CN103926622A - 一种基于l1范数多道匹配滤波压制多次波的方法 - Google Patents

Abstract

本发明公开一种基于L1范数多道匹配滤波压制多次波的方法，本方法将预测多次波道、多次波的Hilbert变换道、高频重建道、以及将上述三种数据的平移道作为多道输入，进而与原始地震记录中的多次波进行拟合，引入调制拓频技术以重建预测多次波的高频成分。本发明将GPU加速技术引入该算法中，采用GPU/CPU协同并行计算提高运算效率，以较快的获得收敛的自适应滤波器。将该方法应用于理论模型和实际数据的多次波压制中，测试结果表明，与常规L2范数匹配滤波方法相比，该方法可得到高精度多次波压制结果，同时有效波的能量得到很好的保护。

Description

一种基于L1范数多道匹配滤波压制多次波的方法

技术领域

本发明属于地球物理勘探领域，涉及地球物理勘探技术领域的多次波压制技术，具体是采用基于L1范数的多道匹配滤波方法对多次波进行压制处理，从而实现多次波的精确压制。

背景技术

多次波问题是海洋勘探中最突出的问题之一。目前地震成像主要还是基于一次反射波能量，而多次波的存在，会直接影响地震资料成像的真实性和可靠性，降低数据的信噪比，多次波干扰使目的层的反射波形态发生畸变，影响了对地震资料的正确认识和后续处理工作，如果不加以有效压制和消除，则最终会使勘探成果受到较大影响。为了对复杂地下构造的多次波压制更为准确，同时更大限度的保存有效波能量，多次波压制技术需要不断的发展以应对复杂地震资料的多次波处理需求。目前多次波压制方法可分为两大类：一类是基于信号处理的滤波方法，该类方法主要有Radon变换滤波、F-K滤波、K-L滤波、倾斜叠加方法、聚束滤波法等，另一类是基于波动方程的预测减去法，该方法主要有波场延拓法、逆散射级数法(ISS)、反馈迭代法(SRME)。随着勘探难度不断增大，传统的压制多次波的方法已经满足不了高精度的处理要求。

基于波动方程的预测相减法能够处理来自复杂地下介质的地震数据，近年来得到国内外地球物理专家和学者的关注和研究。现有技术中，虽说基于波动方程的预测相减法已经应用于地球物理勘探技术领域，但是基于波动方程方法需要先预测出多次波模型，但由于褶积运算预测多次波时出现的子波效应，使得多次波模型和记录中多次波不相匹配，它们在振幅、相位、走时上存在差异，需要进行实际资料的多次波和预测得到的多次波之间的匹配处理，才能从原始记录中将多次波有效地减掉。并且，在针对传统多次波压制处理技术上，尚未取得有效突破。

发明内容

针对上述技术难题，本发明人经过多年研究，针对传统多次波压制处理技术的不足之处，经过多次设计和研究，提出一种基于L1范数多道匹配滤波压制多次波的方法。

依据本发明的技术方案，一种基于L1范数多道匹配滤波压制多次波的方法包括以下步骤：

1)使用海上勘探的专用电缆和检波器，在观测船航行时连续进行地震波的激发和接收，采集到含有自由表面多次波的三维地震数据，并记录到磁带上；

2)对采集到的三维地震数据，采用Radon变换的方法实现地震数据规则化，使得规则化后地震数据的炮间距与道间距相等，进而得到规则化后的时空域数据，为反馈迭代法计算准备地震数据；

3)利用反馈迭代法对规则化的数据进行共炮点道集和共检波点道集的褶积，迭代3-4次后得到预测的多次波数据，并记录到磁带上；

4)从磁带上读取原始含有自由表面多次波的三维地震数据和预测的多次波数据；

5)逐道读取预测的多次波数据，对每个预测的多次波道计算其高频重建道和Hilbert变换道，然后求取三种地震道(预测的多次波道、高频重建道和Hilbert变换道)的上平移道和下平移道数据，组成参与匹配滤波的多道数据(共9道地震数据)；

6)根据L1范数最小准则确定目标函数，并采用L1/L2范数混合迭代重加权最小平方方法近似L1范数求解目标函数；

7)设计自适应滤波器，滤波器的起始值设置为单位列向量；将组成的多道地震记录与滤波器进行褶积运算，将匹配滤波后的结果从原始地震道中减去，得到去除多次波后的残差；

8)利用去除多次波后的残差计算加权矩阵与恒定先验值，将加权矩阵代入目标函数中进一步获取新的滤波器，使用新的滤波器进行匹配滤波，得到新的能量残差，利用该残差更新加权矩阵，重复本步骤所述的加权矩阵代入、获取新滤波器、计算新的能量残差进而获得新的加权矩阵的过程，直至滤波器收敛；

