CN103412325A - 一种地震纵、横波波场分离与去噪的方法 - Google Patents

Abstract

本发明提供一种地震纵、横波波场分离与去噪的方法，包括：根据含M₀道，每道N₀个采样点的地震数据生成二维数组X₁；将X₁中的地震数据进行正常时差校正，生成校正数据L₁；对L₁进行奇异值分解，生成初始奇异值矩阵∑₁；根据∑₁的奇异值谱获取∑₁的畸变位置；将畸变位置后的奇异值构成高通滤波奇异值矩阵∑₃；奇异值分解∑₃，生成高通滤波重构信号L_Hp；将L_Hp进行正常时差反校正处理，生成高通反校正数据X₃；根据M₀、N₀对X₃进行扩边处理，生成扩边矩阵X₄；对X₄进行二维傅里叶正变换得到f-k谱Y₁；根据Y₁提取目标信号的f-k谱，生成目标f-k谱Y₂；对Y₂进行二维傅里叶反变换，生成反变换数据X₅；对X₅进行缩边处理，生成缩边后数据X₆；将X₆转换为与采样点的地震数据相同的格式并输出。

Description

一种地震纵、横波波场分离与去噪的方法

技术领域

本发明涉及地震数据处理技术领域，具体地，是涉及一种地震纵、横波波场分离与去噪方法。

背景技术

地震波场非常复杂，对于单一类型地震波激发，当遇到弹性界面以后，波场会发生转换，形成转换波，同时，地震数据采集时，外界各种干扰因素的影响和地震波自身的传播性质，均会带入许多规则和不规则的干扰信号，严重影响地质信息的提取。不同类型的地震信号在视速度、相干性、频率等属性上存在差异，不同类型的信号因这些属性上的差异而彼此分离，但有时候可能会有一部分信号在这些属性谱中重叠，此时，针对不同属性的单一一种波场分离与去噪方法并不能把所有的波场分离开。常用的分离方法，在有效信号和干扰信号的相干性差异较大的情况下，比较容易实现波场分离与去噪，但由于纵、横场相干性差异较小，此时进行地震纵、横波场的分离，往往效果不理想，而且有效信号容易受到破坏；若是利用地震波场之间的视速度和频率差异对地震波场进行分离，由于纵、横波波场往往在频率和视速度上存在重叠，此时，纵、横波分离时，有效信号容易受到破坏，容易出现假频，从而妨碍了对地质信息的提取。

发明内容

本发明实施例的主要目的在于提供一种地震纵、横波波场分离与去噪的方法，以解决现有技术中分离方法存在的不能有效去除干扰、有效信号损失严重等问题。

为了实现上述目的，本发明实施例提供一种地震纵、横波波场分离与去噪的方法，该方法包括：根据含有M₀道，每道有N₀个采样点的地震数据生成二维数组X₁；依据纵波叠加速度和P-P反射波时距规律，将所述二维数组X₁中的地震数据进行正常时差校正，生成校正数据L₁；对所述校正数据L₁进行奇异值分解，生成初始奇异值矩阵∑₁；根据所述初始奇异值矩阵∑₁的奇异值谱获取所述初始奇异值矩阵∑₁的畸变位置；将所述畸变位置前的奇异值构成低通滤波奇异值矩阵∑₂，将所述畸变位置后的奇异值构成高通滤波奇异值矩阵∑₃；奇异值分解所述高通滤波奇异值矩阵∑₃，生成高通滤波重构信号L_Hp；依据纵波叠加速度和P-P反射波时距规律，将所述高通滤波重构信号L_Hp进行正常时差反校正处理，生成高通反校正数据X₃；根据所述M₀、N₀的数值判断是否需要对所述高通反校正数据X₃进行扩边处理，如果是，对所述高通反校正数据X₃进行扩边处理，生成扩边矩阵X₄；对所述扩边矩阵X₄进行二维傅里叶正变换得到f-k谱Y₁；根据所述f-k谱Y₁提取目标信号的f-k谱，生成目标f-k谱Y₂；对所述目标f-k谱Y₂进行二维傅里叶反变换，生成反变换数据X₅；对所述反变换数据X₅进行缩边处理，生成缩边后数据X₆；将所述缩边后数据X₆转换为与所述采样点的地震数据相同的格式并输出。

