CN110082825B - 一种基于卷积稀疏编码的高斯束偏移方法 - Google Patents

Abstract

本发明提供了一种基于卷积稀疏编码的高斯束偏移方法，涉及地震数据处理的技术领域，该方法包括：基于采集的原始地震数据构建高斯束形式的地震数据；根据高斯束形式的地震数据确定高斯束基函数；结合高斯束基函数和卷积稀疏编码模型对高斯束形式的地震数据进行稀疏分解，得到高斯束波形函数；根据高斯束波形函数得到检波点高斯束和与检波点高斯束对应的炮点高斯束；将检波点高斯束和炮点高斯束进行偏移成像，得到偏移成像结果，并根据偏移成像结果确定成像剖面。本发明利用卷积稀疏编码的方法对地震数据进行稀疏分解，减少向地下发射高斯束的数量，提高整个偏移过程的计算效率，同时能够减少偏移噪音，提高了成像剖面的信噪比。

Description

一种基于卷积稀疏编码的高斯束偏移方法

技术领域

本发明涉及地震数据处理技术领域，尤其是涉及一种基于卷积稀疏编码的高斯束偏移方法。

背景技术

随着社会的发展和人们生活水平的提高，对油气资源的需求量越来越大。需要加快勘探复杂构造地区的油气资源，但在复杂构造地区采集的地震数据信噪比很低，为了能够得到清晰的地下构造成像，需要采集大量的地震数据。地震成像是地震勘探的重要组成部分，对于油气勘探具有重要意义。

目前，高斯束偏移方法被广泛应用于偏移成像中。在利用传统高斯束偏移方法把地震数据分解表示为高斯束形式的过程中，需要向地下所有方向发射高斯束，使得整个偏移成像过程计算量大、信噪比低。

发明内容

本发明的目的在于提供一种基于卷积稀疏编码的高斯束偏移方法，利用卷积稀疏编码的方法对地震数据进行稀疏分解，减少向地下发射高斯束的数量，提高整个偏移过程的计算效率，同时能够减少偏移噪音，提高了成像剖面的信噪比。

本发明提供的一种基于卷积稀疏编码的高斯束偏移方法，其中，包括：

基于采集的原始地震数据构建高斯束形式的地震数据；

根据所述高斯束形式的地震数据确定高斯束基函数；

结合所述高斯束基函数和卷积稀疏编码模型对所述高斯束形式的地震数据进行稀疏分解，得到高斯束波形函数；

根据所述高斯束波形函数得到检波点高斯束和与所述检波点高斯束对应的炮点高斯束，其中，所述检波点为检测到所述原始地震数据的位置，所述炮点为发射所述原始地震数据的位置；

将所述检波点高斯束和所述炮点高斯束进行偏移成像，得到偏移成像结果，并根据所述偏移成像结果确定成像剖面。

进一步的，所述根据所述高斯束形式的地震数据确定高斯束基函数的步骤，包括：

采集所述高斯束形式的地震数据和速度模型；

根据所述高斯束形式的地震数据的角频率和预设束间距公式确定高斯束的间距；

根据所述高斯束的间距和预设高斯束中心位置公式确定高斯束中心的位置；

基于所述速度模型中速度的平均值、所述高斯束形式的地震数据的角频率和预设半宽公式，确定高斯束的半宽；

根据所述高斯束中心的位置和所述高斯束的半宽生成时间-空间域的高斯束基函数。

进一步的，所述根据所述高斯束中心的位置和所述高斯束的半宽生成时间-空间域的高斯束基函数包括：

基于所述高斯束中心的位置和所述高斯束的半宽，根据预设基函数公式生成所述高斯束基函数，所述预设基函数公式为：

其中，x，t分别为空间、时间，m₁＝1,2,…,M₁，m₂＝1,2,…,M₂，M₁为高斯束中心的个数，M₂表示高斯束的倾角个数，i为虚数单位，i²＝-1，ω为角频率，IFT[·]为傅里叶逆变换，

