CN104133248B - 一种高保真声波干扰压制方法 - Google Patents

Abstract

本发明公开的高保真声波干扰压制方法包括以下步骤：在共炮点道集的每道地震数据中划分出含有声波干扰的时窗；将所述时窗内的数据进行小波分解并等分为多个频带；求取每道地震数据的每个频带的振幅加权中值；将每道地震数据的每个频带的每个样点的噪声分贝值分别与预设阈值进行比较和处理得到每道地震数据的多个频带的衰减后数据，利用样点的振幅值与样点所在频带的振幅加权中值的比值计算样点的噪声分贝值，当样点的噪声分贝值大于或等于预设阈值时则取所述样点之前的3～5个样点的振幅的平均值代替所述样点的振幅值；将所述每道地震数据的多个频带的衰减后数据进行小波重构得到声波干扰压制后的地震数据。

Description

一种高保真声波干扰压制方法

技术领域

本发明属于地震勘探技术领域，更具体地讲，涉及一种用于石油地震资料的高保真声波干扰压制方法。

背景技术

在山地地区，由于激发和接收条件的限制，大量地采用浅井组合及坑炮激发，因而导致声波较为发育。声波会在地震记录数据上形成尖锐的强初至，呈窄带出现却比较稳定。声波的特点是能量强、集中在中高频率段且传播速度稳定，因此声波的分布范围极易划定。如果这种强能量的噪声不能得到有效地压制，将直接影响后续的反褶积、速度分析等处理，对提高地震资料的信噪比、分辨率以及可信度是极为不利的。

目前用于压制声波干扰的手段仍然仅局限于一维滤波、二维滤波、人工编辑等，例如：(1)反褶积方法，其主要通过反褶积技术对声波进行压制，但在声波主频较高时，此压制方法往往不是很理想；(2)切除法：使用内切除法将声波完全剔除，其虽能从根本上消除声波对地震数据的影响并可更好第提高信噪比，但湮没在强噪声干扰中的有效信号也会损失掉，同时还会大大增加工作量，延长处理周期。

以上压制声波干扰的方法尽管有一些效果，但也极容易伤害和损失有效反射信息。因此，寻找一种有效的衰减声波方法，无论在提高处理质量还是在缩短处理周期，减轻劳动强度方面都是非常具有实际意义的。

发明内容

针对现有技术中存在的不足，本发明的目的在于解决上述技术问题中的一个或多个。

本发明基于声波具有非常稳定的传播速度以及能量强的特点，提供了一种数据量小、计算效率高且压制声波干扰效果明显的高保真声波干扰压制方法。

为了实现上述目的，本发明提供了一种高保真声波干扰压制方法，其特征在于，所述方法包括以下步骤：A)在共炮点道集的每道地震数据中划分出含有声波干扰的时窗；B)将每道地震数据中含有声波干扰的时窗内的数据进行小波分解并等分为多个频带；C)统计每道地震数据的每个频带的所有样点的振幅值并求取每道地震数据的每个频带的振幅加权中值；D)将每道地震数据的每个频带的每个样点的噪声分贝值分别与预设阈值进行比较和处理得到每道地震数据的多个频带的衰减后数据，其中，利用所述样点的振幅值与所述样点所在频带的振幅加权中值的比值计算所述样点的噪声分贝值，当样点的噪声分贝值大于或等于预设阈值时则取所述样点之前的3～5个样点的振幅的平均值代替所述样点的振幅值，当样点的噪声分贝值小于预设阈值时则保留所述样点的振幅值；E)将所述每道地震数据的多个频带的衰减后数据进行小波重构得到声波干扰压制后的地震数据。

根据本发明的高保真声波干扰压制方法的一个实施例，在步骤A中，包括以下子步骤：A1)在所述共炮点道集中拾取声波干扰起始点的起始时间t₀以及起始偏移距r₀，再利用式1计算第i道地震数据的声波干扰时间t_i：

t_i＝t₀+abs(r_i-r₀)/v——式1，式中，v为声波的传播速度；

A2)给定时移量d，划分第i道地震数据的含有声波干扰的时窗为(t_i-d，t_i+d)，其中，i为地震数据的道号且1≤i≤N，N为所述共炮点道集的总道数；t_i+d≤t_max，t_max为所述共炮点道集的最大记录时间。

