CN1797040A - 压制低信噪比地震记录中随机噪声的方法 - Google Patents

Abstract

一种压制地震中低信噪比随机噪声的方法，在单个频率点上，选定算子长度，求取预测算子；在频率域，用单点频率预测算子对不同地震道相同频率点上的数据进行噪声衰减，消除无规律分布的随机噪音；把消除随机噪音的数据作为有效信号，选定频带的宽度，统计优势频带预测算子，确定出非优势频带预测算子；完成优势频带外推随机噪音压制处理，能够针对地震数据频率空间域中不同频段的不同信噪比，准确确定和压制地震中低信噪比的随机噪声。

Description

压制低信噪比地震记录中随机噪声的方法

技术领域

本发明涉及地球物理勘探地震数据处理技术，是一种提高地震数据信噪比、分辨率的压制低信噪比地震记录中随机噪声的方法。

背景技术

地震数据采集过程中，由于地下岩层各向异性，在不同质点发生散射，以及人为因素与自然条件中的风、雷、电等的影响，采集的地震数据中各频率段包含了很强的随机噪声干扰，严重影响了地震数据分析与处理，使地震剖面精度下降。所以在低信噪比地震数据处理过程中必须对随机噪声进行压制和衰减。

在高分辨率地震数据处理过程中，高频随机噪声极严重地影响地震有效信号频带拓宽。由于大地吸收以及其它因素的影响，所接收到的地震子波高频成分衰减严重，随机噪声对于地层深度弱反射信号的影响尤为严重，所以地震记录高频区信噪比通常是比较低的。要拓宽有效波的频带，提高分辨率，应首先考虑如何提高地震记录高频区的信噪比，消除高频噪声的影响。

常规的频率空间域随机噪声衰减(F-X域)预测技术是基于地震信号的线性同相轴在频率空间域可以预测，而随机噪声不可预测的原理，采用复数向前一步预测的方法，提取可预测的线性同相轴，同时分离随机噪声，这种技术虽然可以在一定程度上压制随机噪声，但是其压制随机噪声的效果主要依赖输入记录本身的信噪比。由于地震数据不同的频段具有不同的信噪比，所以F-X域预测技术对于信噪比低于一定程度的频段就难以发挥压制噪声的作用。可见，该项技术在处理过程中其频率点始终是单一的，当前频率点的预测算子仅由一个频率点的信息来估算，其精度依赖于该频率点原有的信噪比，如果仅由一个地震道来求单一频率点的信噪比，其值不仅不同，而且信噪比曲线很大程度上是锯齿状的。表明预测算子在不同的频率点其可靠性是变化的，尤其是当频率达到一定程度后，随着频率的增高，信噪比逐步降低，算子的可靠性也逐步变差，当信噪比(去噪后有效信号振幅能量值/去噪前有效信号的振幅能量值)＜1/6后，预测的信号是不真实的。

发明内容

本发明所要解决的技术问题是提供一种能够针对地震数据频率空间域中不同频段的不同信噪比，准确确定并压制低信噪比地震记录中随机噪声的方法。

本发明的压制低信噪比地震记录中随机噪声的方法，包括以下处理步骤：

(1)采集地震数据，将多道地震数据从时间域变换到频率域，形成空间域的矢量数据；

(2)在单个频率点上，选定算子长度，求取预测算子；

(3)在频率域，用单点频率预测算子对不同地震道相同频率点的数据进行噪声衰减，消除无规律分布的随机噪声；

(4)把消除随机噪声的数据作为有效信号，选定频带宽度，在整个频率域内分别统计去噪前、后不同地震道相同频带宽度的振幅能量，利用去噪前、后相同频带宽度的振幅能量比值求取信噪比S/N，S/N值最大的频带即较高信噪比频带被确认为优势频带范围；

(5)统计优势频带预测算子，确定出非优势频带预测算子；

(6)完成优势频带外推随机噪声压制处理，

(7)将地震数据从频率域转换到时间域。

本发明采用傅利叶变换实现地震数据在时间域和频率域之间的相互转换。

本发明在频率域的单个频率点采用常规F-X域预测滤波方法求取预测算子，即应用维纳滤波的方法求取单一频率点的预测算子。

根据地震信号的线性同相轴在频率空间域是可以预测的(包括线性噪声和不延续的线性同相轴)，而随机噪声是不可预测的原理求取地震信号的优势频带，应用常规的F-X域预测技术，采用复数向前一步的预测方法，提取可预测的线性同相轴，分离随机噪声，从而提高地震剖面的信噪比与连续性，