9)利用收敛的滤波器进行匹配滤波，将原始含有自由表面多次波的三维地震数据的地震道与滤波后的多次波地震道相减；

10)输出匹配滤波自适应相减多次波压制后的结果；最终压制结果应用于后续地震数据叠前偏移成像处理，识别地下介质的复杂地质结构，寻找油气藏储层。

其中，基于L1范数多道匹配滤波压制多次波的方法改善了一次波和多次波同相轴正交的假设，有效地克服L2范数自身大值之条件的约束。步骤5)的高频重建道采用的是调制拓频的方法，拓宽预测多次波的频带，使其接近原始地震道的频带宽度。采用L1/L2范数混合迭代重加权最小平方方法近似L1范数求解，所采用的目标函数可表示为：

$E_{\min }={\left|\right|W(p\left(t\right)-\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{m}_i\left(t\right)*f_i\left(t\right))\left|\right|}_2^2$

其中：W为加权矩阵，p(t)为单道地震记录，k为参与匹配地震道的道数；f_i(t)为维纳滤波器；m_i(t)分别表示为预测的多次波模型道、多次波模型道的高频重建道、多次波模型道的Hilbert变换道、以及它们的上下平移道，其他各道均由多次波模型道导出，为匹配后的多次波模型。

优选地，步骤7)、8)中的褶积运算可表述为矩阵向量间的乘积运算，在运算过程中采用GPU/CPU协同并行加速计算技术，提高计算效率。

与传统的基于L2范数匹配滤波方法相比，本发明公开的一种基于L1范数多道匹配滤波多次波压制方法具有如下优势：

1)本方法没有地震记录中一次波和多次波具有严格正交性的假设，可准确求解出自适应滤波器。减少预测多次波与原始地震记录中多次波的匹配误差，取得较好的匹配效果。

2)本发明利用L1范数对于大异常值保持稳健的特点，可以有效的解决多次波压制后地震记录能量最小的问题，明显改善传统L2范数方法中强有效波被弱多次波包围，而无法实施有效的多次波压制运算的情况。

3)本发明引入GPU/CPU协同并行加速计算技术，显著提高了计算效率。

附图说明

附图1为原始单炮记录；

附图2为多次波记录；

附图3为基于L2范数匹配滤波方法多次波压制结果；

附图4为基于L1范数多道匹配滤波方法多次波压制结果；

附图5为理论模型数据多次波预测和压制效果的单道对比图；

附图6为GPU、CPU计算耗时对比图；

附图7为SMAART模型原始数据中的某炮记录；

附图8为预测的多次波记录；

附图9为基于L2范数匹配滤波法多次波压制结果；

附图10为基于L1范数多道匹配滤波法多次波压制结果；

附图11为实际海洋原始地震数据的共(近)偏移距剖面；

附图12为预测的多次波的共(近)偏移距剖面；

附图13为基于L1范数多道匹配滤波法多次波压制结果。

具体实施方式

下面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的一部分实施例，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。另外地，不应当将本发明的保护范围仅仅限制至下述具体步骤或具体参数。本发明不局限于模型数据，可针对实际资料进行处理，具有广泛的适应性。

本发明的基于L1范数多道匹配滤波压制多次波的方法，包括以下步骤：

1)使用海上勘探的专用电缆和检波器，在观测船航行时连续进行地震波的激发和接收，采集到含有自由表面多次波的三维地震数据，并记录到磁带上。在采集孔径范围内，尽量的增加电缆线数量，减小联络测线方向的拖揽间距。

2)对采集到的三维地震数据，采用Radon变换的方法实现地震数据规则化，使得规则化后地震数据的炮间距与道间距相等，进而得到规则化后的时空域数据，为反馈迭代法计算准备地震数据。

3)利用反馈迭代法对规则化的数据进行共炮点道集和共检波点道集的褶积，迭代3-4次后得到多次波预测结果，并记录到磁带上。

4)从磁带上读取原始含多次波地震数据和预测的多次波数据。

5)逐道读取预测的多次波数据，对每个预测的多次波道计算其高频重建道和Hilbert变换道。然后求取上述三种地震道(预测的多次波道、高频重建道和Hilbert变换道)的上平移道和下平移道数据，组成参与匹配滤波的多道数据(共9道地震数据)；

