MX2012004856A - Metodos y aparatos para procesar los datos de series de tiempo para propagar señales en formacion subterranea. - Google Patents

Abstract

Se describen métodos y aparatos para procesar datos en serie de tiempo para propagar señales en una formación subterránea. Un método del ejemplo descrito en la presente para procesar datos medidos comprende recibir una serie de tiempo de datos medidos obtenidos enviando una señal de propagación, la señal de propagación habiendo pasado a través de una formación subterránea, transformando la serie de tiempo de datos medidos para generar una representación de tiempo-frecuencia de la serie de tiempo y procesando la representación de tiempo-frecuencia a por lo menos uno de reducción de ruido en la representación de frecuencia de tiempo, o mejora de un componente de la señal de propagación presente en la representación de tiempo-frecuencia.

Description

MÉTODOS Y APARATOS PARA PROCESAR LOS DATOS DE SERIES DE TIEMPO PARA PROPAGAR SEÑALES EN FORMACIÓN SUBTERRANEA SOLICITUDES RELACIONADAS Esta patente se reivindica la prioridad de la Solicitud Provisional de E.U.A. No. de serie 61/255,476, titulado "Métodos y Aparatos para Procesar Datos de Series de Tiempo" y presentada el 27 de octubre de 2009. Solicitud Provisional de E.U.A. No. de serie 61/255,476 incorporada por referencia en su totalidad.

CAMPO DE LA DESCRIPCIÓN Esta descripción se refiere en general al proceso de datos y, más particularmente, a métodos y aparatos para procesar los datos de series de tiempo para propagar las señales en una formación subterránea.

ANTECEDENTES En aplicaciones de perforación o registro de explotación con frecuencia se usan las mediciones acústicas se utilizan para medir las características de la formación de circundante. Las técnicas de medición acústica generalmente implican la percepción de ondas acústicas generadas por una o más fuentes acústicas y se propagan a través de formación subterránea. Las señales detectadas propagadas pueden incluir uno o más componentes de señales, o modos, como las ondas de esfuerzo cortante, ondas de compresión, ondas de flexión, ondas de Stoneley, etc. Las propiedades de formación pueden ser medidas a partir de las características de dispersión, tales como la atenuación, número de onda, retardo de grupo, retardo de fases, etc., de las señales de sensación que se propagan y/o sus componentes/modos asociados. El ejemplo de propiedades de formación que se pueden medir de las características de dispersión incluyen lentitud de esfuerzo cortante, lentitud en el barro, lentitud de compresión, etc. En muchos escenarios del mundo real, las señales de propagación detectadas incluyen ruido, el cual puede degradar las características de formación de medición.

SUMARIO En la presente se describen métodos y aparatos ilustrativos para procesar los datos de las series de tiempo para las señales que se propagan en una formación subterránea. Los métodos y aparatos ilustrativos descritos procesan y extraen información relevante de los datos vectoriales de series de tiempo de una disposición de sensores que registran señales de propagación en presencia de ruido. Los métodos y aparatos ilustrativos descritos en la presente integran los componentes de proceso que pueden eliminar el ruido de las series de tiempo ruidosas, aumentan la extracción de información de series de tiempo y miden las cantidades físicas, tales como curvas de dispersión, caracterizando una formación subterránea . aunque los métodos y aparatos ilustrativos se describen en el contexto de registro durante la perforación (LWD, por sus siglas en inglés), los métodos y aparatos pueden aplicarse a cualquier aplicación de registro, tales como registro cableado, registro sísmico en orificio de perforación, sísmica superficial, etc.

Un método ilustrativo descrito en la presente para el procesamiento de datos de medición (tal como datos acústicos medidos, datos electromagnéticos medidos, etc.) incluye recibir una serie de tiempo de datos medidos obtenidos enviando una señal de propagación, en donde la señal de propagación ha pasado a través de una formación subterránea. El método ilustrativo también incluye transformar series de tiempo de datos medidos para generar una representación de tiempo-frecuencia de las series de tiempo. El método ilustrativo además incluye procesar la representación de tiempo-frecuencia a por lo menos uno de reducir ruido en la representación de tiempo-frecuencia, o incrementar uno o más componentes de la señal de propagación presente en la representación de tiempo-frecuencia. En algunos ejemplos, la transformación de la serie de tiempo de los datos medidos implica llevar a cabo una transformación ondulatoria (o cualquier otra operación capaz de trasformar una serie de tiempo de datos en una representación de tiempo-frecuencia, tal como trasformación de Wigner Wille, una transformación de Fourier de corto tiempo, etc.) en la serie de tiempo de datos medidos para generar la representación de tiempo-frecuencia. En algunos ejemplos, el proceso de representación de tiempo-frecuencia implica apilar una pluralidad de representaciones de tiempo-frecuencia generadas para una pluralidad respectiva de series de tiempo de datos medidos, por ejemplo, correspondiendo a una pluralidad respectiva de señales de propagación generadas por encendido sucesivo de una fuente (tal como una fuente de audio, y fuente electromagnética, etc.). En algunos ejemplos, el proceso de representación de tiempo-frecuencia implica filtrar la representación de tiempo-frecuencia. En algunos ejemplos, el método incluye adicionalmente reconstruir una segunda serie de tiempo (tal como una segunda serie de tiempo de datos acústicos, datos electromagnéticos, etc.) de la representación de tiempo-frecuencia procesada. En algunos ejemplos, el método incluye adicionalmente determinar una curva de dispersión de la representación de tiempo-frecuencia procesada. En algunos ejemplos, el método incluye adicionalmente determinar una o más propiedades de la formación subterránea de una curva de dispersión determinada de la representación de tiempo-frecuencia procesada.

Un articulo tangible ilustrativo de manufactura descrito en la presente guarda instrucciones que pueden leerse en una máquina ilustrativas que, cuando se ejecutan, ocasionan que una máquina reciba por lo menos una serie de tiempo de datos medidos (tales como datos acústicos medidos, datos electromagnéticos medidos, etc.) obtenidos captando una señal de propagación, en donde la señal de propagación ha pasado a través de la formación subterránea. Las instrucciones ilustrativas que pueden leerse en una máquina, cuando se ejecutan, ocasionan también que la máquina transforme la serie de tiempo de datos medidos para generar una representación de tiempo-frecuencia de las series de tiempo. Cuando se ejecutan las instrucciones que pueden leerse en máquina ilustrativas, causan además que la máquina procese la representación de tiempo-frecuencia para reducir por lo menos el ruido en la representación de tiempo-frecuencia, o aumentar uno o más componentes de la señal de propagación presente en la representación de tiempo-frecuencia. En algunos ejemplos, las instrucciones que pueden leerse en máquina, cuando se ejecutan, ocasionan adicionalmente que la máquina lleve a cabo una transformación de ondulación (o cualquier otra operación capaz de transformar una serie de tiempo de datos en la representación de tiempo-frecuencia, tal como transformación de Wigner Wille, una transformación de Fourier en corto tiempo, etc.) en la serie de tiempo de datos medidos para generar representación de tiempo-frecuencia. En algunos ejemplos, las instrucciones que pueden leerse en máquina, cuando se ejecutan, causan adicionalmente que la máquina apile una pluralidad de representaciones de tiempo-frecuencia generadas para una pluralidad respectiva de series de tiempo de datos medidos, por ejemplo, correspondiendo a una pluralidad respectiva de propagación de señales generadas por encendidos sucesivos de una fuente (tal como una fuente de audio y fuente electromagnética, et.). En algunos ejemplos, las instrucciones que se pueden de leer en máquina, cuando se ejecuta, adicionalmente ocasionan que la máquina filtre la representación de tiempo-frecuencia. En algunos ejemplos, las instrucciones que se pueden leer en máquina, cuando se ejecutan, ocasionan adicionalmente que la máquina reconstruya una segunda serie de tiempo (tal como una segunda serie de tiempo de datos acústicos, datos electromagnéticos, etc.) de la representación de tiempo-frecuencia procesada. En algunos ejemplos, las instrucciones que pueden leerse en máquina, cuando se ejecutan, ocasionan adicionalmente que la máquina determine una curva de dispersión de la representación de tiempo-frecuencia procesada. En algunos ejemplos, las instrucciones que pueden leerse en máquina, cuando se ejecutan, ocasionan adicionalmente que la máquina determine una o más propiedades de la formación subterránea de una curva de dispersión determinada de la representación de tiempo-frecuencia procesada.