为高斯束的倾角，V为速度模型中速度的平均值，

为高斯束中心的位置，ω_r为地震数据的角频率，w为高斯束的半宽。

进一步的，所述结合所述高斯束基函数和卷积稀疏编码模型对所述高斯束形式的地震数据进行稀疏分解，得到高斯束波形函数的步骤，包括：

利用预设稀疏约束条件，对所述高斯束形式的地震数据进行求解，得到卷积稀疏编码模型；

将所述高斯束基函数输入至所述卷积稀疏编码模型中；

结合辅助分离变量和交替方向乘子法将所述输入所述高斯束基函数的卷积稀疏编码模型分解为多个极小化子问题；

对各个所述极小化子问题进行求解，得到所述高斯束波形函数。

进一步的，所述卷积稀疏编码模型为：

其中，S为高斯束形式的地震数据，D_m为高斯束基函数，x_m为高斯束波形函数，λ为稀疏正则化参数，||·||_F为矩阵范数，||·||₁为L1范数，*为卷积符号。

进一步的，所述根据所述高斯束波形函数得到检波点高斯束和与所述检波点高斯束对应的炮点高斯束的步骤，包括：

将所述高斯束波形函数中的非零值分解为多个子波；

将每个所述子波均与所述高斯束基函数进行卷积，得到检波点高斯束；

通过试射法确定与所述检波点高斯束相对应的炮点高斯束。

进一步的，所述将所述检波点高斯束和所述炮点高斯束进行偏移成像，得到偏移成像结果，并根据所述偏移成像结果确定成像剖面，包括：

将所有所述子波的偏移成像结果进行求和，得到一炮地震数据的偏移成像结果；

将所有炮的所述地震数据的偏移结果进行求和，得到成像剖面。

进一步的，所述高斯束形式的地震数据为：

S(x,t)＝∑_mB_m(t)*ψ_m(x,t)

其中，B_m(t)为高斯束波形函数，ψ_m(x,t)为高斯束基函数

的缩写。

本发明还提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现本发明所述的方法。

本发明提供了一种基于卷积稀疏编码的高斯束偏移方法，包括：基于采集的原始地震数据构建高斯束形式的地震数据；根据高斯束形式的地震数据确定高斯束基函数；结合高斯束基函数和卷积稀疏编码模型对高斯束形式的地震数据进行稀疏分解，得到高斯束波形函数；根据高斯束波形函数得到检波点高斯束和与检波点高斯束对应的炮点高斯束；将检波点高斯束和炮点高斯束进行偏移成像，得到偏移成像结果，并根据偏移成像结果确定成像剖面。本发明利用卷积稀疏编码的方法对地震数据进行稀疏分解，减少向地下发射高斯束的数量，提高整个偏移过程的计算效率，同时能够减少偏移噪音、提高了成像剖面的信噪比。

附图说明

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

图1为本发明实施例提供的一种基于卷积稀疏编码的高斯束偏移方法的流程图；

图2为图1中步骤S102的流程图；

图3为图1中步骤S103的流程图；

图4为图1中步骤S104的流程图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。

实施例一：

参照图1，本发明实施例提供一种基于卷积稀疏编码的高斯束偏移方法，可以包括以下步骤：

步骤S101，基于采集的原始地震数据构建高斯束形式的地震数据；

步骤S102，根据高斯束形式的地震数据确定高斯束基函数；

步骤S103，结合高斯束基函数和卷积稀疏编码模型对高斯束形式的地震数据进行稀疏分解，得到高斯束波形函数；

步骤S104，根据高斯束波形函数得到检波点高斯束和与检波点高斯束对应的炮点高斯束，其中，检波点为检测到原始地震数据的位置，炮点为发射原始地震数据的位置；

步骤S105，将检波点高斯束和炮点高斯束进行偏移成像，得到偏移成像结果，并根据偏移成像结果确定成像剖面。

在本发明实施例中，高斯束形式的地震数据为：

S(x,t)＝∑_mB_m(t)*ψ_m(x,t)

其中，B_m(t)为高斯束波形函数，ψ_m(x,t)为高斯束基函数

的缩写。

在实际应用中，将采集的原始地震数据构建成高斯束形式，即为高斯束叠加的形式，有利于引出待求取的高斯束波形函数，稀疏编码利用一组基向量表示大量样本的基线组合。利用卷积稀疏编码模型对高斯束形式的地震数据进行稀疏分解，有利于减少高斯束波形函数的数量，进而减少向地下发射高斯束的数量，提高整个偏移过程的计算效率。