具体步骤如下：

在目标函数(1)中X_n(f)为含有随机干扰的单一频率原始数据函数，而在式(1)中

(f)是常规F-X域预测去噪结果函数。设单点频率的信噪比为E(f)那么有：

$E\left(f\right)=\frac{\left|\widehat{S_n}\left(f\right)\right|}{\left|X_n\left(f\right)\right|}---\left(1\right)$

其中||表示复数的模。单点频率的信噪比没有实际意义，需要的是频率空间域的信噪比，于是有：

$E\left(\mathrm{\Δf}\right)=\frac{\underset{l=1}{\overset{n}{\mathrm{\Σ}}}|\widehat{S_n}(\mathrm{\Δf},x_l)}{\underset{l=1}{\overset{n}{\mathrm{\Σ}}}|X_n(\mathrm{\Δf},x_l)}---\left(2\right)$

自定义优势频带的带宽为k，则优势频带信噪比为：

$E\left(\mathrm{K\Δf}\right)=\frac{\underset{i=1}{\overset{K}{\mathrm{\Σ}}}\underset{l=1}{\overset{n}{\mathrm{\Σ}}}\left|\widehat{S_n}(f_i,x_l)\right|}{\underset{i=1}{\overset{K}{\mathrm{\Σ}}}\underset{l=1}{\overset{n}{\mathrm{\Σ}}}\left|x_n(f_i,x_l)\right|}---\left(3\right)$

其中f表示频率，Δf表示采样间隔，f_i表示不同的频率点，x_i表示不同的地震道，这样可以逐频率点自动搜索给定带宽的优势频带信噪比。

本发明求得优势频带后，识别非优势频带的随机噪声。通过对优势频带相应的预测算子分量进行统计，根据信号的预测算子反映的是信号空间延续方向，且信号空间延续方向不随频率而改变的原理，不同频率的预测算子分量具有相似的或随频率缓慢变化的时空线性几何形态，并具有一定的关联性，越是相邻的频率预测算子分量其相似程度也越高，其在频率轴上表现出一种简单的视线性关系，由此就可以推算出非优势频带的预测算子分量。设优势频带与非优势频带预测算子分量关联系数为Q，则有：

$F_{j,m}\left(\mathrm{k\Δf}\right)=\underset{m=1}{\overset{C_{L-j}}{\mathrm{\Σ}}}{Q}_{j,m}{F}_{j,m}\left[(k\±m)\mathrm{\Δf}\right]---\left(4\right)$

(j＝1，2，...，L)

式(4)中：F_j，m为某一频率的预测算子分量，用通常的维纳滤波方法可以求得，C为组合符号， $C_{L-j}=C_L^{L-j};$ Δf为频率采样间隔；k为优势频段的带宽，即算子外推长度；L为算子长度；式中+表示向低频外推，-表示向高频外推。关联系数为Q从(5)式中求得。

$\left(\begin{array}{c}{Q}_{j,1}\\ Q_{j,2}\\ Q_{j,3}\\ \·\·\·\\ Q_{j,k}\end{array}\right)={\left(\begin{array}{ccccc}{F}_{j,1}& F_{j,2}& F_{j,3}& \·\·\·& F_{j,k}\\ F_{j,2}& F_{j,3}& F_{j,4}& \·\·\·& F_{j,k+2}\\ F_{j,3}& F_{j,4}& F_{j,5}& \·\·\·& F_{j,k+3}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ F_{j,m}& \·\·\·& \·\·\·& \·\·\·& F_{j,m+k-1}\end{array}\right)}^{-1}\·\left(\begin{array}{c}{\underset{\‾}{F}}_{j,k+1}\\ F_{j,k+2}\\ F_{j,k+3}\\ \·\·\·\\ F_{j,k+m}\end{array}\right)---\left(5\right)$

本发明在求得优势频带与非优势频带的预测算子后，在频率域的单点频率上，对于预测地震道，利用其前后一个预测算子长度的地震道与预测算子分量对应相乘，再把相乘结果相加作为预测地震道的单点频率。其原理类似于时间域把前后地震道同一采样点的振幅相加求平均值作为预测地震道同一采样点的振幅。