Un procesador de datos ilustrativo aquí descrito incluye un transformador ilustrativo para recibir series de tiempo de datos medidos (tal como datos acústicos medidos, datos electromagnéticos medidos, etc.) obtenidos captando una señal de propagación, en donde la señal de propagación ha pasado a través de una formación subterránea. El transformador ilustrativo también transformará la serie de tiempo de datos medidos para generar una representación de tiempo-frecuencia de las series de tiempo. El procesador de datos ilustrativos también incluye un procesador ilustrativo para procesar la representación de tiempo-frecuencia a por lo menos uno de reducción de ruido en la representación de tiempo-frecuencia, o mejorar uno más componentes para la señal de propagación presente en la representación de tiempo-frecuencia. En algunos ejemplos, el transformador es un transformador de ondulación que lleva a cabo una transformación de ondulación (o cualquier otra operación capaz de transformar una serie de tiempo de datos en una representación de tiempo-frecuencia, tal como una transformación de Wigner, una transformación de Fourier de corto tiempo, etc.) en la serie de tiempo de datos medidos para generar la representación de tiempo-frecuencia. En algunos ejemplos, el procesador de datos incluye además un inversor de curva de dispersión para determinar una o más propiedades de la formación subterránea de una curva de dispersión estimada de la representación de tiempo-frecuencia procesada .

BREVE DESCRIPCIÓN DE LOS DIBUJOS La Figura 1 es un diagrama de bloques que ilustra un sistema en el sitio del pozo ilustrativo capaz de soportar los métodos y aparatos ilustrativos descritos en la presente para procesar datos de serie de tiempo.

Las Figuras 2A-2D son un diagrama de bloques que ilustra herramientas de registro sísmico durante perforación ilustrativos que pueden usarse para implementar el sistema en el sitio del pozo de la Figura 1.

La Figura 3 es un diagrama de bloques que ilustra una herramienta de registro sísmico durante perforación ilustrativa que puede usarse para implementar el sistema en el sitio del pozo de la Figura 1.

La Figura 4 ilustra una disposición de receptor ilustrativa que se puede usar para implementar una herramienta de registro sísmico durante perforación o un registro sónico durante perforación para usarse en el sistema del sitio del pozo de la Figura 1.

La Figura 5 ilustra formas de onda de receptor ilustrativas que pueden determinarse de las mediciones de registro obtenidas por el sistema del sitio de pozos de la Figura 1 usando la disposición del receptor de la Figura 4.

La Figura 6 ilustra un ejemplo de procesador de datos que se pueden usar para procesar formas de onda del receptor obtenidas usando la disposición de receptor de la Figura 4 de acuerdo con los métodos y aparatos descritos en la presente.

La Figura 7 ilustra un proceso de aplicación de diversidad ilustrativo que puede implementarse por un apilador ilustrativo incluido en el procesador de datos de la Figura 6.

La Figura 8 ilustra resultados de proceso ilustrativos que pueden lograrse por el proceso de apilado de diversidad de la Figura 7.

Las Figuras 9-12 ilustran operaciones ilustrativas de un analizador de datos ilustrativo incluido en el procesador de datos de la Figura 6.

Las Figuras 13-16 ilustran resultados de filtro ilustrativos que pueden lograrse por un filtro ilustrativo incluido en el procesador de datos de la Figura 6.

La Figura 17 ilustra una gráfica de flujo representativa de un proceso de filtro ilustrativo que puede implementarse por el filtro ilustrativo incluido en el procesador de datos de la Figura 6.

Las Figuras 18-23 ilustran proceso ilustrativo llevado a cabo por un estimador de dispersión ilustrativo incluido en el procesador de datos de la Figura 6.

La Figura 24 es una gráfica de flujo representativa de un primer proceso de inversión ilustrativo que puede implementarse por el inversor de la curva de dispersión ilustrativa incluida en el procesador de datos de la Figura 6.

La Figura 25 es una gráfica de flujo representativa de un segundo proceso de inversión ilustrativo que puede implementarse por el inversor de curva de dispersión ilustrativo incluido en el procesador de datos de la Figura 6.

La Figura 26 ilustra resultados de proceso ilustrativos que pueden logarse por el inversor de curva de dispersión ilustrativo incluido en el procesador de datos de la Figura 6.

La Figura 27 es una tabla que lista los parámetros ilustrativos de un modelo ilustrativo usado para generar datos sintéticos para procesar mediante el procesador de datos de la Figura 6.

La Figura 28 es un diagrama de bloques de un sistema de proceso ilustrativo que puede ejecutar las instrucciones que pueden leerse en máquina ilustrativas usadas para implementar algunos o torso los procesos de las Figuras 7, 17, 24, y 25 para implementar el procesador de datos ilustrativo de la Figura 6.

DESCRIPCIÓN DETALLADA · En la siguiente descripción detallada, se hace referencia a los dibujos anexos, que forman una parte de los mismos y que dentro de los cuales se muestran a manera de modalidades especificas de ilustración mediante las cuales se puede practicar la invención. Se deberá entender que se pueden utilizar otras modalidades y cambios es ructurales sin alejarse del alcance de la descripción.

La Figura 1 ilustra un sistema del sitio del pozo 1 ilustrativo en el cual se pueden usar los métodos y aparatos ilustrativos descritos en la presente para procesar datos de series de tiempo. El sitio del pozo puede ser en tierra o en el mar. En este sistema ilustrativo, un orificio de perforación 11 se forma en las formaciones sub-superficiales por perforación rotatoria, mientras que otros sistemas ilustrativos pueden usar perforación direccional.

Una cadena de perforación 12 se suspende dentro del orificio de perforación 11 y tiene un ensamble de orificio inferior 100 que incluye una barrena de perforación 105 en su extremo inferior. El sistema superficial incluye ensamble de plataforma y torre 10 colocados sobre el orificio de perforación 11, el ensamble 10 incluyendo una mesa giratoria 16, Kelly 17, gancho 18 y manivela giratoria 19. En un ejemplo, la cadena de perforación 12 se suspende desde un engrane de elevación (no mostrado) vía el gancho 18, con el engrane de elevación siendo acoplado a un mástil (n mostrado) levantándose por arriba de la superficie. Un engrane de elevación ilustrativo incluye un bloque de corona cuyo eje se fija a la parte superior del mástil, un bloque que viaja verticalmente al cual se conecta el gancho 18, y un cable que pasa a través del bloque de corona y el bloque de trayectoria vertical. En dicho ejemplo, un extremo del cable se fija a un punto de ancla, mientras que el otro extremo se fija a un malacate para elevar y bajar el gancho 18 y la cadena de perforación 12 acoplada al mismo. La cadena de perforación 12 se forma de tuberías de perforación atornilladas una a la otra.

La cadena de perforación 12 puede elevarse y disminuirse girando el engrane de elevación con el malacate. En algunos escenarios, las operaciones de elevación y disminución de tubería de perforación requieren que la cadena de perforación 12 se desenganche temporalmente del engrane de elevación. En dichos escenarios, la cadena de perforación 12 puede soportarse boqueándola con cuñas en una depresión cónica de la mesa giratoria 16, que se monta en una plataforma 21 a través de la cual pasa la cadena de perforación 12.

En el ejemplo ilustrado, la cadena de perforación 12 se rota por la mesa giratoria 16, energizada por medios no mostrados, que acoplan el Kelly 17 en el extremo superior de la cadena de perforación 12. La cadena de perforan 12 se suspende desde el gancho 18, conectado a un bloque de trayectoria (no mostrado) , a través del Kelly 17 y la manivela giratoria 19, que permite la rotación de la cadena de perforación 12 en relación con el gancho 18. Un sistema de impulsión superior podría usarse alternativamente.

En el ejemplo ilustrado, el sistema de superficie incluye además fluido o lodo de perforación 26 almacenado en una fosa 27 formada en el sitio del pozo. Una bomba 29 suministra el fluido de perforación 26 al interior de la cadena de perforación 12 vía una manguera 20 acoplad a a un puerto en la manivela 19, ocasionando que el fluido de perforación fluya hacia abajo a través de la cadena de perforación 12 como se indica por la flecha direccional 8. El fluido de perforación sale de la cadena de perforación 12 vía los puertos en la broca de perforación 105 y luego circula hacia arriba a través de la región de anillo ente la parte externa de la cadena de perforación y la pared del orificio de perforación come se indica por las flechas direccionales 9. De esta manera, el fluido de perforación lubrica la broca de perforación 105 y lleva los cortes de formación arriba de la superficie de manera que se regresa a la fosa 27 para recirculación .

El ensamble de orificio inferior 100 incluye uno más collares de orificio inferior 100 incluye uno o más collares de perforación hechos especialmente cerca de la barrena de perforación 105. Cada collar de perforación tiene uno más dispositivos de registro montados sobre o dentro del mismo, permitiendo asi que las condiciones de perforación de orificio profundo y/o varias propiedades características de la formación geológica (v.gr., tales como capas de roca u otro material) intersectados por el orificio de perforación 11 que será medido a medida que se profundiza el orificio de perforación 11. En particular, el ensamble de orificio inferior 100 del sistema del ejemplo ilustrado 1 incluye un módulo de registro durante perforación (LWD) 120, un módulo de medición durante perforación (MWD) 130, un sistema roto-dirigible y motor 150, y la broca de perforación 105.