6)根据L1范数最小准则确定目标函数，并采用L1/L2范数混合迭代重加权最小平方方法近似L1范数求解目标函数。

根据L1范数最小准则求解的目标函数为：

E_min＝|p-Mf|₁

式中：W为加权矩阵，P为含有多次波的原始地震记录，M为预测的多次波记录；f为维纳滤波器。

常规线性方程求解方法无法获取L1-范数的最小值，将上述目标函数转化为L2-范数的形式为：

$E_{\min }={\left|\right|W(p-\mathrm{Mf})\left|\right|}_2^2$

使用L2-范数形式的目标函数代替L1-范数近似求解。其中：W为加权矩阵，P为含有多次波的原始地震记录，M为预测的多次波记录；f为维纳滤波器。

7)设计自适应滤波器，滤波器的起始值设置为单位列向量，即f＝{1,0,0,...,0}^T；将组成的多道地震记录与滤波器进行褶积运算，将匹配滤波后的结果从原始地震道中减去，得到去除多次波后的残差。

匹配滤波的具体运算过程可表示为：

$p_0=p-(s_1*m+s_2*m^H+s_3*m^F+s_4*m_U+s_5*m_U^H+s_6*m_U^F+s_7*m_D+s_8*m_D^H+s_9*m_D^F)$

其中*表示褶积，p为含有多次波的原始单道记录，p₀为单道地震记录中的一次反射波，m为多次波模型记录，m^H为m的希尔伯特变换，m^F为m的高频重建道，m_U、m_D分别为m的上下平移道，为m^H的上下平移道，为m^F的上下平移道，s₁,…,s₉为相应的九个自适应滤波器。设

M₅,M₆,M₇,M₈,M₉按照相同的排列方式，其矩阵摆放元素分别为各道的值。则步骤(6)中所描述的L2范数目标函数为：

$e(s_1,s_1,s_1,...,s_1)={\left|\right|p-[M_1{s}_1+M_2{s}_2+M_3{s}_3+M_4{s}_4+...+M_9{s}_9]\left|\right|}_2^2$

8)利用去除多次波后的残差计算加权矩阵与恒定先验值，将加权矩阵代入目标函数中进一步获取新的滤波器，使用新的滤波器进行匹配滤波，得到新的能量残差，利用该残差更新加权矩阵，重复本步骤所述的加权矩阵代入、获取新滤波器、计算新的能量残差进而获得新的加权矩阵的过程，直至滤波器收敛。

其中，加权矩阵 $W=\mathrm{diag}\left(\frac{1}{{(1+r_j^2/{\mathrm{\ϵ}}^2)}^{1/4}}\right)(j=\mathrm{1,2},...,N),$ 先验值 $\mathrm{\ϵ}=\frac{\max \left|p\right|}{100},r_j(j=\mathrm{1,2},...,n)$ 为第j采样点压制多次波后的剩余值，可表示为：

$r_j=P_j-\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{M}_i{f}_{\mathrm{ij}}$

9)利用收敛的滤波器进行匹配滤波，将原始含有自由表面多次波的三维地震数据的地震道与滤波后的多次波地震道相减，可得到多次波压制的结果，计算公式可写为：

P₀＝P-P_fmul

式中，P₀为多次波压制结果，P为原始含多次波地震数据，P_fmul为滤波后的多次波地震数据。

10)输出匹配滤波自适应相减多次波压制后的结果。最终压制结果应用于后续地震数据叠前偏移成像处理，识别地下介质的复杂地质结构，寻找油气藏储层。

本发明的基于L1范数多道匹配滤波压制多次波的方法改善了一次波和多次波同相轴正交的假设，有效地克服L2范数自身大值之条件的约束。本发明的步骤5)的高频重建道采用的是调制拓频的方法，可拓宽预测多次波数据的频带，使其接近原始地震道的频带宽度。本发明采用L1/L2范数混合迭代重加权最小平方方法近似L1范数求解，所采用的目标函数可表示为：

$E_{\min }={\left|\right|W(p\left(t\right)-\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{m}_i\left(t\right)*f_i\left(t\right))\left|\right|}_2^2$

其中：W为加权矩阵，p(t)为单道地震记录，k为参与匹配地震道的道数；f_i(t)为维纳滤波器；m_i(t)分别表示为预测的多次波模型道、多次波模型道的高频重建道、多次波模型道的Hilbert变换道、以及它们的上下平移道，其他各道均由多次波模型道导出，为匹配后的多次波模型。