根据本发明的高保真声波干扰压制方法的一个实施例，在步骤C中，包括以下子步骤：C1)将第i道地震数据的f_k频带的p个样点的振幅值按照大小进行升序排序，为所述p个样点的振幅值分别设置加权系数w_s并通过加权设置得到振幅值序列其中，i为地震数据的道号且1≤i≤N，N为所述共炮点道集的总道数；k为频带的序号且1≤k≤M，M为第i道地震数据的频带总数；p为样点总数且p为正整数，s为样点编号且1≤s≤p；为第i道地震数据的f_k频带的第s个样点的振幅值；加权系数w_s为正整数并且表示对应振幅值的存在个数，w₁＜w₂＜...＜w_p/2且w_p/2＞w_p/2+1＞w_p；C2)对所述振幅值序列的多个振幅值按照大小进行升序排序，当为奇数时，则第i道地震数据的f_k频带的振幅加权中值等于升序排序后的振幅值序列的第个振幅值；当为偶数时，则第i道地震数据的f_k频带的振幅加权中值等于升序排序后的振幅值序列的第个振幅值与第个振幅值的平均值；C3)重复子步骤C1至C2，直至得到每道地震数据的每个频带的振幅加权中值。

根据本发明的高保真声波干扰压制方法的一个实施例，在步骤D中，根据式2计算样点s的噪声分贝值dB：

$\mathrm{dB}=20*\lg \left(\frac{X_{f_k}(i,s)}{M_{f_k}\left(i\right)}\right)$ ——式2，

式中，为第i道地震数据的f_k频带的第s个样点的振幅值，为第i道地震数据的f_k频带的振幅加权中值。

本发明基于声波具有非常稳定的传播速度以及能量强的特点，只对声波到达时间处的小范围数据进行处理，不仅数据量小、计算效率高，而且根据对实际地震资料的处理结果可知本发明压制强声波干扰的效果非常明显，有很好的推广应用价值。

具体实施方式

以下，将详细说明本发明的实施例。

可通过计算机软件模块实现本发明的高保真声波干扰压制方法。在本申请中描述的各个步骤不限制为上述步骤，其中的一些步骤可被进一步拆分为更多的步骤，并且一些步骤可合并为较少的步骤。

基于声波具有非常稳定的传播速度以及能量强这一特点，本发明提出了一种高保真声波干扰压制方法，其基本思路在于：首先从共炮点道集的地震数据中划分出含有声波干扰的时窗，再把该时窗内的数据进行小波分解并等分为多个频带，并采用所给的加权系列求取各频带的加权中值；然后通过定义噪声分贝值及预设阈值对每道地震数据的每个频带的每个样点的数据进行衰减处理；最后再用衰减后的数据进行小波重构得到声波压制后的数据。由于上述方法只对声波到达时间处的小范围数据进行处理，故其数据处理量小、计算效率高，并且压制强声波干扰的效果也非常明显。

根据本发明的示例性实施例，上述高保真声波干扰压制方法包括以下步骤：

步骤A：在共炮点道集的每道地震数据中划分出含有声波干扰的时窗，以分别对所述含有声波干扰的时窗内的数据进行声波干扰压制处理，并且对所述时窗外的数据不作处理。

在步骤A中，可以根据声波的传播速度在共炮点道集的每道地震数据中划分出含有声波干扰的时窗，但本发明并不对具体的划分方法进行限制。另外，共炮点道集也可以根据本领域公知的方法进行提取和获得。根据本发明的一个实施例，划分出含有声波干扰的时窗的步骤可以具体包括以下子步骤：

