CN106405654A - 一种基于反褶积广义s变换的地震频谱成像方法 - Google Patents

Abstract

本发明公开了一种基于反褶积广义S变换的地震频谱成像方法，包括：广义S变换谱是由原始信号与高斯窗各自的魏格纳分布进行二维褶积得到的，通过对地震资料做广义S变换得到变换谱，当已知广义S变换谱与窗函数的魏格纳分布时，就可以反褶积出原始信号的时频分布。本发明结合了广义S变换和Wigner‑Ville分布的优点，通过广义S变换窗有效压制了Wigner‑Ville分布的交叉项的产生，同时使广义S变换谱获得了较高的时频聚集性；反褶积广义S变换可以随频率成分的变化自适应地调整分析窗口，且适用于对非平稳地震信号的时频分析，能够获得较高的时频分辨率；将其用于检测储层含油气性，有利于提高储层预测准确性。

Description

一种基于反褶积广义S变换的地震频谱成像方法

技术领域

本发明属于地震频谱成像技术领域，尤其涉及一种基于反褶积广义S变换的地震频谱成像方法。

背景技术

随着油气地震勘探的不断深入，勘探目标已经更多的转向隐蔽性油气藏和复杂构造油气藏，这就需要高信噪比和高分辨地震资料，而地震频谱成像技术一直是提高地震资料精度的研究热点之一。频谱成像技术的核心是时频分析，而现有的时频分析方法较多，如短时傅里叶变换、连续小波变换、S变换、广义S变换等，但时频分辨率仍有待提高。

发明内容

本发明的目的在于提供一种基于反褶积广义S变换的地震频谱成像方法，旨在解决……的问题。

本发明是这样实现的，一种基于反褶积广义S变换的地震频谱成像方法，所述基于反褶积广义S变换的地震频谱成像方法包括以下步骤：

步骤一，广义S变换是在S变换的高斯窗上加入了参数，使高斯窗随不同频率成分变换而变化；

步骤二，对高斯窗G(t)做Wigner-Ville分布：令x(GST)与G(t)褶积得到N1，x(GST)与N1的比值与G(t)相关得到N2，再将N2与G(t)褶积得到新的N1，然后反复迭代得到最佳的N2。

进一步，所述广义S变换是在S变换的高斯窗上加入了两个参数λ和p，使高斯窗随不同频率成分变换而变化，信号x(t)的广义S变换为x(GST)，则有；

进一步，所述对高斯窗G(t)做Wigner-Ville分布：

令x(GST)与G(t)褶积得到N1，x(GST)与N1的比值与G(t)相关得到N2，再将N2与G(t)褶积得到新的N1，然后反复迭代得到最佳的N2。

本发明的另一目的在于提供一种应用所述基于反褶积广义S变换的地震频谱成像方法的地震频谱成像系统。

本发明提供的基于反褶积广义S变换的地震频谱成像方法，综合短时傅里叶变换和S变换的优点且避免了它们的不足，更适应于处理非平稳的地震信号，而且具有一定的自适应性，可以根据实际资料处理需要来灵活选择参数，因此具有较高的时频分辨率和频率汇聚度，有利于提高储层预测准确性。

本发明可以随频率成分的变化自适应地调整分析窗口，且适用于对非平稳地震信号的时频分析，能够获得较高的时频分辨率。本发明由国家自然科学基金石油化工联合基金(U1562111)、国家重大专项(2016ZX05002-004-011)共同资助。

附图说明

图1是本发明实施例提供的基于反褶积广义S变换的地震频谱成像方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例提供的基于反褶积广义S变换的地震频谱成像方法包括以下步骤：

S101：广义S变换是在S变换的高斯窗上加入了参数，使高斯窗随不同频率成分变换而变化；

S102：对高斯窗G(t)做Wigner-Ville分布：令x(GST)与G(t)褶积得到N1，x(GST)与N1的比值与G(t)相关得到N2，再将N2与G(t)褶积得到新的N1，然后反复迭代得到最佳的N2。

下面结合具体实施例对本发明的应用原理作进一步的描述。

1、反褶积广义S变换原理与实现步骤

(1)广义S变换是在S变换的高斯窗上加入了两个参数λ和p，使高斯窗随不同频率成分变换而变化，信号x(t)的广义S变换为x(GST)，则有；

(2)对高斯窗G(t)做Wigner-Ville分布：

令x(GST)与G(t)褶积得到N1，x(GST)与N1的比值与G(t)相关得到N2，再将N2与G(t)褶积得到新的N1，然后反复迭代得到最佳的N2。由于Wigner-Ville分布可能产生交叉项，对频谱分析结果造成干扰，而与其时频分辨率相近的反褶积结果则能有效地抑制这种情况，本发明采用了一种非线性的迭代复原反褶积算法，即Lucy-Richardson反褶积算法。