本发明对非优势频带随机噪声的压制处理时，对于叠前地震数据，需先对数据进行动校正。

对于地质情况复杂、同相轴倾角较大的地区，进行随机噪声压制时，缩短预算子长度，加宽优势频带。

本发明根据有效地震子波在频率空间域内，在相邻频率点其预测算子是相似的或缓慢变化的。以信噪比高的频段数据为基础，对优频段预测算子分量进行综合统计，依次递推出优频段以外的预测算子分量，完成所有频率成分的预测去噪，这样低信噪比频段的预测算子可达到可靠的精度，能更有效地估计信号，分离随机噪声，达到提高地震数据信噪比与分辨率的目的。本发明能准确确定地震数据优势频带的范围。在去除随机噪声的同时比常规F-X预测更有效地保护了中高频带的有效信号，尤其是在信噪比比较低、预测算子精度不高的情况下。

附图说明

图1(a)是理论模型数据；

图1(b)为图1(a)加入噪声的地震道；

图1(c)优势频带算子外推压制噪声处理结果；

图1(d)是原始模型图1(a)频率振幅谱图；

图1(e)是加噪模型图1(b)频率振幅谱图；

图1(f)为优势频带算子外推处理后频率振幅谱图，其中1-有效信号，2-有效信号被压制，3-有效信号被恢复；

图2(a)是叠后地震数据剖面；

图2(b)是对叠后地震数据进行优势频带算子外推压制噪声处理后的地震剖面；

图2(c)是地震数据信噪比剖面；

图2(d)是经过优势频带算子外推压制噪声处理后的地震数据信噪比剖面；

图2(c)，(d)中直线4是零分贝标志线，标志线上方为信噪比＞1；

图3(a)是叠前动校正后去噪前共反射点道集；

图3(b)是叠前动校正后优势频带算子外推去噪后共反射点道集；

具体实施方式

实施例1

本发明优势频带外推压制噪声的方法运用于理论数据，图1(a)是一个大倾角地层理论模型，且无噪声干扰，其中有四个可以连续追踪的同相轴，包括一个水平层和三个倾角不同的层位。图1(b)为图1(a)加入噪声的地震道，由图1(b)上可见：由于信噪比较低，其中的有效信号基本上被噪声所淹没。图1(d)表明图1(a)其有效信号基本上集中在10-100Hz频段，图1(e)表明随机噪声主要集中在40Hz以上，优势频带基本上为10-50Hz，这样就保证了模型的低、中频带有较高的信噪比，从而与实际地震数据相接近。

将采集的多道地震数据从时间域变换到频率域，形成空间域的矢量数据；如图1(b)选定预测算子长为7，输入含随机噪声地震数据图1(b)的7个地震道，然后对7个地震道数据进行傅利叶变换，形成空间域的矢量数据。

然后在每个单个频率点求取维纳滤波算子，用单点频率算子对不同地震道相同频率点的数据进行噪声衰减，消除无规律分布的随机噪声。

把去噪后的数据作为有效信号，对图1(b)选择优势频带宽度为41，分别统计去噪前后不同地震道相同频带的振幅能量，

按式(3)

$E\left(\mathrm{K\Δf}\right)=\frac{\underset{i=1}{\overset{K}{\mathrm{\Σ}}}\underset{l=1}{\overset{n}{\mathrm{\Σ}}}\widehat{{|S}_n}(f_i,x_l)|}{\underset{i=1}{\overset{K}{\mathrm{\Σ}}}\underset{l=1}{\overset{n}{\mathrm{\Σ}}}\left|X_n(f_i,x_l)\right|}$

利用去噪前后相同频带的振幅能量比值求信噪比，较高信噪比频带被确认为优势频带范围，计算出的较高信噪比频带为10-50Hz，由此可以确定图1(b)地震数据优势频带为10-50Hz。

然后利用优势频带的预测算子，通过式(4)，

$F_{j,m}\left(\mathrm{k\Δf}\right)=\underset{m=1}{\overset{C_{L-j}}{\mathrm{\Σ}}}{Q}_{j,m}{F}_{j,m}\left[(k\±m)\mathrm{\Δf}\right]$

(j＝1，2，...，L)

式(5)，

$\left(\begin{array}{c}{Q}_{j,1}\\ Q_{j,2}\\ Q_{j,3}\\ \·\·\·\\ Q_{j,k}\end{array}\right)={\left(\begin{array}{ccccc}{F}_{j,1}& F_{j,2}& F_{j,3}& \·\·\·& F_{j,k}\\ F_{j,2}& F_{j,3}& F_{j,4}& \·\·\·& F_{j,k+2}\\ F_{j,3}& F_{j,4}& F_{j,5}& \·\·\·& F_{j,k+3}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ F_{j,m}& \·\·\·& \·\·\·& \·\·\·& F_{j,m+k-1}\end{array}\right)}^{-1}\·\left(\begin{array}{c}{\underset{\‾}{F}}_{j,k+1}\\ F_{j,k+2}\\ F_{j,k+3}\\ \·\·\·\\ F_{j,k+m}\end{array}\right)$