步骤A1：在共炮点道集中拾取声波干扰起始点的起始时间t₀以及起始偏移距r₀，再利用式1计算第i道地震数据的声波干扰时间t_i：

t_i＝t₀+abs(r_i-r₀)/v——式1，

式中，v为声波的传播速度，声波速度一般为340m/s。

步骤A2：给定时移量d，划分第i道地震数据的含有声波干扰的时窗为(t_i-d，r_i+d)，其中，i为地震数据的道号且1≤i≤N，N为所述共炮点道集的总道数；t_i+d≤t_max，t_max为所述共炮点道集的最大记录时间。其中，时移量d的一般取值可以为100ms，但本发明不限于此，只要能够将声波干扰包含在所划分的时窗范围内即可。

步骤B：将每道地震数据中含有声波干扰的时窗内的数据进行小波分解并等分为多个频带。

小波变换是本领域常用的一种变换分频方法，包括小波正变换和小波反变换，其中，小波正变换也称为小波分解，小波反变换也称为小波重构。小波变换即将地震数据按不同尺度分解为频率不同的信号，对信号进行小波变换就是用不同的滤波器对信号进行滤波，实现对信号的分频处理。小波变换相当于用一系列不同宽度的时窗去分析被研究的函数在某时刻附近的频率成分，它可以实现对信号的变焦分析，实现在低频端时窗大且高频端时窗小的效果，十分有利于作地震资料的去噪处理。由于小波变换的正交性并且不可能发生傅里叶变换的频泄现象，因此本发明采用小波变换替代傅里叶变换来完成等距分频。实际上，小波变换是用2个彼此正交的高、低通算子分别对地震数据进行滤波处理得到高频和低频，由于算子的正交性，其滤波结果会彼此正交，因而不存在频泄现象。本发明不对包括小波分解和小波重构的具体小波变换方法进行详细介绍，操作者可以采用本领域公知的方法进行处理。

步骤C：统计每道地震数据的每个频带的所有样点的振幅值并求取每道地震数据的每个频带的振幅加权中值。

由于声波干扰在每道地震数据中具有较强的能量分布，因此可以采用以下子步骤进行迭代处理，以获得每道地震数据的每个频带的振幅加权中值：

步骤C1：将第i道地震数据的f_k频带的p个样点的振幅值按照大小进行升序排序，为所述p个样点的振幅值分别设置加权系数w_s并通过加权设置得到振幅值序列

其中，i为地震数据的道号且1≤i≤N，N为所述共炮点道集的总道数；k为频带的序号且1≤k≤M，M为第i道地震数据的频带总数；p为样点总数且p为正整数，s为样点编号且1≤s≤p；为第i道地震数据的f_k频带的第s个样点的振幅值；加权系数w_s为正整数并且表示对应振幅值的存在个数，w₁＜w₂＜...＜w_p/2且w_p/2＞w_p/2+1＞w_p；

在步骤C1中，根据上述振幅值序列可知，该频带数据中的中心点p/2附近重复次数最多。因此，与常规振幅中值相比，振幅加权中值更接近中心点的振幅值。

步骤C2：然后对所述振幅值序列的多个振幅值按照大小进行升序排序，当为奇数时，则第i道地震数据的f_k频带的振幅加权中值等于升序排序后的振幅值序列的第个振幅值；当为偶数时，则第i道地震数据的f_k频带的振幅加权中值等于升序排序后的振幅值序列的第个振幅值与第个振幅值的平均值；

步骤C3：重复子步骤C1至C2，直至得到每道地震数据的每个频带的振幅加权中值。

步骤D：将每道地震数据的每个频带的每个样点的噪声分贝值分别与预设阈值进行比较和处理得到每道地震数据的多个频带的衰减后数据，其中，利用所述样点的振幅值与所述样点所在频带的振幅加权中值的比值计算所述样点的噪声分贝值，并且当样点的噪声分贝值大于或等于预设阈值时则取所述样点之前的3～5个样点的振幅的平均值代替所述样点的振幅值，当样点的噪声分贝值小于预设阈值时则保留所述样点的振幅值。