进一步地，在将所述畸变位置前的奇异值构成低通滤波奇异值矩阵∑₂之后，所述方法还包括：奇异值分解所述低通滤波奇异值矩阵∑₂，生成低通滤波重构信号L_Lp；依据纵波叠加速度和P-P反射波时距规律，将所述低通滤波重构信号L_Lp进行正常时差反校正处理，生成低通反校正数据X₂；将所述反校正数据X₂转换为与所述采样点的地震数据相同的格式并输出。

具体地，所述根据所述M₀、N₀的数值判断是否需要对X₃进行扩边处理，包括：当所述M₀、N₀的数值为2的整数幂时，不需要对所述高通反校正数据X₃进行扩边处理；当所述M₀、N₀的数值不是2的整数幂时，需要对所述高通反校正数据X₃进行扩边处理。

进一步地，如果不需要对所述高通反校正数据X₃进行扩边处理，所述方法还包括：对所述高通反校正数据X₃进行二维傅里叶正变换得到f-k谱Y₁；根据所述f-k谱Y₁提取目标信号的f-k谱，生成目标f-k谱Y₂；对所述目标f-k谱Y₂进行二维傅里叶反变换，生成反变换数据X₅；将所述反变换数据X₅转换为与所述采样点的地震数据相同的格式并输出。

具体地，所述目标信号为P-S转换波或噪声信号。

本发明的有益效果在于：通过对地震纵、横波成分进行奇异值分解（SVD）与f-k滤波技术联合来实现波场分离与去噪的目的，克服了有效信号损失严重等缺陷，具有地震纵、横波分离彻底，噪声剔除较干净的特点。

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为根据本发明实施例的地震纵、横波波场分离与去噪的方法的流程图；

图2为根据本发明实施例的地震纵、横波波场分离与去噪的方法的另一流程图

图3为原始地震数据记录图；

图4为依据纵波叠加速度和P-P波时距规律进行正常时差校正后的地震记录图；

图5为正常时差校正后的奇异值和提取重构P-P波的奇异值图；

图6为提取的P-P波地震记录图；

图7为进行正常时差反校正后的低通滤波信号的地震记录图；

图8为进行正常时差反校正后的高通滤波信号的地震记录图；

图9为剔除P-P波的地震波场图；

图10为f-k原始谱图；

图11为提取目标信号的f-k谱图；

图12为提取的P-S波图；

图13为噪声的记录图。

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作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。

本发明实施例提供一种地震纵、横波波场分离与去噪的方法。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纵、横波波场分离与去噪的方法，图1为根据本发明实施例的地震纵、横波波场分离与去噪的方法的流程图，如图1所示，上述方法包括以下步骤：

步骤101：根据含有M₀道，每道有N₀个采样点的地震数据生成二维数组X₁：

其中，a_1,1,a_1,2,…,

a_2,1,a_2,2,…,

为原始地震数据；

步骤102：依据纵波叠加速度和P-P反射波时距规律，将二维数组X₁中的地震数据进行正常时差校正（NMO），生成校正数据L₁；正常时差的确定方法为：

$\mathrm{\Δt}=t-t_0=\sqrt{t_0^2+\frac{x^2}{v_P^2}}-t_0$

式中，Δt为P-P反射波正常时差，x为偏移距，t是偏移距为x的旅行时，t₀为零炮检距情况下的旅行时，v_P为纵波叠加速度；

经过正常时差校正得到的校正数据L₁为：

其中，b_1,1,b_1,2,…,b_2,1,b_2,2,…,

…,

为NMO后的地震数据；

步骤103：对校正数据L₁进行奇异值分解，生成初始奇异值矩阵∑₁；通过如下公式对L₁进行奇异值分解：

$L_1=U_1{\mathrm{\Σ}}_1{V}_1^T$

其中，上角T表示矩阵转置，U₁由

的特征值向量构成，V₁由

的特征值向量构成，∑₁由奇异值构成（称为初始奇异值矩阵），奇异值由大到小排列在矩阵的主对角线上，得到的初始奇异值矩阵∑₁如下：

式中，σ₁,σ₂…σ_m为L₁的奇异值；

步骤104：根据初始奇异值矩阵∑₁的奇异值谱获取初始奇异值矩阵∑₁的畸变位置；在上述步骤103中，对初始奇异值矩阵∑₁进行奇异值分解后，能够得到初始奇异值矩阵∑₁的奇异值谱，根据奇异值谱确定初始奇异值矩阵∑₁的畸变位置；