本发明中，步骤7)、8)中的褶积运算可表述为矩阵向量间的乘积运算，在运算过程中采用GPU/CPU协同并行加速计算技术，提高计算效率。其计算效率约提高77倍，如附图6所示。

此外，在现有技术中，针对基于波动理论所预测的多次波记录在相位、走时和振幅方面与原始地震记录中的多次波存在较大差异，不能直接进行相减的问题，本发明提供的基于L1范数的多道匹配滤波压制多次波的方法完全能够解决该问题。

进一步地，本发明提供的基于L1范数的多道匹配滤波压制多次波的方法中，基于L1范数的多道匹配滤波方法计算公式：

$p_0\left(t\right)=p\left(t\right)-\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{f}_i\left(t\right)*m_i\left(t\right)(k=\mathrm{1,2},\·\·\·9)$

其中，*表示褶积；p(t)为单道地震记录；p₀(t)为单道地震记录中的一次反射波；k为多次波模型道的道数；f_i(t)为维纳滤波器；m_i(t)分别表示预测的多次波模型道、多次波模型道的高频重建道、多次波模型道的Hilbert变换道、以及上述三种数据的上下平移道，其它各道均由多次波模型道导出，为匹配后的多次波模型。

在本发明中，采用调制拓频的方法求取预测多次波的高频重建道；在时间域，两个信号逐点相乘就可产生包含高频的信号，相当于在频率域进行频谱延拓，将已知频谱填补到未知频谱，起到恢复高频的作用。

下面进一步对本发明做出说明，根据L1范数最小准则，自适应滤波器f_i(t)的求取是通过最小化以下目标函数，其矩阵乘向量的表达形式为：

$E_{\min }={|p-\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{M}_i{f}_i|}_1$

式中，M_i为多道地震记录m_i(t)形成的矩阵

由于该目标函数为奇异函数，在原点处不可导，而常用的优化求解方法如高斯消去法、牛顿迭代法等求解目标函数的最小值都需要满足其一阶导数存在且处处可导，因此常规线性方程求解方法无法获取L1范数的最小值。本发明采用L1/L2混合迭代重加权最小平方法近似L1范数求解，目标函数最小化表示可转化为L2范数的形式为：

$E_{\min }={\left|\right|W(p-\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{M}_i{f}_i)\left|\right|}_2^2$

其中，加权矩阵 $W=\mathrm{diag}\left(\frac{1}{{(1+r_j^2/{\mathrm{\ϵ}}^2)}^{1/4}}\right)(j=\mathrm{1,2},...,N),$ 先验值 $\mathrm{\ϵ}=\frac{\max \left|p\right|}{100},r_j(j=\mathrm{1,2},\·\·\·,n)$ 为第j采样点压制多次波后的剩余值。

$r_j=P_j-\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{M}_i{f}_{\mathrm{ij}}$

对上式两边f_i求偏微商并令其等于零，则目标函数可转化为求解线性方程组：

对上述方程组采用直接迭代方法求解，取滤波器f_i的初值为单位列向量，初步求解加权矩阵W，再由得到的矩阵W，进一步获取新的滤波器f_i列向量，此过程循环迭代约五次后可得到收敛的滤波器f_i。另外，在求取滤波器的具体计算过程中，本发明采用矩阵的奇异值分解法(SVD)求解。

本发明对时间域维纳滤波方法进行了改进，常见的时间域维纳滤波法是基于L2范数最小准则，该方法存在两个假设条件：(1)地震记录中的一次波与多次波具有正交性；(2)多次波压制后的地震记录剩余能量最小。为了改善一次波与多次波的正交性和避免多次波压制后地震记录能量最小的假设，本发明采用基于L1范数的多道匹配滤波方法，由Guitton(2004)提出的单道L1范数最小自适应匹配滤波方法，可知L1范数对大的异常具有稳健性的特点，即避免大值条件，可有效的保存一次波的能量值。在基于L1范数多道匹配滤波方法中引入加权系数，只需要满足加权后的一次波和多次波及其变换道正交即可，所以这种方法能够获得较好的多次波匹配相减效果。

基于波动方程预测的多次波存在子波效应，使得预测的多次波高频成分能量减弱。本发明从拓宽频带的角度完善了预测多次波信息，应用调制拓频的方法进行高频重建，拓宽预测多次波的频带，使其和原始地震道的频带宽度基本一致，有效的改善预测多次波的频率特性，使得预测的多次波的动力学特性与原始记录中的多次波具有很好的一致性。