El módulo de LWD 120 se aloja en un cuello de perforación y puede contener uno una pluralidad de herramientas de registro. También se entenderá que más de un módulo de LWD y/o MWD pueden emplearse, v.gr., representado en 120A. (Las referencias, a través de las mismas, a un módulo en la posición de 120 pueden significar alternativamente un módulo en la posición de 120A también) . El módulo LWD 120 incluye capacidades para medir, procesar y guardar información, asi como para comunicarse con el equipo de superficie. En una implementación ilustrativa, el módulo LWD 120 incluye un dispositivo de medicina sísmica, ejemplo de los cuales se ilustran en las Figuras 2A-2D como se describió en mayor detalle más adelante. En otra implementación ilustrativa, el módulo LWD 120 incluye un dispositivo de medición de sonido, un ejemplo del cual se ilustra en la Figura 3 y se describe en mayor detalle más adelante .

El módulo MWD 130 también se aloja en un cuello de perforación y puede contener uno o más dispositivos para medir características de la cadena de perforación 12 y la barreta de perforación 105. El módulo de MWD 130 incluye además un aparato (no mostrado) para generar potencia eléctrica al sistema de orificio profundo. Esto típicamente puede incluir un generador de turbina de lodo energizado por el flujo del fluido de perforación, siendo entendido que otros sistemas de potencia y/o batería pueden emplearse. En el ejemplo ilustrado, el módulo de MWD 130 incluye uno o más de los siguientes tipos de dispositivos de medición. Un dispositivo de medición de peso en la barrena, un dispositivo de medición de par de torsión, un dispositivo de medición de vibración, un dispositivo de medición de choque, un dispositivo de medición de deslizamiento de barra, un dispositivo de medición de dirección y un dispositivo de medición de inclinación.

El sistema en el sitio del pozo 1 también incluye una unidad de registro y control 140 acoplada en comunicación de cualquier manera apropiada al módulo de LWD 120/120A y el módulo de MWD 130. En el ejemplo ilustrado, la unidad de registro y control 140 implementa los métodos y aparatos ilustrativos aquí descritos para procesar datos de series de tiempo representativos de señales de propagación en una formación subterránea. Una unidad de registro ilustrativa que puede usarse para implementar la unidad de registro y control 140 se ilustra en la Figura 6 y se describe en mayor detalle más adelante.

Las Figuras 2A-2D ilustran herramientas de registro sísmico durante perforación ilustrativas que pueden ser la herramienta de LWD 120, o pueden ser parte de un juego de herramientas LWD 120A del tipo descrito en P. Bretón y otros, "Mediciones Sísmicas Posicionadas en Pozo", Oilfield Review, págs.. 32-45, Spring, 2002, incorporada aquí por referencia. El módulo de LWD de orificio profundo 120/120A puede tener un solo receptor (como se describió en las Figuras 2A y 2B) , o múltiples receptores (como se describió en las Figuras 2C y 2D) y pueden emplearse junto con una sola fuente sísmica en la superficie (como se describió en las Figuras 2A y 2C) para soportar las fuentes de registro acústico de una sola polea o fuentes sísmicas plurales en la superficie (como se describió en las Figuras 2B y 2D) para soportar registro acústico multipolar. Consecuentemente, la Figura 2A, que incluye reflexión desviada de un límite de lecho y se llama una disposición de perfil sísmico vertical "desviado del cero", usa una sola fuente y un solo receptor, Figura 2B, que incluye reflexiones desviadas de un limite de lecho y se llama disposición de perfil sísmico vertical de "pasillo", usa múltiples fuentes y un solo receptor; Figura 2C, que incluye refracción a través de límites de domo salino y se llama perfil sísmico vertical de "proximidad de sal", usa una sola fuente y múltiples receptores, y la Figura 2D, que incluye algunas reflexiones desviadas de un límite del lecho y se llama un perfil sísmico vertical de "paso", usa múltiples fuentes y múltiples receptores.

La Figura 3 ilustra una herramienta de registro sónico durante la perforación que puede ser la herramienta de LWD 120, o puede ser una parte de un juego de herramientas de LWD 120A del tipo descrito en la Patente de E.U.A. No. 6,308,137, incorporada aquí por referencia. En el ejemplo ilustrado de la Figura 3, se emplea una plataforma marítima 310, y una fuente o disposición de transmisión sónica 314 se despliega cerca de la superficie del agua. Alternativamente, se puede proveer cualquier otro tipo adecuado de fuente o transmisor descendente o descendente. Un procesador ascendente controla el encendido del transmisor 314. El equipo ascendente también puede incluir receptores acústicos y un registrador para capturar señales de referencia cerca de la fuente. El equipo ascendente además incluye equipo de telemetría para recibir señales de M D del equipo descendente. El equipo de telemetría y la registradora se acoplan a un procesador de manera que los registros pueden sincronizarse usando relojes ascendentes y descendentes. Un módulo de L D descendentes 300 incluye por lo menos receptores acústicos 331 y 332, que se acoplan a un procesador de señales de manera que los registros se pueden hacer de señales detectadas por los receptores en sincronización con el encendido de la fuente de señal.

Una disposición de receptor ilustrativa 400 que puede incluirse en la herramienta de LWD ilustrativa 120 y/o 120A de las Figuras 1, 2 y/o 3 se ilustra en la figura 4. La disposición de receptor 400 del ejemplo ilustrado incluye cuatro receptores acústicos 405-A-D. Sin embargo, más o menos receptores se pueden incluir en la disposición del receptor 400. Cada receptor 405A-D se configura para detectar ondas acústicas generadas por una o más fuentes acústicas (no mostrada) y que se propaguen en una formación penetrada por un orificio en la cual se coloca la disposición del receptor 400. Las formas de onda acústicas detectadas por los receptores 405A-D se escalonan en tiempo debido a la separación entre los receptores 405A-D. Por ejemplo, en el caso de una fuente acústica monopolar, los receptores 405A-D detectan ondas superiores monopolares, incluyendo ondas superiores de esfuerzo cortante, si está presente, que son no dispersivas y, por lo tanto, las formas de onda determinadas por cada receptor son sustancialmente similares excepto durante un retardo de tiempo. Sin embargo, en el caos de una fuente acústica cuadripolar, los receptores 405A-D detectan ondas de modo cuadripolar que son dispersivas y, por lo tanto, las formas de ondas determinadas por cada receptor pueden parecer diferentes. Ejemplos de formas de onda acústicas detectadas por los receptores 405A-D se describen en la Figura 5.

La Figura 5 describe cuatro formas de onda acústicas ilustrativas 505 A-D que corresponden respectivamente a los receptores 405 A-D incluidos en la disposición de receptor 400 de la Figura 4. Las formas de onda acústicas 505 A-D se desvian en tiempo en relación unas con otras debido a la separación entre los receptores 405 A-D. Adicionalmente , las formas de onda ilustrativas mostradas 505 A-D son dispersas como se sugiere por sus diferentes apariciones relativas.

La Figura 6 ilustra un procesador de datos ilustrativo 600 que puede implementarse por la unidad de registro y control 140 de la Figura 1 para procesar datos de series de tiempo como se describió en la presente. En algunos ejemplos, alguno o todo el proceso llevado a cabo por el procesador de datos 600 puede llevarse a cabo alternativamente en el orificio profundo 8v.gr., en uno o más de los módulos de LWD 120, 120A) . Como se observó antes, aunque el procesador de datos 600 se describe en el contexto de procesar datos acústicos de registro durante la perforación, el procesador de datos 600 pueda usarse para procesar cualquier tipo de datos medidos, tales como datos acústicos cableados, datos acústicos sísmicos de orificio de perforación, datos acústicos sísmicos de la superficie, datos electromagnéticos medios, etc. En otras palabras, los datos de series de tiempo procesadas por el procesador de datos 600 puede corresponder a cualquier tipo de datos de forma de onda medidos 610 (denominados también como formas de onda 610) derivados enviando o de alguna manera detectando señales de propagación .

Como se muestra en la Figura 6, el procesador de datos 600 incluye un transformador de ondulación ilustrativa 620 para determinar la transformación de ondulación continua compleja (CWT, por sus siglas en inglés) de cada grupo de formas de onda registradas 610. Por ejemplo, el conjunto de formas de onda 610 pueden corresponder a las formas de onda acústicas 505 A-D captadas por los receptores 405 A-D incluidas en la disposición del receptor 400. La transformación de ondulación mapea una señal de tiempo en una función bidimensional (2D) de tiempo y escala. La escala es proporcional a la frecuencia y, por simplicidad, se denomina como frecuencia en el resto de la descripción. La inclusión del transformador de ondulación 620 permite que se lleve a cabo otro proceso en este dominio 2D. En algunos ejemplos, el procesador de datos 600 adicional o alternativamente incluye otros transformadores (no mostrados) que pueden determinar estas representaciones de tiempo-frecuencia 2D de las formas de oda de entrada 610 usando otras operaciones, tales como una transformación de igner ille, una transformación de Fourier en corto tiempo, etc. La operación ilustrativa del transformador de ondulación 620 se describe en mayor detalle más adelante.