递推出非优势频带的预测算子。

最后用优势频带的预测算子与递推出的非优势频带的预测算子对地震道数据进行噪声压制处理，在单点频率上，对于一个预测算子长度的地震道，利用前面三个地震道与后面三个地震道的预测算子对应相乘，再把相乘结果相加作为预测地震道第四道的单点频率，第四个地震道即可被预测出来。

然后用同样的方法预测出其它地震道数据，进行优势频带外推随机噪音压制处理，压制噪声结果如图1(c)，优势频带算子外推后，大于50Hz的高频成分的预测算子由于受到10-50Hz频率成分外推的影响，预测算子精度得到提高。压制随机噪声的能力大大增强，对比图1(d)，(e)，(f)可知随机噪声的衰减使得被压制的有效信号得到很好地恢复。最后将地震数据从频率域转换到时间域，得到消除了随机噪声的有效信号。

实施例2

对于地质情况比较复杂的地震数据，如图2(a)所示，其本身的复杂性导致可预测性不高，地震数据规律性很差，如果预测的算子越长，预测范围越大，预测结果就越不准确。所以此时预测算子应适当选择较短一些，但若算子过短，从预测理论可知，分离噪声能力减弱，所以算子长度选择必须经过试验确定。图2(a)左边剖面同相轴连续性差，右边有大倾角同相轴，算子长度选择5，优势频带宽度为60。采用与实施例1所述相同的方法预测并压制随机噪声，处理结果如图2(b)，对比图2(c)，(d)可见，去噪前后信噪比有了很大提高，达到了提高分辨率的目的。

实施例3

本发明除了可以处理叠后地震记录外还可以处理叠前地震数据，前提是在动校正处理后进行。图3(a)是一个动校正后的共反射点道集，采用与实施例1相同的处理方法，图3(b)是本方法处理后的结果。因为动校正前在共反射点上同相轴呈双曲线分布，动校正后同相轴在共反射点上呈直线分布。本方法对呈直线形态的同相轴可以预测，双曲线同相轴在预测过程中以直线来逼近，预测结果不是特别精确，预测算子越长，误差越大，所以去噪前必须进行动校正处理。

Claims (6)

1、一种压制低信噪比地震记录中随机噪声的方法，包括以下处理步骤：

(1)采集地震数据，将多道地震数据从时间域变换到频率域，形成空间域的矢量数据；

(2)在单个频率点，选定算子长度，求取预测算子；

(3)在频率域，用单点频率预测算子对不同地震道相同频率点的数据进行噪声衰减，消除无规律分布的随机噪音；

(4)把消除随机噪音的数据作为有效信号，选定频带的宽度，在整个频率域内分别统计去噪前后不同地震道相同频带宽度的振幅能量，利用去噪前后相同频带宽度的振幅能量比值求取信噪比，信噪比值最大的频带即较高信噪比频带被确认为优势频带；

(5)统计优势频带预测算子，确定出非优势频带预测算子；

(6)完成优势频带外推随机噪音压制处理；

(7)将地震数据从频率域转换到时间域，得到消除随机噪声的有效信号，生成地震剖面图。

2、根据权利要求1所述的压制低信噪比地震记录中随机噪声的方法，其特征在于在频率域的单个频率点采用常规F-X域预测滤波方法求取预测算子，即应用维纳滤波的方法求取单一频率点的预测算子。

3、根据权利要求1所述的压制低信噪比地震记录中随机噪声的方法，其特征在于通过对优势频带相应的预测算子分量进行统计，根据优势频带与非优势频带预测算子分量的关联性，推算出非优势频带的预测算子分量，进而求得非优势频带的预测算子。

4、根据权利要求1所述的压制低信噪比地震记录中随机噪声的方法，其特征在于求得优势频带与非优势频带的预测算子后，在频率域单点频率上，对于预测地震道，利用其前后一个预测算子长度的地震道与预测算子分量对应相乘，再把相乘结果相加作为预测地震道的单点频率。

5、根据权利要求1所述的压制低信噪比地震记录中随机噪声的方法，其特征在于对非优势频带的随机噪声压制处理时，对于叠前地震数据，需先进行动校正处理。

6、根据权利要求1所述的压制低信噪比地震记录中随机噪声的方法，其特征在于对于复杂地质情况、同相轴倾角较大的地区，压制随机噪声时，应适当缩短预测算子长度。

Images