计算效率是影响基于L1范数多道匹配滤波方法应用的主要因素。在L1范数优化求解中，本发明将GPU加速技术引入算法中，采用GPU/CPU协同并行运算，可以有效的节省计算时间，增强算法的实用性。

在本发明中，步骤7)所述的褶积运算可转化为矩阵向量的乘积形式，对此引入GPU/CPU协同并行加速计算技术。在GPU上实现矩阵乘法和矩阵与向量乘法，采用棋盘分割方式利用高速的共享存储器，访问共享存储器的延迟远小于全局存储器，节约了大量全局存储器带宽，除矩阵乘法运算，其它部分仍在CPU上执行，利用GPU/CPU协同并行计算完成多次波自适应相减。

在本发明中，步骤7)所述直接迭代法的计算过程中，引入加权矩阵改善一次波和多次波同相轴的正交性假设，在自适应匹配相减后，有效的保护一次波的振幅值。同时，基于L1范数多道匹配滤波方法采用L1/L2混合迭代重加权最小平方法，由于ε点(过渡点)的控制，避免了多次波压制后地震记录的剩余能量最小的假设条件。

基于L1范数的多道匹配滤波压制多次波的方法没有一次波与多次波的正交性的要求，同时对异常大值保持稳健，避免了大值条件，但是其与多道的最小二乘匹配滤波相比，迭代求解过程增加了计算成本，耗费大量的时间。因此，本发明对于计算过程中的矩阵与向量乘法和矩阵与矩阵乘法应用GPU卡进行运算，提高计算效率。

下面将结合附图对发明进一步阐述，本发明不局限于模型数据，可针对实际资料进行处理，具有广泛的适应性。

参考附图1，为含四个水平层一维介质的炮记录，该模型数据包含丰富的一阶与二阶表面多次波。

参考附图2，为定性的给出本发明在不受任何因素的干扰情况下，自适应匹配滤波的效果，正演了多次波记录，该记录与原始数据中的多次波完全相同。

参考附图3，为对比本发明匹配滤波方法优越于常规最小二乘匹配滤波方法，附图3是基于L2范数匹配滤波的多次波压制结果，从该图中，可以观察到多次波能量还有较大残余，原始数据中多次波没有完全匹配拟合，所以压制的不够彻底。

参考附图4，为本发明所提出的方法，基于L1范数多道匹配滤波法多次波压制结果，相比于附图3，不同阶表面多次波都得到有效压制，充分说明对于简单理论模型数据本发明压制多次波的效果优于基于L2范数匹配滤波方法。

参考附图5，为精细的给出本发明压制多次波效果要好于常规基于L2范数匹配滤波方法，分别抽取附图1、附图2、附图3和附图4中数据的第400道信息，做成单道对比形式，分别对应图中的(a)、(b)、(c)、(d)，可以直观的看出，两种方法压制多次波的效果。

参考附图6，为进一步的给出本发明利用GPU/CPU协同并行计算的方法更具有高效性，对附图1的单炮模型数据分别利用CPU串行和GPU/CPU并行测试计算时间，其中CPU串行计算耗时6417s，GPU/CPU协同并行计算耗时83s，较常规的CPU串行计算，其计算效率可提高约77倍。

参考附图7，为给出本发明对地下复杂构造所形成的多次波也有很好的压制效果，对SEG指定用来验证多次波压制算法的SMAART模型作为测试数据，该模型具有复杂的构造，包含起伏较大的海底、较大反射系数的盐丘构造界面，具有非常发育的表面多次波，附图7为抽取为SMAART模型数据中某单炮记录显示。

参考附图8，为利用基于波动方程的SRME方法预测的SMAART模型中多次波结果。

参考附图9，为基于L2范数匹配滤波方法压制多次波的结果，附图9中可看出，多次波的同相轴有明显的残留痕迹。

参考附图10，为基于L1范数匹配滤波方法压制多次波的结果，对比附图8的压制效果，而经过本发明的方法处理后的多次波同相轴能量得到了更大的衰减。所以，可以说明本发明的方法在压制复杂模型多次波方面，也同样优越于常规基于L2范数匹配滤波方法。

参考附图11，为充分有力的说明本发明在处理实际数据中多次波压制问题也同样有效，对某实际海洋地震数据进行了多次波压制的处理。附图11是原始数据含多次波的共(近)偏移距剖面，从该剖面上可看出，存在着较强的表面多次波。