步骤105：将畸变位置前的奇异值构成低通滤波奇异值矩阵∑₂，将畸变位置后的奇异值构成高通滤波奇异值矩阵∑₃；

步骤106：奇异值分解高通滤波奇异值矩阵∑₃，生成高通滤波重构信号L_Hp；

上述步骤104-106，是由确定的畸变位置分别进行高通滤波信号和低通滤波信号的重构，从而得到重构信号的过程，具体过程包括：

奇异值分解高通滤波：提取高通滤波奇异值矩阵∑₃重构信号：

$L_{\mathrm{Hp}}=\underset{j=p+1}{\overset{M_0}{\mathrm{\Σ}}}{\mathrm{\σ}}_j{u}_j{v}_j^T---\left(1\right);$

式中，L_Hp为奇异值分解高通滤波后重构的信号，上角T表示转置，j为奇异值序号，p为L₁的秩，且1≤p<M₀，M₀为地震记录总道数，σ_j为L₁的第j个奇异值，u_j为

的第j个特征向量，v_j为的第j个特征向量。

其中，p的选择取决于奇异值的相对大小，具体是通过奇异值σ_j的下标j的函数曲线来确定，并根据奇异值谱中两奇异值发生明显畸变的特征来判断，如第3个与第4个奇异值之间发生明显畸变，并且要达到低通滤波效果，此时提取前3个奇异值重构信号（其余位置充0），得到低通滤波奇异值矩阵∑₂：

如果要达到高通滤波效果，此时前3个奇异值充0后重构信号（其余位的值保留不变），得到高通滤波奇异值矩阵∑₃：

然后将∑₃带入上述（1）中的公式，即可得到高通滤波重构信号L_Hp。

步骤107：依据纵波叠加速度和P-P反射波时距规律，将上述高通滤波重构信号L_Hp进行正常时差反校正处理，生成高通反校正数据X₃：

式中，为SVD高通滤波后地震数据，需要说明的是，此处各个地震数据的上标的3并非表示数据的三次方，而仅是为了区分作用所做的标识，以标识其是在X₃中的数据。

正常时差的确定方法为：

$\mathrm{\&Delta;t}=t-t_0=\sqrt{t_0^2+\frac{x^2}{v_P^2}}-t_0$

式中，Δt为P-P反射波正常时差，x为偏移距，t是偏移距为x的旅行时，t₀为零炮检距情况下的旅行时，v_P为纵波叠加速度。

步骤108：根据步骤101中所述的M₀、N₀的数值判断是否需要对高通反校正数据X₃进行扩边处理，如果是，对所述高通反校正数据X₃进行扩边处理，生成扩边矩阵X₄；

由于对X₃进行扩边处理的目的是为了后续有效进行二维傅里叶变换，因此，判断X₃是否需要进行扩边处理的标准是，判断M₀、N₀是否是2的整数幂，若M₀、N₀已是2的整数幂，则不需扩边处理，即M₀=M，N₀=N；如果M₀、N₀不是2的整数幂，则将其扩充成与其数值接近的2的整数幂。例如：如果M₀=100，则扩展成M=128，如果N₀=2000，则扩展成N=2048，对于扩边产生的多余的元素则用0填充。

步骤109：将扩边后的数据X₄进行二维傅里叶正变换得到f-k谱Y₁；二维离散傅里叶正变换为：

$Y_1(m,n)=\frac{1}{\mathrm{MN}}\underset{j=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}{X}_4(j,k)e^{-i2\mathrm{\&pi;}(\frac{\mathrm{jm}}{M}+\frac{\mathrm{kn}}{N})}$

式中，

j=1,2,…,M；k=1,2,…,N；m=1,2,…,M；n=1,2,…,N。

步骤110：对f-k谱Y₁进行分析和处理，提取目标信号的f-k谱，得到Y₂；

步骤111：对Y₂进行二维傅里叶反变换得到反变换数据X₅。

二维离散傅里叶反变换为：

$X_5(j,k)=\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{Y}_2(m,n)e^{i2\mathrm{\&pi;}(\frac{\mathrm{jm}}{M}+\frac{\mathrm{kn}}{N})}$