El procesador de datos 600 también incluye un aplicador 630 para llevar a cabo una operación de apilámiento en formas de onda registradas que se han transformado en un mapa de tiempo-frecuencia usando el transformador de ondulación 620. El apilado se emplea para atenuar el ruido y amplificar simultáneamente las señales coherentes incluidas den las formas de onda registradas 610. La operación de apilado puede ser útil en ambientes ruidosos cuando se encuentra, por ejemplo, en aplicaciones de registro durante perforación. La operación ilustrativa del apilador 630 para llevar a cabo apilación de diversidad en el dominio de ondulación, que puede reforzar la señal coherente en relación con el ruido y, por lo tanto, mejorar la relación de señal a ruido (SNR) se describe en mayor detalle más adelante. Obsérvese que las operaciones de apilado ilustrativas llevadas a cabo por el apilador 630 no asumen algún tipo de datos particular que será apilado y por lo tanto tienen aplicación general a una variedad de perforación, registro, mediación y otras aplicaciones.

El procesador de datos 600 además incluye un procesador de tiempo-frecuencia 640 para invocar uno o más elementos de proceso que usan la representación de tiempo-frecuencia de la señal apilada para analizar y entender mejor los datos registrados. Por ejemplo, el mapa de tiempo-frecuencia permite la evaluación del contenido de frecuencia de varias ondas registradas durante la operación de registro. Adicionalmente, el mapa de tiempo-frecuencia puede usarse para determinar si uno o más componentes de forma de onda están dispersos (v.gr., exhiben variación de frecuencia con tiempo) o no.

El procesador de datos 600 también incluye un analizador de datos 650 que puede invocarse por el procesador de tiempo-frecuencia 640 para llevar a cabo análisis de datos ligados a las propiedades intrínsecas de la transformación que incrementa la capacidad de dimensionamiento de la representación de señales, (es decir, de una representación en una dimensión (ID) a una representación 2D) . La operación ilustrativa del analizador de datos 650 se describe más adelante en mayor detalle en el contexto de una aplicación en los datos sintéticos.

El procesador de datos 600 también incluye un filtro 660 que puede invocarse por el procesador de tiempo-frecuencia 640 para llevar a cabo la filtración de señales separadas de interés del ruido. Como se describe en. mayor detalle más adelante, la transformación de ondulación continua compleja es adecuada para filtrar componentes separados en el dominio de tiempo-frecuencia (aunque el ejemplo aquí descrito se puede aplicar para filtrar las representaciones de tiempo-f ecuencia generadas usando operaciones diferentes a la transformación de ondulación continua, tal como representaciones de tiempo-frecuencia generadas usando una transformación de igner Wille, transformación de Fourier en corto tiempo, etc.). Por ejemplo, el filtro 650 puede explotar una propiedad del núcleo de reproducción que permite el diseño e implementación de filtros agudos para separar componentes separados estrechamente en el dominio de tiempo-frecuencia. Dichos casos se encuentran comúnmente en datos acústicos de orificio de perforación.

El procesador de datos 600 además incluye un estimador de dispersión 670 que puede invocarse por el procesador de tiempo-frecuencia 640. Una pieza potencialmente importante de información en análisis acústico de orificio profundo es el ajuste de curvas de dispersión de los modos de orificio profundos de propagación incluidos en la señal recibida. Una curva de dispersión caracteriza la variación de desaceleración (o velocidad) con frecuencia de uno o más de los modos incluidos en las señales de propagación captadas. El conjunto de curvas de dispersión puede proveer una representación útil de una disposición de datos acústicos en el dominio de desaceleración-f ecuencia. Este tipo de representación puede ser útil para entender las características de la formación de rocas que rodean un orifico profundo. Sin embargo, la extracción automática de curvas de dispersión puede ser difícil debido a la complejidad de las señales registradas, la presencia de ruido, etc. En el ejemplo ilustrado, el estimador de dispersión 670 puede extraer el grupo y desacelerar la fase directamente de la representación de ondulación de los datos registrados. La operación ilustrativa del estimador de dispersión 670 en datos reales se describe en mayor detalle más adelante.

El procesador de datos 600 también incluye un inversor de curva de dispersión 680 que puede invocarse por el procesador de tiempo-frecuencia 640 para llevar a cabo una operación de inversión con el fin de estimar la desaceleración de esfuerzo cortante de las curvas de dispersión extraídas determinadas por el estimador de dispersión 670. Por ejemplo, el inversor de curva de dispersión 680 puede usarse para extraer mediciones de desaceleración de esfuerzo cortante desde una curva de dispersión cuadripolar. Obsérvese que, aunque el inversor de la curva de dispersión 680 se describe en el contexto de operación sobre datos cuadripolares , el inversor de la curva de dispersión 680 puede operar adicional o alternativamente en cualquier otro modo acústico o ajusfar los modos, tales como modos flexural, Stoneley, perforado, etc. Además, la extracción de la curva de dispersión como se llevó a cabo por el estimador de dispersión 670 y el filtro de ondulación como se llevó a cabo por el filtro 660 puede combinarse y el resultado provisto al estimador de curva de dispersión 680 para extraer las señales y/o parámetros de formación de interés en el caso de señales complicadas corrompidas por una variedad de ruido e interferencia.

Una interfaz de salida 690 se incluye en el procesador de datos 600 para permitir las formas de onda procesadas, curvas de dispersión estimadas, parámetros de formación medidos, etc., determinados por diferentes componentes del procesador de datos 600 para que salgan en cualquier formato apropiado. Por ejemplo, la interfaz de salida 690 puede implementarse por el circuito de interfaz ilustrativo 2824 y uno o más dispositivos de salida ilustrativos 2828 incluidos en el sistema de proceso ilustrativo 2800 de la Figura 28 que se describe en mayor detalle más adelante.

Como se describió antes, el transformador de ondulación en las formas de onda registradas 610. La transformación de ondulación continua es una transformación que permite la descomposición de un tiempo arbitrario o señal que depende del espacio, s(p), en contribuciones elementales de funciones llamadas ondulaciones obtenidas por dilatación y traslación de una ondulación "madre" o de análisis g(p). En esta descripción, los términos "formas de onda", "señal", "función" y "series de tiempo" se usan para referirse a datos recopilados por cualquiera de un grupo de receptores (v.gr., los receptores 405 A-D en la disposición del receptor 400) a una pluralidad de puntos de muestreo en tiempo o espacio. Obsérvese que los datos pueden observarse como una serie (v.gr., "serie de tiempo") que representa la evolución de la cantidad observada como una función de tiempo (o espacio) , cuando se gráfica contra el tiempo (o espacio) , trazando la forma de las ondas acústicas recibidas (v.gr., "forma de .onda") y también conteniendo información que será extraída (v.gr., "señal"). Para los fines de esta descripción, permitir que s (p) sea la señal dependiente de tiempo arbitrario o espacio y g(p) la ondulación de análisis compleja y progresiva elegida para usarse con el fin de estudiar los fenómenos de propagación de onda y permitir que p sea la variable de tiempo o espacio. La transformación de ondulación continua S(b,a) de una función s (p) es el producto escalar de esta señal por los miembros de la familia de ondulación obtenida de g, usando operadores de dilatación (contracción) y traslación dados como que da como resultado la Ecuación 1: S b> a) =< g(b,a), s(p) >= a q ¡ (p)rgJp- dp a Ecuación 1 En la Ecuación 1, g(b,a) es g dilatado en tiempo por a (aZO) y trasladado en tiempo por b, homogéneo al tiempo en este caso, (beR) , como se da por la Ecuación 2: Ecuación 2 En la Ecuación 1 y Ecuación 2, g es el conjugado complejo y q = 1,1/2 para normalización de Li y L2 respectivamente. En la Ecuación 1 y Ecuación 2, a y b son respectivamente el parámetro a escala (o dilación) , que puede interpretarse como un acercamiento y un parámetro de traslación. Las dilaciones pequeñas serán referidas como altas frecuencias y viceversa. Para definir correctamente y dar un significado físico a la fase de los coeficientes de ondulación, la ondulación de análisis deberá satisfacer la propiedad analítica o progresiva (es decir: g(co)=0, para componentes de frecuencia negativa (espacial o en tiempo) (?<0) ) . El cálculo de las partes frontales de o da de diferentes contribuciones de onda y sus componentes espectrales pueden llevarse a cabo precisamente sin artefactos o interferencias debido a la ausencia de componentes de Fourier en el eje negativo.

Existe alguna flexibilidad en la elección ondulación de análisis, pero deberá cumplir preferiblemente con la condición de admisión dedicada de la propiedad isométrica de la transformación en el siguiente sentido: existe para cada s(t) una constante cg dependiendo dé la ondulación g de manera que: Ecuación 3 y Ecuación 4 En la Ecuación 4, g es la transformación de Fourier de g con ? como la variable doble del tiempo t y la inequidad en la derecha es la condición de admisión. Siguiendo que g es de cero significa (J~g(t)dt=0 o g(0)=0) . Si se cumple con esta condición, existe una fórmula de inversión que reconstruye la señal analizada (v.gr., como se describió en Grossmann, A. y Morlet, J. , 1984, Descomposición de Funciones Hardy en ondulaciones de integrales cuadradas de forma constante, SIAM J. Math. Anal., 15, 723-736), dando: Ecuación 5 En donde Re [ . ] representa la parte real.

