行平滑伪WVD分布时频分析处理，可以克服现有技术中的缺陷，从而得到较高的地震信号频谱分析的时频分辨率。

具体地，如图7所示，高斯函数确定单元4包括：

高斯窗函数确定模块41，用于确定时间域和频率域的高斯窗函数；

衰减系数确定模块42，用于确定时间域和频率域的衰减系数。

通过高斯窗函数确定模块41和衰减系数确定模块42，可以在时间域和频率域上消除交叉项，从而提高地震信号频谱分析的时频分辨率。

其中，高斯窗函数确定模块具体用于：确定时间域的高斯窗函数长度为取零相位子波两个波谷之间的长度、以及确定频率域的高斯窗函数长度为时间域的高斯窗函数长度的两倍；衰减系数确定模块具体用于：确定时间域的衰减系数为5.9858e-007，确定频率域的衰减系数为0.0655。

上述的平滑伪WVD处理单元具体用于：根据确定的时间域和频率域的高斯窗函数、以及时间域和频率域的衰减系数对WVD处理的结果进行平滑伪WVD分布时频分析处理。

上述各单元、各模块的执行过程可以参考上述实施例一中的描述，这里不再赘述。

综上所述，本发明实施例采用高斯函数在时间域和频率域消除交叉项，即进行平滑伪Wigner-Ville时频分布处理，这样在合成地震信号模型和实际地震资料的处理中均能得到较高的时频分辨率，并且不需要非常大的运算量就能获得比STFT和CWT更高的分辨率，适合大量地震数据处理。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读取存储介质中，比如ROM/RAM、磁碟、光盘等。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种地震信号的频谱分析方法，其特征在于，所述的方法包括：

获取地震信号；

对所述的地震信号进行Hilbert变换运算，以获得所述地震信号的解析信号；

将所述的解析信号进行Wigner-Ville分布WVD处理；

根据所述WVD处理的结果，确定高斯窗函数和衰减系数；

根据确定的高斯窗函数和衰减系数对所述WVD处理的结果进行平滑伪WVD分布时频分析处理；

所述确定高斯窗函数和衰减系数包括：

确定时间域和频率域的高斯窗函数、以及时间域和频率域的衰减系数；

所述确定时间域和频率域的高斯窗函数、以及时间域和频率域的衰减系数包括：

确定所述时间域的高斯窗函数长度为取零相位子波两个波谷之间的长度；

确定所述频率域的高斯窗函数长度为所述时间域的高斯窗函数长度的两倍；

确定所述时间域的衰减系数为1.9858e-007；

确定所述频率域的衰减系数为0.0211。

2.根据权利要求1所述的方法，其特征在于，根据确定的高斯窗函数和衰减系数对所述WVD处理的结果进行平滑伪WVD分布时频分析处理包括：

根据所述确定的时间域和频率域的高斯窗函数、以及时间域和频率域的衰减系数对所述WVD处理的结果进行平滑伪WVD分布时频分析处理。

3.一种地震信号的频谱分析装置，其特征在于，所述的装置包括：

地震信号获取单元，用于获取地震信号；

解析信号获得单元，用于对所述的地震信号进行Hilbert变换运算，以获得所述地震信号的解析信号；

WVD处理单元，用于将所述的解析信号进行WVD处理；

高斯函数确定单元，用于根据所述WVD处理的结果，确定高斯窗函数和衰减系数；

平滑伪WVD处理单元，用于根据确定的高斯窗函数和衰减系数对所述WVD处理的结果进行平滑伪WVD分布时频分析处理；

所述高斯函数确定单元包括：

高斯窗函数确定模块，用于确定时间域和频率域的高斯窗函数；

衰减系数确定模块，用于确定时间域和频率域的衰减系数；

所述的高斯窗函数确定模块具体用于：确定所述时间域的高斯窗函数长度为取零相位子波两个波谷之间的长度、以及确定所述频率域的高斯窗函数长度为所述时间域的高斯窗函数长度的两倍；

所述的衰减系数确定模块具体用于：确定所述时间域的衰减系数为5.9858e-007，确定所述频率域的衰减系数为0.0655。

4.根据权利要求3所述的装置，其特征在于，所述平滑伪WVD处理单元具体用于：

根据所述确定的时间域和频率域的高斯窗函数、以及时间域和频率域的衰减系数对所述WVD处理的结果进行平滑伪WVD分布时频分析处理。

Images