式中，

j=1,2,…,M；k=1,2,…,N；m=1,2,…,M；n=1,2,…,N。

步骤112：对反变换数据X₅进行缩边处理，生成缩边后数据X₆；

缩边处理即使与上述步骤108中的扩边处理相对应，将M、N缩成M₀、N₀，得到缩边后数据X₆：

式中，

为f-k滤波后地震数据，需要说明的是，此处上标的6并非表示数据的六次方，而仅是为了区分作用所做的标识，以标识其是在X₆中的数据。

步骤113：将缩边后数据X₆转换为与步骤101中的采样点的地震数据相同的格式并输出，当目标f-k谱Y₂为P-S转换波的f-k谱时，则输出的缩边后数据X₆为P-S转换波；当目标f-k谱Y₂为噪声的f-k谱时，则输出的缩边后数据X₆为噪声。

通过上述的地震纵、横波波场分离与去噪的方法实现了通过f-k变换对地震P-S转换波场进行分离与去噪的处理。

需要说明的是，上述步骤108～步骤113，是根据M₀、N₀判断需要对高通反校正数据X₃进行扩边处理的情况，而当M₀、N₀均为2的整数幂时，则不需要对高通反校正数据X₃进行扩边处理，则本发明的地震纵、横波波场分离与去噪的方法的步骤108～步骤113可以简化为：

步骤108’：对高通反校正数据X₃进行二维傅里叶正变换得到f-k谱Y₁；二维离散傅里叶正变换为：

$Y_1(m,n)=\frac{1}{\mathrm{MN}}\underset{j=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}{X}_4(j,k)e^{-i2\mathrm{\&pi;}(\frac{\mathrm{jm}}{M}+\frac{\mathrm{kn}}{N})}$

式中，j=1,2,…,M；k=1,2,…,N；m=1,2,…,M；n=1,2,…,N。

步骤109’：对f-k谱Y₁进行分析和处理，提取目标信号的f-k谱，得到Y₂；

步骤110’：对Y₂进行二维傅里叶反变换得到反变换数据X₅；

二维离散傅里叶反变换为：

$X_5(j,k)=\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{Y_2(m,n)e}^{i2\mathrm{\&pi;}(\frac{\mathrm{jm}}{M}+\frac{\mathrm{kn}}{N})}$

式中，j=1,2,…,M；k=1,2,…,N；m=1,2,…,M；n=1,2,…,N。

步骤111’：将反变换数据X₅转换为与步骤101中的采样点的地震数据相同的格式并输出，当目标f-k谱Y₂为P-S转换波的f-k谱时，则输出的缩边后数据X₆为P-S转换波；当目标f-k谱Y₂为噪声的f-k谱时，则输出的缩边后数据X₆为噪声。

由此可见，当M₀、N₀均为2的整数幂时，由于不需要对高通反校正数据X₃进行扩边处理，直接对高通反校正数据X₃进行二维傅里叶正变换，并且省去了原步骤112的缩边处理，不需要再进行缩边处理而直接对反变换数据X₅进行数据处理。具体的步骤应用则根据采集的地震数据的情况而定，本发明不限于此。

如背景技术中所述，针对地震波场中不同属性的单一一种波场分离与去噪方法不一定就能够把所有的波场分离开。对于上述f-k滤波方法来说，主要利用地震波场之间的视速度和频率差异，但纵、横波波场往往在频率和视速度上存在重叠，此时，纵、横波分离时，有效信号容易受到破坏，容易出现假频，从而妨碍了对地质信息的提取。

因此，如图2所示，在步骤105之后，本发明的地震纵、横波波场分离与去噪的方法，还包括：

步骤114：奇异值分解低通滤波奇异值矩阵∑₂，生成低通滤波重构信号L_Lp；

上述步骤104、步骤105及步骤114，是根据确定的畸变位置进行低通滤波信号的重构，从而得到重构信号的过程，具体包括：

根据奇异值谱中的畸变位置，确定低通滤波信号的区分位置，从而得到低通滤波奇异值矩阵∑₂：

奇异值分解低通滤波：提取低通滤波奇异值矩阵∑₂重构信号：

$L_{\mathrm{Lp}}=\underset{j=1}{\overset{p}{\mathrm{\&Sigma;}}}{\mathrm{\&sigma;}}_j{u}_j{v}_j^T;$