Dado que CWT es no ortogonal, (g/b, a ) , g/b ' , a ' ) }?0. Existe un núcleo de reproducción Ng definido de la Ecuación 2 y Ecuación 4 como: TS (b,a,v,u) = c (g(b,a),g(v,u)).

Ecuación 6 En algunos ejemplos, una ondulación de análisis progresivo tal como un tipo Morlet en el cual ?)?=2p y ß=1 dando g(a>) ¾ 0 cuando se selecciona ? <0. La ondulación de Morlet no es una ondulación real en cuanto a que su integral no es de cero. Sin embargo, para un ?? suficientemente grande (en la práctica mayor a 5) , la integral de la ondulación Morlet es lo suficientemente pequeña que puede usarse numéricamente como si hubiera una ondulación (v.gr., como se describió en Grossmann, A., Kronland-Martinet , R. , Morlet, J., 1989, Lectura y entendimiento de transformación de ondulación continua. Wavelet, Time-frequency Methods and Phase Space, Ed. J.M. Combes, A. Grossmann, P. Tchamitchian, Springer-Verlag, Berlín). Usando resultados de Gradshteyn, I.S. y Ryzhik, I.M, 1990, Tabla de Integrales, Series y Productos, Academic Press, New York, el módulo y la fase del núcleo reproducción tiene la forma explícita de la Ecuación 7.

Ecuación 7 De la Ecuación 1 y la Ecuación 6, los coeficientes de ondulación cumplen con la siguiente ecuación de reproducción : dhda £(?,?/) = ¡ S (b, a) t<¡ .r (v, u,b, a) a' Ecuación 8 Esto permite el uso de la fórmula de interpolación introducida en Grossmann, A., Kronland-Martinet , R., Morlet, J., 1989, Lectura y entendimiento de transformación de ondulación continua. Wavelet, Time-frequency Methods and Phase Space, Ed. J.M. Combes, A. Grossmann, P. Tchamitchian, Springer-Verlag, Berlin, para reconstruir un valor aproximado de C T del valor de Transformación de Ondulación Discreta (DWT) .

La apilación, tal como la implementada por el apilador 630, se lleva a cabo en proceso de datos si mismo e implica combinar una recolección de muchas señales en un solo trazo para atenuar el ruido y amplificar simultáneamente la señal coherente en una reunión deseada. Por ejemplo, considerar un resto compuesto de una señal de interés s(t) combinada con un ruido d(t) tal como: restoi ií) = s¿ (t) + d¿ (t) Ecuación 9 En la Ecuación 9, restoi,j(t) es el resto de i-th en la reunión de j-th, Si,j(t) es el resto de señal de i-th y la reunión de j-th y di,j(t) es el ruido aleatorio. Permitir que N y representen el número de restos en cada reunión y el número total de reuniones, respectivamente. Para la operación de apilación estándar, la señal de interés s(t) se estima promediando los restos dentro de la reunión de j-th (v.gr., como se describió en Mayne, .H., 1967, Consideración práctica en el uso de técnicas de punto de reflexión común, Geofísica, 32, páginas 225-229), que pueden expresarse como: restotj it) Ecuación 10 Sin embargo, este enfoque provee el estimado no impulsado óptimo de s(t) solo cuando los ruidos en todos los restos no se correlacionan (espacialrnente ) , varianzas Gaussianas, estacionarias (temporales) y de ruido igual. Robinson, J.C. 1970, Apilación estadísticamente óptima de datos sí mismos, Geofísica 35, páginas 436-446, propone el uso de relación de señal a ruido (SNR) con base en la pila pesada para reducir además el ruido que puede expresarse como : Sj(t) En la Ec Denota la varianza del ruido que corrompe el resto de i-th de la reunión de j-th. Dadas las varianzas de ruido, la técnica anterior puede ser un estimado lineal no impulsado óptimo de Sj(t) si se asume el ruido no correlacionado ( espacialmente) y estacionario (temporalmente) . Sin embargo, el desempeño de esta técnica se liga fuertemente a la capacidad del usuario para estimar apropiada y confiablemente la varianza del ruido. La Patente de E.U.A. 3,398,396 mostró que puede ser más robusta para pesar la pila con base en amplitud de señal y potencia de ruido. En implementaciones prácticas con amplitud de señal común, el peso que se usa es la inversa de la potencia total, que se calcula usando una ventana de movimiento largo. En este caso, la Ecuación 13 se usa pero el factor de peso wt,j es igual a la potencia del ruido. Esta operación de apilado descrita antes dentro de la pila de reunión también puede aplicarse a través de las reuniones dependiendo de la aplicación.

En contraste a los enfoques de apilación procedentes, el apilador 630 lleva a cabo la operación de apilación en el dominio de ondulación continuo. Primero, cada una de las formas de onda 610 registradas para los diversos encendidos son ondulación continua transformada por el transformador de ondulación 620, como se explicó antes, en un mapa 2D de tiempo y frecuencia. El apilador 630 lleva acabo frecuencia de apilación de diversidad por frecuencia en los coeficientes de ondulación en estos mapas de ondulación 2D. En cada frecuencia, la fórmula de Ecuación 11 se aplica y se obtiene un conjunto apilado de coeficientes de ondulación. El apilador 630 repite esta operación . para todas las frecuencias del mapa de transformación de ondulación. En algunos ejemplos, el apilador 630 estima el factor de peso de cada frecuencia considerando una ventana al inicio de la señal para estimar la potencia de ruido y tomando en cuenta la correlación a través de las frecuencias.

Después de que se ha llevado a cabo esta apilación, el apilador 630 aplica la transformación de ondulación inversa de la Ecuación 5 al mapa de ondulación apilado y obtiene una señal apilada en el dominio de tiempo con relación de señal a ruido (SNR) mejorada (o potencialmente mejorada). En algunos ejemplos, el apilador 630 selecciona una parte del mapa aislado de ondulación para reconstruir la señal de tiempo. En dichos ejemplos, el apilador 630 selecciona una parte del mapa apilado de ondulación para reconstruir la señal de tiempo. En dichos ejemplos, el apilador 630 aplica la fórmula de reconstrucción de la Ecuación 5 solo en una parte del mapa de ondulación apilado (v.gr., en donde la energía es máxima), que es equivalente a llevar a cabo una operación de filtración. Este enfoque de apilación permite que el apilador 630 apile eficientemente los datos conjuntamente como una función de frecuencia y tiempo, reduciendo así el traslapamiento con interferencia comparado con enfoques confinados al dominio de tiempo o frecuencia solo que puede ser propenso a traslapar llegadas en los dominios respectivos.

La Figura 7 ilustra un proceso ilustrativo 700 ejecutado por el apilador 630 para llevar a cabo la apilación de diversidad en dominio de ondulación. La Figura 8 ilustra una comparación de apilación de diversidad en el dominio de ondulación se lleva a cabo por el apilador 630 contra apilación convencional. Como se ilustra en la Figura 8, la apilación de diversidad en el dominio de ondulación puede proveer coherencia superior y registros más continuos comparados con los resultados obtenidos con apilación convencional .

En el proceso 700 de la Figura 7, cada forma de onda registrada para diferente encendido se transforma en una representación de tiempo-frecuencia (bloques 705A-B) . Luego cada frecuencia de cada mapa se apila juntos usando apilación de diversidad (bloques 715-720). Esta operación se lleva a cabo hasta que todas las frecuencias se han apilado (bloque 710). Después de que todas las frecuencias se han apilado, el apilador 630 obtiene un mapa de ondulación apilado (730) que se transforma por el apilador 630 en una señal de tiempo (735) usando la fórmula de reconstrucción de la transformación de ondulación continua. La región 740 corresponde a una zona ilustrativa en donde la fórmula de reconstrucción se aplica para reconstruir la señal temporal.

Esta operación es equivalente para llevar a cabo una operación de filtrado. Si también es posible restringir adicionalmente la zona de reconstrucción en tiempo.

En la Figura 8, un registro de coherencia de semblanza 805 se ilustra para apilado de diversidad en dominio de ondulación como se lleva a cabo por el apilador 630. Otro registro de coherencia de semblanza 810 se ilustra para apilación normal. Como se ilustra en la Figura 8, el registro 805 exhibe apilación diversa de coherencia superior y mejor continuidad que el registro 810 para apilación normal .