在步骤D中，先求得每个地震数据的每个频带的每个样点的噪声分贝值，再分别将每个样点的噪声分贝值与预设阈值(即环保值)进行比较。当某个样点的噪声分贝值大于或等于该预设阈值时，则表示该样点的振幅超过能够忍受的范围，即认定为噪声，此时采用该样点的前面几个样点的振幅平均值来代替该样点的振幅值；当某个样点的噪声分贝值小于该预设阈值时，则表示该样点的振幅未超过能够忍受的范围，即认定为不是噪声，此时则保留该样点的振幅值。对每个地震数据的每个频带的所有样点都进行上述处理之后，即可得到每道地震数据的多个频带的衰减后数据。

其中，可以根据式2计算样点s的噪声分贝值dB：

$\mathrm{dB}=20*\lg \left(\frac{X_{f_k}(i,s)}{M_{f_k}\left(i\right)}\right)$ ——式2，

式中，为第i道地震数据的f_k频带的第s个样点的振幅值，为第i道地震数据的f_k频带的振幅加权中值。

步骤E：最后，将每道地震数据的多个频带的衰减后数据进行小波重构，即可得到声波干扰压制后的地震数据。

下面结合具体示例进一步对本发明进行说明。

1)取一个共炮点道集，设x(i，j)表示为该共炮点道集，i表示共炮点道集中地震数据的道号且1≤i≤N，N表示共炮点道集的总道数；j表示原始样点编号且1≤j≤T，T表示共炮点道集的最大记录长度。

2)在上述共炮点道集上根据声波的特征，大致拾取声波干扰起始点对应的起始时间t₀以及起始偏移距r₀。

3)若上述共炮点道集中的第i道地震数据的偏移距为r_i，则可通过式1求出第i道地震数据的声波干扰时间t_i：

t_i＝t₀+abs(r_i-r₀)/v——式1，

式中，v为声波的传播速度。

4)给定时移量d(一般取值为100ms，但不限于此)，则可以划分得到第i道地震数据的含有声波干扰的时窗为(t_i-d，t_i+d)，即时窗的上边界点为t_i-d，时窗的下边界点为t_i+d。其中，t_i+d≤t_max，t_max为所述共炮点道集的最大记录时间。即若t_i+d＞t_xax，则将时窗的下边界点设置为t_max。

5)取第i道地震数据中含有声波干扰的时窗(t_i-d，t_i+d)内的数据进行小波分解并等分为多个频带：

$x(i,j)\stackrel{\mathrm{WT}}{\→}\underset{k=1}{\overset{M}{\mathrm{\Σ}}}{X}_{f_k}(i,j)$ ——式3

式中，M表示第i道地震数据分频的频带总数，在本示例中设置M为20；k为频带的序号且1≤k≤M，f_k表示第k个频带；符号表示小波分解；表示第i道地震数据的第k个频带的数据(例如振幅)。

6)由于声波干扰在每道地震记录中具有较强的能量分布，因此采用以下步骤迭代处理：

设第i道地震数据在f_k频带有p个样点，该频带对应的振幅加权中值为。

首先对第i道地震数据的f_k频带的振幅值按照大小进行升序排序，然后为其每个样点振幅值分别设置加权系数w_s，其中s为样点编号且1≤s≤p，p为样点总数且p为正整数。在本示例中设置加权值w₁＝1，w₂＝2，…w_p/2＝p/2，w_p/2+1＝p/2-1，…w_p＝1。

其中，加权系数w_s为正整数，并满足w₁＜w₂＜...＜w_p/2且w_p/2＞w_p/2+1＞w_p。

通过加权设置，则得到振幅值序列其中，加权系数表示对应振幅值的存在个数，例如加权系数w₁表示存在w₁个。

根据设置的加权系数，对上述振幅值序列的多个振幅值按照大小进行升序排序。

当为奇数时，则第i道地震数据的f_k频带的振幅加权中值等于升序排序后的振幅值序列的第个振幅值。

当为偶数时，则第i道地震数据的f_k频带的振幅加权中值等于升序排序后的振幅值序列的第个振幅值与第个振幅值的平均值。

7)第i道地震数据的f_k频带的某一样点s的振幅值为，通过上一步求出的各频带的振幅加权中值，则可以通过式2定义噪声分贝值dB：

$\mathrm{dB}=20*\lg \left(\frac{X_{f_k}(i,s)}{M_{f_k}\left(i\right)}\right)$ ——式2