即可得到低通滤波重构信号L_Lp。

步骤115：依据纵波叠加速度和P-P反射波时距规律，将所述低通滤波重构信号L_Lp进行正常时差反校正处理，生成低通反校正数据X₂：

式中，

为SVD低通滤波后地震数据，需要说明的是，此处上标的2并非表示数据的二次方，而仅是为了区分作用所做的标识，以标识其是在X₂中的数据。

正常时差的确定方法为：

$\mathrm{\&Delta;t}=t-t_0=\sqrt{t_0^2+\frac{x^2}{v_P^2}}-t_0$

式中，Δt为P-P反射波正常时差，x为偏移距，t是偏移距为x的旅行时，t₀为零炮检距情况下的旅行时，v_P为纵波叠加速度；

步骤116：将反校正数据X₂转换为与采样点的地震数据相同的格式并输出。

通过本发明的地震纵、横波波场分离与去噪的方法的步骤101-105及步骤114-步骤116，实现了将正常时差校正与奇异值分解（SVD）相结合，对地震P-P波进行分离与去噪处理的过程。

以下结合一具体示例，对本发明的地震纵、横波波场分离与去噪的方法进行详细说明。

以100道地震记录、采样点为2048（即M₀=100，N₀=2048）、采样率为0.2us的物理模型为例，本发明的地震纵、横波波场分离与去噪方法可以按照包括以下步骤：

第一步：将含有100道，每道有2048个采样点的地震数据读取到二维数组X₁中，该地震数据的记录图如图3所示；

第二步：依据纵波叠加速度和P-P反射波时距规律，将原始地震数据X₁进行正常时差校正，得到校正数据L₁，该校正数据的地震记录图如图4所示；本发明纵波t₀时间和对应的正常时差校正叠加速度参数如下表所示：

表一

第三步：对正常时差校正后的地震数据L₁进行奇异值分解，生成初始奇异值矩阵∑₁；

第四步：根据∑₁的奇异值谱（如图5所示）对∑₁进行处理，由图5可知，出现明显畸变的位置是在第10个奇异值处，因此，提取前10个奇异值生成低通滤波奇异值矩阵Σ₂，并根据重构信号，得到低通滤波重构信号L_Lp，如图6所示；提取后90个奇异值（Σ₃）重构信号，得到高通滤波重构信号L_Hp；

第五步：依据纵波叠加速度和P-P反射波时距规律，将低通滤波重构信号L_Lp进行正常时差反校正处理，得到低通反校正数据X₂，图7示出了经过正常时差反校正处理后的低通滤波信号的地震记录图；将高通滤波重构信号L_Hp进行正常时差反校正处理，得到高通反校正数据X₃，图8示出了经过正常时差反校正处理后的高通滤波信号的地震记录图；

第六步：将正常时差反校正后的数据X₂按输入时的地震数据格式输出，便完成了正常时差校正（NMO）与奇异值分解（SVD）联合实现地震P-P波分离与去噪处理，剔除P-P波的地震记录图如图9所示。

通过上述步骤，实现了将正常时差校正与奇异值分解（SVD）相结合，对地震P-P波进行分离与去噪处理的过程。

针对高通滤波重构信号，本发明的地震纵、横波波场分离与去噪方法的具体处理步骤如下：

第七步：对高通反校正数据X₃进行扩边处理，即将行数100扩展成128、将列数2048扩展成2048（由于2048已是2的整数幂，因此保持不变），对于扩边的数组元素用0填充，得到扩边矩阵X₄；

第八步：将扩边矩阵X₄进行二维傅里叶正变换得到f-k谱Y₁，该f-k原始谱如图10所示；

第九步：对f-k谱Y₁进行分析和处理，提取目标信号的f-k谱，得到目标f-k谱Y₂（如图11所示），并对Y₂进行二维傅里叶反变换得到反变换数据X₅；

第十步：将反变换数据X₅数组进行缩边处理，即将行数128缩减成100、将列数2048缩减成2048，得到缩边后数据X₆；

第十一步：将缩边后数据X₆按输入时的地震数据格式输出。如果Y₂为P-S转换波的f-k谱则X₆为P-S转换波（如图12所示）；如果Y₂为噪声的f-k谱，则X₆为噪声（如图13所示）。通过上述步骤，实现了通过f-k变换对地震P-S转换波场进行分离与去噪的处理。

需要说明的是，上述示例中，是以100道地震记录、采样点为2048（即M₀=100，N₀=2048）的地震数据举例，属于需要对高通反校正数据X₃进行扩边处理的情况，而例如当以128道地震记录、采样点为2048（即M₀=128，N₀=2048）的地震数据作为示例，此时，由于M₀、N₀均为2的整数幂，则不需要对高通反校正数据X₃进行扩边处理，则本发明的地震纵、横波波场分离与去噪的方法的上述步骤第七步至第十一步可以简化为：