La operación ilustrativa del analizador de datos 650 para analizar datos de forma de onda en series de tiempo usando la transformación de ondulación continua se describió ahora. La Figura 9 ilustra un mapa de transformación de ondulación continua (CWT) 905 de una forma de onda 910 de una disposición 915. La transformación de ondulación mapea una señal dimensional en un plano de dos dimensiones (escala de tiempo-frecuencia) de los coeficientes como se muestra en el mapa de CWT 905 de la Figura 9. En el ejemplo ilustrado, el módulo de los coeficientes de CWT complejos del primer receptor se muestran en una escala dB. Los picos del módulo (máxima) también se grafican en el mapa.

El incremento resultante en la dimensión dada por el mapa CWT 905 puede dar como resultado la separación de componentes de señales físicas reales en el plano de tiempo-frecuencia. Se vuelve posible analizar las señales recibidas usando un solo modo de enfoque operando en el dominio de tiempo-frecuencia o tiempo-escala. Además, el mapa de CWT 905 puede mejorar la interpretación del comportamiento de la señal registrada en un orificio profundo (v.gr., para determinar la dispersión, atenuación, etc.) .

Para demostrar la utilidad de la transformación de ondulación para interpretar y filtrar datos acústicos, considere un ejemplo con datos sintéticos generados usando un método semianalítico ilustrativo propuesto por Lu, C.C., y Liu, Q.H., 1995, Una Función Verde Diadica Tridimensional para ondas elásticas en estructuras cilindricas de múltiples capas, J. Acust. Soc. Am. , 98, 2825-2835. El modelo ilustrativo usado para generar los datos sintéticos corresponden a una fuente dipolar centrada que sale a 10 kHz en un orificio profundo de 20.32 cm rodeado por un perfil alterado. La tabla en la Figura 27 presenta los parámetros usados para generar el perfil alterado. Los datos modelados se recolectaron por una disposición de 8 receptores (v.gr., tales como la disposición de receptor 400) y procesados por el analizador de datos 650 en los dominios de desaceleración-tiempo de plano de semblanzas (v.gr., como se describió en Kimball, C.V. y rzetta, T.L., 1987, Proceso de semblanzas de datos acústicos de orificio, Geophysics, 49, 530-544). En otras palabras, la gráfica 1005 presenta las formas de onda calculadas en 8 receptores marcados de 0 a 7 y una gráfica 1015 presenta las formas de onda calculadas en 8 receptores marcados de 0 a 7 y una gráfica 1015 ilustra la representación de dispersión de estas formas de onda en el dominio de desaceleración de frecuencia. La gráfica de desaceleración-frecuencia 1015 (v.gr. , como se describió en Lang, S.W., Kurkjian, A.L., McClellan, J.H., Morris, C.F., y Parks, T.W., 1987, Estimación de dispersión de desaceleración de disposiciones de formas de onda de registro sónico, Geofísica, 52, 530-544) y una gráfica 1020 conteniendo gráficas de frecuencia-número de onda también se muestran incluidas en la Figura 10. Es decir, la gráfica 1010 provee una representación de tiempo de desaceleración de los datos, mientras que la gráfica 1020 provee una vista de número de onda-frecuencia (K vs. F) de los datos.

El análisis de estas gráficas revela la existencia de un modo flexural de orificio profundo (componente) , un modo de pseudo-Rayleigh y un modo de compresión de fugas, junto con una onda superior de compresión no dispersa. El modo de compresión de fugas tiene fuere amplitud relativa a la llegada flexural de interés. Observar que también cuando estas llegadas están simultáneamente presentes en una frecuencia dada, la filtración de frecuencia normal tendrá dificultad para aislarlos. Este resultado puede convertirse aún mayor si las llegadas se acercan con la desaceleración, como es el caso para modos flexurales y pseudo-Rayleigh, por ejemplo. El análisis de tiempo-frecuencia puede analizar y separar los diferentes componentes de la señal.

Por ejemplo, los datos se procesan inicialmente por el transformador de ondulación 620 usando la transformación de ondulación (con apilación posible como se lleva a cabo por el apilador 630) . La Figura 11 presenta la transformación de ondulación del número de forma de onda 8 de la Figura 9 que se da por el analizador de datos 650. El eje X y Y representa, respectivamente, los tiempos y frecuencia (Hz) , mientras que la tercera dimensión es similar a la energía. Obsérvese cómo es relativamente fácil de interpretar los diferentes componentes que se propagan a través de la disposición y obtener información con respecto a su soporte de tiempo-frecuencia y energía. Por ejemplo, la forma de onda de ID ahora se representa en un dominio 2D que hace posible discriminar los diferentes componentes (modos) que componen la forma de onda. Además, los diferentes componentes se pueden observar fácilmente aún si están cercanos en frecuencia, tiempo o ambos.

Por ejemplo, la Figura 11 ilustra un componente de flexión que es débil y puede ser difícil de observar en el dominio de tiempo. Sin embargo en el plano de tiempo-frecuencia, la flexión se observa fácilmente, como con los otros componentes (es decir, la onda superior de compresión, el modo de compresión contra fugas y el modo pseudo-Rayleigh) . Además, el carácter dispersivo de algunas de las llegadas (flexural, fuga-P) también es claramente visible. Es importante mantener en mente que este análisis se ha realizado solo con una forma de onda, mientras que para el método de lápiz de matriz la disposición de formas de onda (v.gr., las ocho formas de onda de la Figura 10) será procesada. La Figura 12 presenta el mapa de transformación de ondulación de las ocho formas de onda modeladas de la Figura 10 y el módulo de la transformación de ondulación para las ocho formas de onda como sale por el analizador de datos 650, que ilustra la propagación de los diferentes componentes. Es decir, los mapas de transformación de ondulación de la Figura 12 separan los diferentes modos presentes en los datos y sigue su propagación en el dominio de tiempo-frecuencia-espacio. Como se ilustra en las Figuras 9-12, la representación de CWT facilita la interpretación y análisis de datos complejos, tal como formas de onda acústicas de orificio. Obsérvese que este análisis es independiente del tipo de datos considerados y también se pueden aplicar al orifico o datos sísmicos superficiales, así como otros tipos de datos.

La operación ilustrativa del filtro 660 para llevar a cabo el filtrado usando la transformación de ondulación continua ahora se describe. Considerar una señal que comprende la suma de señales m £± de varios contenidos expectrales y/o tiempos de llegada. Asumir que estas ondas no se aislan pero interfieren en algún grado entre ellas. La transformación de ondulación de esta señal da, debido a la propiedad de linealidad de la transformación, una difusión de la energía de la señal en el espacio de tiempo-frecuencia dado por los coeficientes de CWT: m Ss (b.'a) =?Sf.

Ecuación 12 Para extraer un componente fi(t) del coeficiente de ondulación total Ss, el filtro 660 emplea una máscara Mfi (b,a) en el plano medio (a, b) y usa, en algunos ejemplos, la fórmula de reconstrucción de la transformación de ondulación continua en el patrón de iteres . Estos son varios enfoques que pueden usarse por el filtro 660 para definir automáticamente la máscara dependiendo de la complejidad de la señal estudiada. Un enfoque implica definir un umbral basado en el máximo de energía de contenido en el espacio de tiempo-frecuencia. Sin embargo, este enfoque puede no ser óptimo en presencia de ruido fuerte en los datos. Otro enfoque usa técnicas de proceso de imagen, tal como reconocimiento de patrones (v.gr., como se describió en Canny, John, 1986: Un Enfoque de Computación a la Detección de Borde, IEEEE Trans en Análisis de Patrón e Inteligencia de Máquina, 8(6), 679-698; Lim, Jae S., 1990, Proceso de Señale se Imagen de Dos Dimensiones, Englewood Cliffs, NH: Prentice Hall, 478-488; y Parker, James R., 1997, Algoritmos para Proceso de imágenes y Visión en Computadora. Nueva York: John Wiley & Sons, Inc) . Para identificar la máscara para diferentes componentes presentes en el mapa de tiempo-frecuencia y extraerlos individualmente. Por ejemplo, para extraer el mismo componente que se propaga a través de una disposición, una máscara definida para un componente de la forma de onda en el primer receptor puede modificarse dinámicamente para extraer el componente en la segunda estación y asi sucesivamente. En la práctica, la forma de la máscara en la primera forma de onda se usa como una información a-priori (v.gr., que se preconfigura) . Este enfoque puede dar resultados razonables, pero, debido a esta parte ciega aplicada, puede incrementar el tiempo de computación de manera que ninguna información con respecto a los diferentes componentes que serán separados se conoce inicialmente . Una manera de dirigir este tejido es usar alguna información a priori basada en la física de los componentes que serán extraídos. En este caso, se vuelve más fácil y rápido definir previamente la forma de la máscara para llevar a cabo la filtración. En la práctica, es razonable considerar que un usuario tendrá alguna información sobre los componentes que serán filtrados (frecuencia, desaceleración, etc.)- Este punto se ilustra además en el contexto de combinar la filtración con la extracción de curva de dispersión.