进一步的，参照图2，步骤S102可以包括：

步骤S201，采集高斯束形式的地震数据和速度模型；

在本发明实施例中，地震数据也称之为地震记录或记录波场，表现形式可以是二维数组。地震数据包括记录的地表的地震波场，而地表的地震波场u(x,z＝0,t)是地震波场u(x,z,t)的一个切片。速度模型可以指层面速度模型，包括起始层、底部层以及顶部层。其中，速度模型中的速度可以分为平均速度、层速度、均方根速度、等效速度和叠加速度等类型。

步骤S202，根据高斯束形式的地震数据的角频率和预设束间距公式确定高斯束的间距；

在本发明实施例中，预设束间距公式可以如下所示：

其中，a为高斯束的间距，w为高斯束的半宽，ω_r和ω_h分别为地震数据的最低和最高角频率。

步骤S203，根据高斯束的间距和预设高斯束中心位置公式确定高斯束中心的位置；

在本发明实施例中，预设高斯束中心位置公式可以为：

其中，

为高斯束中心的位置，a为高斯束的间距，且m₁＝1,2,…,M₁，M₁为高斯束中心的个数。

步骤S204，基于速度模型中速度的平均值、高斯束形式的地震数据的角频率和预设半宽公式，确定高斯束的半宽；

在本发明实施例中，高斯束的半宽可以通过如下预设半宽公式获得：

其中，w为高斯束的半宽，V_a为速度模型中速度的平均值，ω_r为地震数据的最低角频率。

步骤S205，根据高斯束中心的位置和高斯束的半宽生成时间-空间域的高斯束基函数。

在本发明实施例中，可以先利用地震数据的角频率和预设束间距公式求取高斯束的间距，然后通过高斯束的间距和预设高斯束中心位置公式可以求取高斯束中心的位置，高斯束中心的位置也称之为中心射线的出射位置。结合高斯束的半宽，根据预设基函数公式生成高斯束基函数。基于此，可以根据确定的高斯束的半宽和高斯束中心的位置，求取时间-空间域的高斯束基函数其中，预设基函数公式为：

其中，x，t分别为空间、时间，m₁＝1,2,…,M₁，m₂＝1,2,…,M₂，M₁为高斯束中心的个数，M₂表示高斯束的倾角个数，i为虚数单位，i²＝-1，ω为角频率，IFT[·]为傅里叶逆变换，

为高斯束的倾角，V为速度模型中速度的平均值，

为高斯束中心的位置，ω_r为地震数据的角频率，w为高斯束的半宽。

具体的，高斯束形式的表现形式为高斯束波形函数和高斯束基函数的结合，先通过高斯束形式的数据确定高斯束基函数；再基于高斯束基函数，对高斯束形式的地震数据稀疏分解，为得到稀疏的高斯束波形函数提供了方便。

进一步的，参照图3，步骤S103可以包括以下步骤：

步骤S301，利用预设稀疏约束条件，对高斯束形式的地震数据进行求解，得到卷积稀疏编码模型；

在本发明实施例中，基于高斯束形式的地震数据和高斯束基函数，在求解高斯束波形函数的过程中加入预设稀疏约束条件，可以构建卷积稀疏编码模型，其中，预设稀疏约束条件为L1范数：

卷积稀疏编码模型为：

其中，S为高斯束形式的地震数据，D_m为高斯束基函数，x_m为高斯束波形函数，λ为稀疏正则化参数，||·||_F为矩阵范数，||·||₁为L1范数，*为卷积符号。且高斯束形式的地震数据

高斯束基函数

高斯束波形函数

N、L分别为地震数据的时间采样个数、空间采样个数。

步骤S302，将高斯束基函数输入至卷积稀疏编码模型中；

在本发明实施例中，基于高斯束基函数，对地震数据进行稀疏分解，将卷积稀疏编码模型分解得到的系数用于偏移成像，为了使高斯束中心有一定间距，基于上述卷积稀疏编码模型的稀疏编码方法生成系数X(N,M)，相比于原始的稀疏编码方法生成系数X′(N,L,M₂)，M<LM₂，因此，本卷积稀疏编码模型可以减少发射高斯束的数目。