第（七）步：对高通反校正数据X₃进行二维傅里叶正变换得到f-k谱Y₁；

第（八）步：根据f-k谱Y₁提取目标信号的f-k谱，生成目标f-k谱Y₂；

第（九）步：对目标f-k谱Y₂进行二维傅里叶反变换，生成反变换数据X₅；

第（十）步：将反变换数据X₅转换为与采样点的地震数据相同的格式并输出。

由此可见，当M₀、N₀均为2的整数幂时，由于不需要对高通反校正数据X₃进行扩边处理，直接对高通反校正数据X₃进行二维傅里叶正变换，并且省去了原步骤第十步的缩边处理，不需要再进行缩边处理。具体的步骤应用则根据采集的地震数据的情况而定，本发明不限于此。

综上所述，本发明通过对地震纵、横波成分进行奇异值分解（SVD）与f-k滤波技术联合来实现波场分离与去噪的目的，克服了有效信号损失严重等缺陷，具有地震纵、横波分离彻底，噪声剔除较干净的特点。

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 (5)

1.一种地震纵、横波波场分离与去噪的方法，其特征在于，所述方法包括：

根据含有M₀道，每道有N₀个采样点的地震数据生成二维数组X₁；

依据纵波叠加速度和P-P反射波时距规律，将所述二维数组X₁中的地震数据进行正常时差校正，生成校正数据L₁；

对所述校正数据L₁进行奇异值分解，生成初始奇异值矩阵∑₁；

根据所述初始奇异值矩阵∑₁的奇异值谱获取所述初始奇异值矩阵∑₁的畸变位置；

将所述畸变位置前的奇异值构成低通滤波奇异值矩阵∑₂，将所述畸变位置后的奇异值构成高通滤波奇异值矩阵∑₃；

奇异值分解所述高通滤波奇异值矩阵∑₃，生成高通滤波重构信号L_Hp；

依据纵波叠加速度和P-P反射波时距规律，将所述高通滤波重构信号L_Hp进行正常时差反校正处理，生成高通反校正数据X₃；

根据所述M₀、N₀的数值判断是否需要对所述高通反校正数据X₃进行扩边处理，如果是，对所述高通反校正数据X₃进行扩边处理，生成扩边矩阵X₄；

对所述扩边矩阵X₄进行二维傅里叶正变换得到f-k谱Y₁；

根据所述f-k谱Y₁提取目标信号的f-k谱，生成目标f-k谱Y₂；

对所述目标f-k谱Y₂进行二维傅里叶反变换，生成反变换数据X₅；

对所述反变换数据X₅进行缩边处理，生成缩边后数据X₆；

将所述缩边后数据X₆转换为与所述采样点的地震数据相同的格式并输出。

2.根据权利要求1所述的地震纵、横波波场分离与去噪的方法，其特征在于，在将所述畸变位置前的奇异值构成低通滤波奇异值矩阵∑₂之后，所述方法还包括：

奇异值分解所述低通滤波奇异值矩阵∑₂，生成低通滤波重构信号L_Lp；

依据纵波叠加速度和P-P反射波时距规律，将所述低通滤波重构信号L_Lp进行正常时差反校正处理，生成低通反校正数据X₂；

将所述反校正数据X₂转换为与所述采样点的地震数据相同的格式并输出。

3.根据权利要求1或2所述的地震纵、横波波场分离与去噪的方法，其特征在于，所述根据所述M₀、N₀的数值判断是否需要对X₃进行扩边处理，包括：

当所述M₀、N₀的数值为2的整数幂时，不需要对所述高通反校正数据X₃进行扩边处理；

当所述M₀、N₀的数值不是2的整数幂时，需要对所述高通反校正数据X₃进行扩边处理。

4.根据权利要求3所述的地震纵、横波波场分离与去噪的方法，其特征在于，如果不需要对所述高通反校正数据X₃进行扩边处理，所述方法还包括：

对所述高通反校正数据X₃进行二维傅里叶正变换得到f-k谱Y₁；

根据所述f-k谱Y₁提取目标信号的f-k谱，生成目标f-k谱Y₂；

对所述目标f-k谱Y₂进行二维傅里叶反变换，生成反变换数据X₅；

将所述反变换数据X₅转换为与所述采样点的地震数据相同的格式并输出。

5.根据权利要求4所述的地震纵、横波波场分离与去噪的方法，其特征在于，所述目标信号为P-S转换波或噪声信号。

Images