2、模拟信号分析

这里首先利用线性调频信号(LFM)来检验算法的可靠性。合成信号X是由两个线性调频和两个高频分量叠加而成：

低频分量具有较高的频率分辨率，但高频分量时间分辨率较差，并且由于短时傅里叶固定时窗造成了低频分量末端的拉伸。对信号做广义S变换得到的时频分析结果，显示为高频分量频率分辨率较高，但低频分量时间分辨率较低，对信号做反褶积广义S变换得到的时频分布，具有较高的时频分辨率，且同样没有低频分量末端的拉伸现象。

分析对比以上模拟信号分析结果可见，反褶积广义S变换的时频分布具有较高的时频分辨率和频率汇聚度，对非平稳信号中不同信号分量有较强的区分能力，更能适应非平稳的地震信号，并且克服了短时傅里叶变换固定时窗的局限，能够根据不同频率成分的变化自适应地调节分辨率。

3、实际资料应用

LH地区过A井的地震剖面；该地震资料的主频在40Hz左右。采用反褶积广义S变换对该区域地震数据分别提取了40Hz(主频)和100Hz(高频)的单频剖面，并针对不同单频剖面进行低频阴影分析。

当频率为40Hz时，目的层顶、底能量均很强，即能量“上强下强”；随着频率的增高，顶部能量变化不大，但底部能量已经基本消失，即出现能量“上强下弱”的现象。根据低频阴影分析结果，可推断该区域可能为含油气有利区，因此该方法能够达到预测储层含油气性的目的。

相比于其他时频分析方法，基于反褶积广义S变换的时频分析方法综合了短时傅里叶变换和S变换的优点且避免了它们的不足，更适应于处理非平稳的地震信号，而且具有一定的自适应性，可以根据实际资料处理需要来灵活选择参数，因此具有较高的时频分辨率和频率汇聚度，有利于提高储层预测准确性。

本发明由国家自然科学基金石油化工联合基金(U1562111)、国家重大专项(2016ZX05002-004-011)共同资助。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于反褶积广义S变换的地震频谱成像方法，其特征在于，所述基于反褶积广义S变换的地震频谱成像方法包括以下步骤：

步骤一，广义S变换是在S变换的高斯窗上加入了参数，使高斯窗随不同频率成分变换而变化；

步骤二，对高斯窗G(t)做Wigner-Ville分布：令x(GST)与G(t)褶积得到N1，x(GST)与N1的比值与G(t)相关得到N2，再将N2与G(t)褶积得到新的N1，然后反复迭代得到最佳的N2。

2.如权利要求1所述的基于反褶积广义S变换的地震频谱成像方法，其特征在于，所述广义S变换是在S变换的高斯窗上加入了两个参数λ和p，使高斯窗随不同频率成分变换而变化，信号x(t)的广义S变换为x(GST)，则有；

$GST(\mathrm{\τ},f)=\underset{-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\∫}}x\left(t\right)\frac{\mathrm{\λ}|f{|}^p}{\sqrt{2\mathrm{\π}}}{e}^{\frac{-{\mathrm{\λ}}^2{f}^{2p}{(\mathrm{\τ}-t)}^2}{2}}{e}^{-i2\mathrm{\π}ft}dt,\mathrm{\λ}>0,p>0.$

3.如权利要求1所述的基于反褶积广义S变换的地震频谱成像方法，其特征在于，所述对高斯窗G(t)做Wigner-Ville分布：

${\mathrm{WVD}}_x(t,f)=\underset{-\mathrm{\∞}}{\overset{+\mathrm{\∞}}{\∫}}x(t+\frac{\mathrm{\τ}}{2})x^{*}(t-\frac{\mathrm{\τ}}{2})e^{-j2\mathrm{\π}f\mathrm{\τ}}d\mathrm{\τ};$

令x(GST)与G(t)褶积得到N1，x(GST)与N1的比值与G(t)相关得到N2，再将N2与G(t)褶积得到新的N1，然后反复迭代得到最佳的N2。

4.一种应用权利要求1～3任意一项所述基于反褶积广义S变换的地震频谱成像方法的地震频谱成像系统。