步骤S303，结合辅助分离变量和交替方向乘子法将输入高斯束基函数的卷积稀疏编码模型分解为多个极小化子问题；

在本发明实施例中，辅助分离变量可以指

交替方向乘子法是一种解决可分解凸优化问题的方法，可以将原问题的目标函数等价的分解成若干个可求解的子问题，然后求解每一个子问题，最后协调所有子问题的解得到原问题的全局解。其他类似交替方法乘子法的方法若在分解卷积稀疏编码模型时产生同样效果，同样受本发明的保护。

具体的，对卷积系数模型求解的是极小化问题，为了对其求解，采用了交替方向乘子法，但是交替方向乘子法不能直接应用到卷积系数模型中，而是需要在卷积稀疏编码模型中引入辅助分离变量，使卷积稀疏编码模型具有可分离变量的形式。辅助分离变量为

表示y_m为含有N个实值元素的列向量。

引入辅助分离变量的卷积稀疏编码模型为：

对引入辅助分离变量的卷积稀疏编码模型采用交替方向乘子法，可以将卷积稀疏编码模型分为多个极小化子问题，例如，个数可以为三个，第一个极小化子问题{x_m}^(j+1)、第二个极小化子问题{y_m}^(j+1)以及第三个极小化子问题

的公式分别为：

其中，S为高斯束形式的地震数据，D_m为高斯束基函数，x_m为高斯束波形函数，ρ为罚参数。

具体的，罚参数ρ是一个递增的序列(ρ₁,ρ₂,…)，在第j次迭代时ρ＝ρ_j。

步骤S304，对各个极小化子问题进行求解，得到高斯束波形函数。

在本发明实施例中，分别对上述三个极小化子问题进行求解，第二个极小化子问题可以通过阈值法求解，第三个极小化子问题可以由第三个极小化子问题的公式直接计算。因此，三个极小化子问题的计算量集中在第一个极小化子问题上，第一个极小化问题在离散傅里叶域可以快速求解，求解第一个极小化问题的过程为：

令z_m＝y_m-u_m，S和D_m的傅里叶变换分别为

和

把x_m和z_m填零扩展为二维数组后，其对应的傅里叶变换分别为

和

且则第一个极小化子问题等价于在离散傅里叶域求解第一个极小化子问题的公式为：

其中，

为矩阵

和矩阵

的哈达马积，即矩阵中对应元素乘积。

在离散傅里叶域求解第一个极小化子问题的公式可以通过如下N个M×M的线性方程组求解：

其中，

为的共轭转置，I为单位矩阵，L为地震数据的空间采样个数，ρ为罚参数。

其中，

和

分别表示矩阵

和

中的元素，

分别为向量

和

中的元素，l，m，n为整数。

上述线性方程组可以通过迭代法进行求解，也可根据其结构利用Sherman-Morrison公式快速求解。

在本发明实施例中，通过求解第一个极小化子问题，得到

为x_m在第j+1次迭代时的值，x_m即为高斯束波形函数B_m(t)；通过阈值法求解第二个极小化子问题得到

通过第三个极小化子问题的公式直接计算得到

最后根据

和

确定高斯束波形函数。

在本发明实施例中，卷积稀疏编码模型可以稀疏分解高斯束形式的地震数据，以得到高斯束波形函数，该步骤得到的高斯束波形函数具有稀疏性，稀疏性为只有很少的非零元素或只有很少的几个远大于零的元素。因此，高斯束波形函数在倾角方向和时间上都是稀疏的，可以根据该特性将高斯束波形函数中的非零值分为多个子波，同时提高了计算效率。相比于现有技术中直接求取高斯束形式的地震数据所得到的高斯束波形函数B_m(t)，其不具有稀疏性，本发明实施例将B_m(t)进行稀疏，减少向地下各个方向发射高斯束的数量，提高偏移过程的计算效率，同时能够减少偏移噪音。

进一步的，参照图4，步骤S104可以包括以下步骤：

步骤S401，将高斯束波形函数中的非零值分解为多个子波；

在本发明实施例中，根据稀疏分解得到的高斯束波形函数B_m(t)在倾角方向和时间上都具有稀疏性的特性，可以把高斯束波形函数中的非零值分为多个子波，其中，高斯束波形函数中可以包含：子波的出射点位置