8)当某个样点的噪声分贝值大于或等于该预设阈值(在本示例中设置预设阈值为20分贝)时，则表示该样点的振幅超过能够忍受的范围，即认定为噪声。

即第i道地震数据的f_k频带的某一样点s的振幅值为，如果该振幅值被认定为噪声，则用该样点的前面3～5个样点的振幅平均值Q代替该样点的振幅值。例如，取其前面的三个样点s-1、s-2、s-3并设振幅平均值为Q，则利用式4计算Q：

$Q=\frac{1}{3}(X_{f_k}(i,s-1)+X_{f_k}(i,s-2)+X_{f_k}(i,s-3))$ ——式4，

式中，分别对应于样点s前面3个样点的振幅值。

9)对第i道地震数据的M个频带的每个样点进行步骤7-8的处理得到第i道地震数据的多个频带的衰减后数据。

10)对共炮点道集中的每道地震数据进行步骤7-9的处理得到每道地震数据的多个频带的衰减后数据。

11)最后对每道地震数据的多个频带的衰减后数据作小波重构，得到声波干扰压制后的数据x′(i，t)：

$x^{\′}(i,j)\stackrel{\mathrm{IWT}}{\←}{X}_{f_k}^{\′}(i,j)$ ——式5，

式中，符号表示小波重构。

综上所述，本发明的高保真声波干扰压制方法只对声波到达时间处的小范围数据进行处理，不仅数据量小、计算效率高，而且对实际地震资料的处理结果表明本发明压制强声波干扰的效果非常明显。因此，采用本发明的方法能在石油地震资料处理过程中发挥更一步的积极作用，应用前景良好。

尽管已参照优选实施例表示和描述了本发明，但本领域技术人员应该理解，在不脱离由权利要求限定的本发明的精神和范围的情况下，可以对这些实施例进行各种修改和变换。

Claims (2)

1.一种高保真声波干扰压制方法，其特征在于，所述方法包括以下步骤：

A)在共炮点道集的每道地震数据中划分出含有声波干扰的时窗；

B)将每道地震数据中含有声波干扰的时窗内的数据进行小波分解并等分为多个频带；

C)统计每道地震数据的每个频带的所有样点的振幅值并求取每道地震数据的每个频带的振幅加权中值；

D)将每道地震数据的每个频带的每个样点的噪声分贝值分别与预设阈值进行比较和处理得到每道地震数据的多个频带的衰减后数据，其中，利用所述样点的振幅值与所述样点所在频带的振幅加权中值的比值计算所述样点的噪声分贝值，当样点的噪声分贝值大于或等于预设阈值时则取所述样点之前的3～5个样点的振幅的平均值代替所述样点的振幅值，当样点的噪声分贝值小于预设阈值时则保留所述样点的振幅值；

E)将所述每道地震数据的多个频带的衰减后数据进行小波重构得到声波干扰压制后的地震数据，

其中，在步骤A中，包括以下子步骤：

A1)在所述共炮点道集中拾取声波干扰起始点的起始时间t₀以及起始偏移距r₀，再利用式1计算第i道地震数据的声波干扰时间t_i：

t_i＝t₀+abs(r_i-r₀)/v——式1，

式中，v为声波的传播速度；

A2)给定时移量d，划分第i道地震数据的含有声波干扰的时窗为(t_i-d，t_i+d)，

其中，i为地震数据的道号且1≤i≤N，N为所述共炮点道集的总道数；t_i+d≤t_max，t_max为所述共炮点道集的最大记录时间。

2.根据权利要求1所述的高保真声波干扰压制方法，其特征在于，在步骤D中，根据式2计算样点s的噪声分贝值dB：

式中，为第i道地震数据的f_k频带的第s个样点的振幅值，为第i道地震数据的f_k频带的振幅加权中值。