A continuación, la filtración implementada por el filtro 660 implica aplicar una máscara como se describió antes en el medio plano de tiempo-escala y extrae la señal fi(t) de Ss(a,b) usando las propiedades del núcleo de reproducción para recuperar los coeficientes correspondientes Sfi(a,b) y reconstruyendo el componente deseado fi(t) del último. Cada máscara corresponde a una función poligonal h asociada con cada onda en el medio plano (b,a) como tal. ?ß (fc. a) = 0, Es.f¡ {b. a) < ? Mfi (b: a) = :Li¾,; ( ) > * Ecuación 13 En la Ecuación 13, ? es un umbral.

Permitir que Dh es el dominio definido por la función poligonal h. El patrón de energía relacionado con un componente fi(t) puede expresarse entonces como ESfi=Mfi (b, a ) Ess I Dh . La energía para el componente fi(t) entonces de une por: Ecuación 14 En la Ecuación 14, cg se definió de la propiedad de isometria de la transformación de ondulación (véase Ecuación 3) . Es fj_ por lo tanto es una función de la energía finita, Ss(b,a) y Sfi (b,a) verifica la ecuación de reproducción (ver Ecuación 8) . En otras palabras: Sfi {v,u)Aí (v.'u; b, ) -~ = Sfi (6, .) Ecuación 15 Estas ecuaciones previas demuestran que el filtro 660 puede aplicar una transformación de ondulación continua inversa a los coeficientes de ondulación filtrados para reconstruir una versión filtrada de un componente de señal particular fi(t).

El uso de una función Gausiana progresiva y modulada como la ondulación de análisis (tal como la ondulación de tipo Morlet progresiva) permite que se obtenga una fórmula explícita del núcleo reproductor, como se describió antes. Debido a que esta ondulación de análisis es una función que se localiza bien en el espacio de tiempo-frecuencia, el núcleo asociado está localizado en el plano de la transformación. Por ejemplo, a una aproximación del primer orden, el núcleo de reproducción N(b0,a0;b,a) puede considerarse como una función Dirac para los pares {b0,ao}. Este resultado demuestra que si se usa la ondulación de Morlet, la forma de la máscara es menos importante, dado que puede ser suficiente usar simplemente el patrón de energía de la señal que será filtrado. Si la máscara incluye alguna información lejos del patrón de energía de la señal, la contribución proviniendo de esta información lejana probablemente no afecta los resultados de la filtración. Por lo tanor, es posible que el filtro 660 filtre el componente i de la señal s(t) usando las transformaciones de ondulación continuas inversas como: Ecuación 16 En la Ecuación 16, cg es la constate de isometría y es dependiente solo de la ondulación, como se describió antes. Las Figuras 13-16 presentan la filtración de datos mostrados en la Figura 10. En particular, la Figura 13 muestra una extracción ilustrativa de un modo flexural dipolar usando filtración de ondulación como se implementa por el filtro 660. La Figura 14 ilustra una extracción ilustrativa de un modo de compresión de fugas usando filtración de ondulación como se implementa por el filtro 660. La Figura 15 ilustro una extracción ilustrativa de una onda superior de compresión usando filtrado de ondulación como se implementa por el filtro 660. La Figura 16 ilustra una extracción ilustrativa de un modo pseudo-Rayleigh usando filtración de ondulación implementada por el filtro 660. Como se ilustra en las Figuras 143-16, el filtro 660 puede separar cada componente y facilita el proceso de sus representaciones características independientemente .

Aunque la filtración de ondulación como se implementa por el filtro 660 se describió antes en el contexto de filtrar los datos acústicos de orificios, el filtro 660 puede usarse para filtrar otros tipos de datos registrados .

La Figura 17 ilustra un proceso ilustrativo 1700 que puede usarse para implementar el filtro 660. El proceso 1700 inicia en el bloque 1705 en el cual el filtro 660 obtiene el mapa C T como se determina por el transformador de ondulación 620 para formas de onda registradas 610 que serán filtradas (posiblemente después de apilarse como se lleva a cabo por el apilador 630). En el bloque 1710, el filtro 660 determina una máscara para filtrar un componente deseado (modo) de las formas de onda registradas. Por ejemplo, el filtro 660 puede determinar la máscara automáticamente como se describió antes con base en un mapa de energía determinado o preconfigurado para el componente de señal deseado. En el bloque 715, el filtro 660 aplica la máscara al mapa de CWT. El mapa de CWT filtrado puede usarse en proceso subsiguiente. Adicional o alternativamente, en el bloque 1720 el filtro 660 lleva a cabo una transformación de ondulación inversa en el mapa de CWT filtrado (es decir, enmascarado) para dar una versión de tiempo-dominio del componente de señal deseado.

La operación ilustrativa del estimador de dispersión 670 para llevar a cabo la estimación de curva de dispersión se describió ahora. Además la descripción de usar las trasformaciones de ondulación para la estimación dé curva de dispersión puede encontrarse en la publicación de Patente de E.U.A. No. 2009/0067286, titulada "Extracción de Dispersión para Datos Acústicos usando Análisis de Tiempo-frecuencia" y presentado el 12 de septiembre de 2007, que se incorpora aquí por referencia en su totalidad. En algunos ejemplos, el estimador de dispersión 670 estima la velocidad de grupo, velocidad de fases y atenuación de componentes de propagación de datos acústicos recopilados por una disposición de sensores (v.gr., tal como la disposición de receptor 400) . El estimador de dispersión 670 no realiza suposiciones especificas acerca de los datos diferentes para asumir que consisten de la superposición de uno o más componentes de propagación junto con el ruido que no traslapan significativamente en el plano de tiempo- frecuencia, aunque pueden traslaparse en dominios de tiempo frecuencia por separado. Cada uno de estos componentes pueden exhibir atenuación y dispersión. Solicitud Provisional de E.U.A. Serie No. 61/139,996, titulada "Extracción de dispersión automática de múltiples señales acústicas de traslapamiento de tiempo" y presentadas el 22 de diciembre de 2008, que se incorpora aquí por referencia en su totalidad, que pueden usarse en ambientes más confrontadores en lugar del proceso de un solo modo que puede ser suficiente en muchos casos y además se describe más adelante.

El estimador de dispersión 670 lleva acabo la estimación de curva de dispersión basada en el uso de transformación de ondulación continua compleja descrita • antes. Para desarrollar una operación ilustrativa del estimador de dispersión 670, considerar un solo modo de propagación recibido por un par de sensores en una disposición (v.gr., tal como la disposición del receptor 400). La transformación de Fourier de la señal recibida en un segundo sensor (lth) en términos de aquel en un primer sensor (lth) puede escribirse matemáticamente de la siguiente manera : Ecuación 17 En la Ecuación 17, k(g) son, respectivamente, el número de onda y la atenuación como funciones de frecuencia y 6ij denota la separación entre sensores Ith y jth. En algunos ejemplos, un objetivo es extraer el número de onda y la atenuación que será capaz de derivar el grupo y velocidad de fases. Este problema puede resolventes tomando una expansión Taylor lineal local del número de onda k(f) y atenuación A(f), que puede ser expresado como: " Ecuación 18 en donde la expansión es alrededor de la frecuencia central /f — "o « 2pa en la escala a, en donde co0 es la frecuencia central de la ondulación madre.

El uso de aproximaciones en la Ecuación 18 se soporta por estudios numéricos en las curvas de dispersión indicando que es suficiente para capturar las variaciones locales del número de onda y atenuación, especialmente debido a que las consideraciones imponen uniformidad en el último. Usando esta expansión lineal local y después de alguna simplificación, la relación entre los coeficientes de CWT para dos receptores de la disposición de receptor 400 se da por la Ecuación 19: Ecuación 19 En la Ecuación 19, (f ) Es un factor de fases que depende de la diferencia de la desaceleración de fases y grupo, 10 indexa el sensor de referencia con la distancia a la misma del sensor Ith denotado por d? y el parámetro de cambio de tiempo b se representa como tiempo, t. En otras palabras, los coeficientes de ondulación se tratan como formas de onda en tiempo.

La Ecuación 19 muestra que cada escala a, los coeficientes de CWT en el sensor de Ith tengan cambios de tiempo con respecto a los del sensor lth0 por una cantidad dada por la desaceleración de grupo y la distancia entre el sensor y multiplicado por un factor cuya magnitud depende de la atenuación y cuya fase depende de la diferencia de la desaceleración de fases y grupo. Por lo tanto, dados los coeficientes a una escala particular, a, que corresponden a la frecuencia, fa, el estimador de dispersión 670, en algunos ejemplos, estima tres cantidades, a saber, la atenuación, la desaceleración de fases y el cambio de tiempo dados por la desaceleración de grupo a la frecuencia fa que corresponden a la escala a siendo procesada. El estimador de dispersión 670 repite este proceso para otras escalas (frecuencias) de interés para obtener los estimados de curva de dispersión deseados .

Dos métodos ilustrativos se describen en la presente para estimar la atenuación, desaceleración de fases y desaceleración de grupo de los mapas de CWT de las formas de onda recibidas.