倾角

和时间t_j信息。

步骤S402，将每个子波均与高斯束基函数进行卷积，得到检波点高斯束；

在本发明实施例中，子波与高斯束基函数ψ_m(x,t)进行卷积可以得到检波点高斯束，检波点高斯束的中心射线为Ω_g，Ω_g出射点位置和倾角分别为

和

其中，检波点高斯束的中心射线Ω_g的轨迹可以通过对射线追踪方程组求解获得，且可以获得沿检波点高斯束的中心射线的旅行时，其中，射线追踪方程组为：

其中，p_x和p_z分别为检波点高斯束在水平和垂直方向的慢度，s为沿中心射线的弧长，T为沿检波点高斯束的中心射线的旅行时，V为介质模型的速度。

步骤S403，通过试射法确定与检波点高斯束相对应的炮点高斯束。

在本发明实施例中，检波点高斯束的中心射线Ω_g与炮点发出的一簇射线相交，确定与检波点高斯束相对应的炮点高斯束的步骤为：先将炮点发出的射线记为Ω_s，然后将检波点高斯束的中心射线Ω_g和炮点发出的射线Ω_s的交点记为R_sg，判断炮点和检波点到交点R_sg的旅行时之和是否等于t_j，若炮点和检波点到交点R_sg的旅行时之和等于t_j，则以炮点发出的射线Ω_s为中心，构造炮点高斯束，且炮点高斯束的出射方向可以通过试射法得到。

在实际应用中，高斯束波形函数B_m(t)可以分为K个子波，每个子波对应一个检波点高斯束g_k和一个炮点高斯束s_k，k＝1,2,…,K。然后将对应的检波点高斯束和炮点高斯束进行偏移成像。例如：检波点高斯束g₁和炮点高斯束s₁互相关成像，检波点高斯束g₂和炮点高斯束s₂互相关成像等。其中，互相关成像的公式为：

W(x；x_s)＝∫dtU^D(x,t；x_s)U(x,t)

其中，x为成像位置，且x＝(x,z)，x_s为炮点位置，U^D(x,t,x_s)为炮点发出的正向传播的记录波场，U(x,t)为反向传播的记录波场。

具体的，可以通过对格林函数进行近似计算得到正向传播的记录波场U^D(x,t,x_s)，近似计算公式为：

其中，

为高斯束叠加表示的格林函数，且格林函数

由笛卡尔坐标系(x,z)下的

确定：

其中，

为频域的高斯束，p_x和p_z分别为水平和垂直方向的慢度。

在本发明实施例中，可以由频域的高斯束

确定时间-空间域的高斯束基函数。

在本发明实施例中，通过将卷积稀疏编码模型分解为多个高斯束波形函数，保证了高斯束波形函数在时间和方向上都是稀疏的，因此在反向传播记录波场时，只在含有高斯束波形函数的方向上发送检测点高斯束，且检测点高斯束只和对应的炮点高斯束进行互相关偏移成像，偏移成像将地震数据运动学特征过渡到地震波动力学特征，可以提高地震空间分辨率和保真度。

进一步的，步骤105可以包括：

将所有子波的偏移成像结果进行求和，得到一炮地震数据的偏移结果；

将所有炮的地震数据的偏移结果进行求和，得到成像剖面。

在本发明实施例中，得到一炮地震数据的偏移结果，进而得到成像剖面，提高了成像剖面的信噪比。

本发明提供的一种基于卷积稀疏编码的高斯束偏移方法，包括：基于采集的原始地震数据构建高斯束形式的地震数据；根据高斯束形式的地震数据确定高斯束基函数；结合高斯束基函数和卷积稀疏编码模型对高斯束形式的地震数据进行稀疏分解，得到高斯束波形函数；根据高斯束波形函数得到检波点高斯束和与检波点高斯束对应的炮点高斯束；将检波点高斯束和炮点高斯束进行偏移成像，得到偏移成像结果，并根据偏移成像结果确定成像剖面。本发明利用卷积稀疏编码的方法对地震数据进行稀疏分解，减少向地下发射高斯束的数量，提高整个偏移过程的计算效率，同时能够减少偏移噪音、提高了成像剖面的信噪比。