参考附图12，为利用基于波动方程的SRME方法预测的多次波结果。

参考附图13，为基于L1范数匹配滤波方法压制多次波的结果，从图中可以看出，多次波能量得到了有效的衰减。说明本发明对实际地震数据的多次波压制也具有效性。

如上述，已经清楚详细地描述了一种基于L1范数多道匹配滤波多次波压制方法的技术方案。尽管本发明的优选实施例详细描述并解释了本发明，但是本领域普通的技术人员可以理解，在不背离所附权利要求定义的本发明的精神和范围的情况下，可以在形式和细节中做出多种修改。

Claims (5)

1.一种基于L1范数多道匹配滤波压制多次波的方法，包括以下步骤：

1)使用海上勘探的专用电缆和检波器，在观测船航行时连续进行地震波的激发和接收，采集到含有自由表面多次波的三维地震数据，并记录到磁带上；

2)对采集到的三维地震数据，采用Radon变换的方法实现地震数据规则化，使得规则化后地震数据的炮间距与道间距相等，进而得到规则化后的时空域数据，为反馈迭代法计算准备地震数据；

3)利用反馈迭代法对规则化的数据进行共炮点道集和共检波点道集的褶积，迭代3-4次后得到预测的多次波数据，并记录到磁带上；

4)从磁带上读取原始含有自由表面多次波的三维地震数据和预测的多次波数据；

5)逐道读取预测的多次波数据，对每个预测的多次波道计算其高频重建道和Hilbert变换道，然后求取三种地震道(预测的多次波道、高频重建道和Hilbert变换道)的上平移道和下平移道数据，组成参与匹配滤波的多道数据(共9道地震数据)；

6)根据L1范数最小准则确定目标函数，并采用L1/L2范数混合迭代重加权最小平方方法近似L1范数求解目标函数；

7)设计自适应滤波器，滤波器的起始值设置为单位列向量；将组成的多道地震记录与滤波器进行褶积运算，将匹配滤波后的结果从原始地震道中减去，得到去除多次波后的残差；

8)利用去除多次波后的残差计算加权矩阵与恒定先验值，将加权矩阵代入目标函数中进一步获取新的滤波器，使用新的滤波器进行匹配滤波，得到新的能量残差，利用该残差更新加权矩阵，重复本步骤所述的加权矩阵代入、获取新滤波器、计算新的能量残差进而获得新的加权矩阵的过程，直至滤波器收敛；

9)利用收敛的滤波器进行匹配滤波，将原始含有自由表面多次波的三维地震数据的地震道与滤波后的多次波地震道相减；

10)输出匹配滤波自适应相减多次波压制后的结果；最终压制结果应用于后续地震数据叠前偏移成像处理，识别地下介质的复杂地质结构，寻找油气藏储层。

2.根据权利要求1所述的基于L1范数多道匹配滤波压制多次波的方法，其特征在于，所述的基于L1范数多道匹配滤波压制多次波的方法改善了一次波和多次波同相轴正交的假设，有效地克服L2范数自身大值之条件的约束。

3.根据权利要求1所述的基于L1范数多道匹配滤波压制多次波的方法，其特征在于，所述步骤5)的高频重建道采用的是调制拓频的方法，拓宽预测多次波的频带，使其接近原始地震道的频带宽度。

4.根据权利要求1所述的基于L1范数多道匹配滤波压制多次波的方法，其特征在于，所述的基于L1范数多道匹配滤波压制多次波的方法采用L1/L2范数混合迭代重加权最小平方方法近似L1范数求解，所采用的目标函数可表示为：

$E_{\min }={\left|\right|W(p\left(t\right)-\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{m}_i\left(t\right)*f_i\left(t\right))\left|\right|}_2^2$

其中：W为加权矩阵，p(t)为单道地震记录，k为参与匹配地震道的道数；f_i(t)为维纳滤波器；m_i(t)分别表示为预测的多次波模型道、多次波模型道的高频重建道、多次波模型道的Hilbert变换道、以及它们的上下平移道，其他各道均由多次波模型道导出，为匹配后的多次波模型。

5.根据权利要求1所述的基于L1范数多道匹配滤波压制多次波的方法，其特征在于，所述步骤7)、8)中的褶积运算可表述为矩阵向量间的乘积运算，在运算过程中采用GPU/CPU协同并行加速计算技术，提高计算效率。