在本发明的又一实施例中，还提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法实施例所述方法的步骤。

Claims (7)

1.一种基于卷积稀疏编码的高斯束偏移方法，其特征在于，包括：

基于采集的原始地震数据构建高斯束形式的地震数据；

根据所述高斯束形式的地震数据确定高斯束基函数；

结合所述高斯束基函数和卷积稀疏编码模型对所述高斯束形式的地震数据进行稀疏分解，得到高斯束波形函数；

根据所述高斯束波形函数得到检波点高斯束和与所述检波点高斯束对应的炮点高斯束，其中，所述检波点为检测到所述原始地震数据的位置，所述炮点为发射所述原始地震数据的位置；

将所述检波点高斯束和所述炮点高斯束进行偏移成像，得到偏移成像结果，并根据所述偏移成像结果确定成像剖面；

所述结合所述高斯束基函数和卷积稀疏编码模型对所述高斯束形式的地震数据进行稀疏分解，得到高斯束波形函数的步骤，包括：

利用预设稀疏约束条件，对所述高斯束形式的地震数据进行求解，得到卷积稀疏编码模型；

将所述高斯束基函数输入至所述卷积稀疏编码模型中；

结合辅助分离变量和交替方向乘子法将所述输入所述高斯束基函数的卷积稀疏编码模型分解为多个极小化子问题；

对各个所述极小化子问题进行求解，得到所述高斯束波形函数；

所述卷积稀疏编码模型为：

其中，S为高斯束形式的地震数据，D_m为高斯束基函数，x_m为高斯束波形函数，λ为稀疏正则化参数，||·||_F为矩阵范数，||·||₁为L1范数，*为卷积符号。

2.根据权利要求1所述的方法，其特征在于，所述根据所述高斯束形式的地震数据确定高斯束基函数的步骤，包括：

采集所述高斯束形式的地震数据和速度模型；

根据所述高斯束形式的地震数据的角频率和预设束间距公式确定高斯束的间距；

根据所述高斯束的间距和预设高斯束中心位置公式确定高斯束中心的位置；

基于所述速度模型中速度的平均值、所述高斯束形式的地震数据的角频率和预设半宽公式，确定高斯束的半宽；

根据所述高斯束中心的位置和所述高斯束的半宽生成时间-空间域的高斯束基函数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述高斯束中心的位置和所述高斯束的半宽生成时间-空间域的高斯束基函数包括：

基于所述高斯束中心的位置和所述高斯束的半宽，根据预设基函数公式生成所述高斯束基函数，所述预设基函数公式为：

其中，x、t分别为空间、时间，m₁＝1,2,…,M₁，m₂＝1,2,…,M₂、M₁为高斯束中心的个数，M₂表示高斯束的倾角个数，i为虚数单位，i²＝-1，ω为角频率，IFT[·]为傅里叶逆变换，

为高斯束的倾角，V为速度模型中速度的平均值，

为高斯束中心的位置，ω_r为地震数据的角频率，w为高斯束的半宽。

4.根据权利要求1所述的方法，其特征在于，所述根据所述高斯束波形函数得到检波点高斯束和与所述检波点高斯束对应的炮点高斯束的步骤，包括：

将所述高斯束波形函数中的非零值分解为多个子波；

将每个所述子波均与所述高斯束基函数进行卷积，得到检波点高斯束；

通过试射法确定与所述检波点高斯束相对应的炮点高斯束。

5.根据权利要求4所述的方法，其特征在于，所述将所述检波点高斯束和所述炮点高斯束进行偏移成像，得到偏移成像结果，并根据所述偏移成像结果确定成像剖面，包括：

将所有所述子波的偏移成像结果进行求和，得到一炮地震数据的偏移成像结果；

将所有炮的所述地震数据的偏移结果进行求和，得到成像剖面。

6.根据权利要求1所述的方法，其特征在于，所述高斯束形式的地震数据为：

S(x,t)＝∑_mB_m(t)*ψ_m(x,t)

其中，B_m(t)为高斯束波形函数，ψ_m(x,t)为高斯束基函数

的缩写。

7.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现如权利要求1至6任一项所述的方法。

Images