Método 1: Extracción de desaceleración de grupo de la máxima de módulo de la transformación de ondulación La desaceleración de grupo representa la velocidad con la cual se propaga una cubierta de onda (forma de amplitud y la energía se propaga a través del espacio. Para ondas dispersivas, la velocidad de grupo es una función de la frecuencia. Dado que la transformación de ondulación conserva la energía de la señal, es posible estimar la velocidad del grupo como una función de frecuencia directamente en el dominio de ondulación. En particular la Publicación de Patente de E.U.A. No. 2009/0067286, mencionada antes, describe que la ubicación del pico máximo de la magnitud de la transformación de ondulación a la escala provee el tiempo de llegada de la onda de propagación con una velocidad de grupo sg a la frecuencia correspondiente. Por lo tanto, para extraer la desaceleración de grupo a través de la disposición de sensores, se puede adaptar una línea en sentido de mínimos cuadrados a las ubicaciones pico del módulo en los sensores para cada escala y la inclinación de la línea adaptada puede usarse para obtener la desaceleración del grupo se estiman en la frecuencia de centro correspondiente, fa. Los estimados de ubicación pico pueden corregirse vía la interpolación cuadrática exponencial a través del tiempo. En algunos ejemplos, la interpolación cuadrática exponencial se elige debido a que la cubierta del núcleo de reproducción es una exponencial cuadrática en 'b' (véase por ejemplo, Grossmann, A., y Morlet, J., 1984 Descomposición de Funciones Hardy en ondulaciones integrables cuadradas de la forma constante. SIA Journal de Mathematical Analysis, Vol . 15, pags . 723-736) . Las figuras 18-19 ilustran un método ilustrativo que se puede usar por el estimador de dispersión 670 para extraer la desaceleración de grupo de los módulos de la transformación de ondulación de las ondulaciones registradas. En particular, la Figura 18 ilustra una recolección de mapas de CWT para una disposición de ondulaciones (v.gr., obtenidas vía la disposición de receptor 400) y una recopilación de los coeficientes a una frecuencia particular (escala) en una disposición para el proceso de dispersión en la frecuencia. La Figura 19 también muestra el cálculo de desaceleración de grupo en una escala (v.gr., frecuencia). La desaceleración de grupo se da por la inclinación de la linea adaptada 1905 a las ubicaciones corregidas de los picos del módulo. Los últimos se obtienen como se muestra por adaptación de Gaussian alrededor de los picos de modulo.

De la Desaceleración y Atenuación de Grupo a Fase Dada la desaceleración de grupos, el estimador dispersión 670 puede extraer también la desaceleración y atenuación de fases usando la relación dada por la Ecuación 19. Para hacer esto, el estimador de dispersión 670 aplica primero un cambio de tiempo, dado por Usando los estimados de la desaceleración de grupo obtenido antes, a los coeficientes de ondulación, Si(a,t) en cada frecuencia. Luego, el estimador de dispersión 670 obtiene un rango de un modelo de espacio secundario para los coeficientes cambiados, gue se dan por la Ecuación 20: Ecuación 20 En la Ecuación 20, una disposición lineal uniforme ase ha asumido con d como la separación inter-sensor común entre sensores adyacentes. Adicionalmente, en la Ecuación 20, Ya y U se definen apropiadamente como se muestra y a = A(fa); con la suscripción en cp habiendo sido tirada. En la Ecuación 20, t' se refiere a la ubicación de pico de módulo (y los índices en una cercanía del mismo) y N se refiere al ruido. Dadas las cantidades adicionales definidas de la Ecuación 21: Ecuación 21 El estimador de dispersión 670 puede computar las cantidades de la Ecuación 22: Ecuación 22 Para i, j = 1,2. En la Ecuación 22, el símbolo (.)* denota el conjugado complejo, el símbolo T implica el producto de elemento por elemento de las matrices Ya,i y Ya,j y el símbolo ?0 indica una suma tomada sobre todos los elementos de la matriz del producto así obtenida. Debido a Ri2 y R2i son conjugados complejos, solo una de las cantidades necesitan calcularse en la práctica.

Los estimados resultantes de a y f determinado por el estimador de dispersión 670 se dan por la Ecuación 23: Ecuación 23 En la Ecuación 23, >(Ri2) denota la fase compleja de Ri2.

Como se explicó antes, estos estimados pueden usarse ahora para generar los estimados para la desaceleración de fases y la atenuación a la frecuencia correspondiente a la escala a siendo procesada. Repitiendo esto para todas las escalas (frecuencias) de interés, el estimador de dispersión 670 pueden obtener los estimados de curva de dispersión deseados.

Método 2: La Transformación de Radón Proyectada Exponencial (EPRT) Un segundo método ilustrativo puede impleméntarse por el estimador de dispersión 670 también basado en la Ecuación 19. Retomar que hay tres cantidades para estimar; a saber; el factor de atenuación; el factor de fases y el cambio de tiempo dado por la desaceleración de grupo. Una nueva versión modificada de la transformación de Radón, llamada la transformación de Radón proyectada exponencial (EPRT) se introduce para manejar la fase adicional . y los factores de atenuación estimándolos como por la Ecuación 23 y usando los estimados para proyectarlos en un rango de un subespacio U como se definió en la Ecuación 20: Esta proyección se muestra en la Ecuación 24 : Ecuación 24 En algunos ejemplos, el estimador de dispersión 670 opera sobre la energía y, por lo tanto, los cuadrados de cantidades proyectadas y además integra esta energía en una ventana colocada de acuerdo con el parámetro t. Las cantidades a y f pueden estimarse para cada t y p y por lo tanto, son funciones de los últimos. Esta operación es una operación de la Transformación Aleatoria Proyectada Exponencial (EPRT) en los coeficientes complejos de CWT de los datos de la disposición a una escala particular a, como se ilustra en la Figura 20. Haciendo referencia a la figura 20, para cada movimiento p y ubicación de tiempo t, la disposición de coeficientes que corresponde al tiempo t mencionado antes y movimiento p se recopilan y usan para estimar la atenuación (?) y factores de fase (cp) . El ultimo se usa para implementar una generalización de la pila inclinada o transformación de Radón, en donde una proyección en un espacio secundaria que comprende la fase estimada y los factores de atenuación multiplicados por la posición del receptor (d) se aplica. K es una constante de normalización. Operacionalmente, esto significa que estos factores se aplican a los coeficientes en cada receptor antes de la suma. Una cantidad de semblanza asociada también se calcula como se indica en la Ecuación 26. Una ventana de la anchura Tw, dependiendo de la escala, se usa para estabilizar la semblanza asi como los estimados de fase y atenuación.

Por ejemplo, una cantidad de semblanza correspondiente para cada escala puede calcularse usando la Ecuación 26: Ecuación 26 En la Ecuación 26, cuando se obtiene a,f— 0, Ia expresión para el caso no disperso. Los mapas en el plano (t, p) análogo a la transformación de Radón y semblanza, en cada punto en el mapa se calcula usando las cantidades estimadas correspondientes a y ^ para la proyección se obtienen consecuentemente. Estos mapas se denominan como la Transformación de Radón Proyectada Exponencial (EPRT) y la semblanza EPRT.

Los picos del mapa EPRT dando información acerca de la localización de tiempo y desaceleración de grupo de los componentes de propagación en la escala que se está analizado, mientras que la fase estimada correspondiente y los factores de atenuación se pueden usar para extraer la desaceleración y atenuación de fase correspondiente. Esta extracción y refinamientos posibles se trataron antes en la siguiente sección.

Desaceleración y atenuación de estimación Con base en el análisis de EPRT para un solo modo, la semblanza se maximiza cuando se cumple con la Ecuación 27: a = A(fa) + A-(fa)fs Ecuación 27 En la Ecuación 27, los momentos espectrales siguientes se han definido usando la Ecuación 28.

Ecuación 28 La Ecuación 28 representa, respectivamente, la diferencia entre la frecuencia media pesada especialmente, fc, y la frecuencia central fa; la dispersión del espectro (varianza) alrededor de la frecuencia media espectral; y "sesgado" del espectro alrededor de la frecuencia media. En la Ecuación 28, representa el espectro del modo de interés capturado en la ventana. Los parámetros y f se estiman para cada elección de p (y posición de ventana t) usando la Ecuación 23.

Cuando el espectro del modo de interés es relativamente plano sobre el soporte de la ondulación de análisis en la escala (frecuencia) siendo procesado, o cuando el derivado de la desaceleración de grupo (atenuación) es pequeño en el sentido que se da por la Ecuación 29: sf A ,? s ,s, , AXf )? Af ) g f g' f K~aJ f Ja Ecuación 29 Los estimados para atenuación, desaceleración de grupo y desaceleración de fases pueden aproximarse por la Ecuación 30: A(fa)^~a«A0 Ecuación 30 En algunos ejemplos, el estimador de dispersión 670 puede implementar la Ecuación 30 como los estimados normales para atenuación, desaceleración de grupo y desaceleración de fases. En algunos ejemplos, una corrección de desviación que incorpora refinamientos adicionales basados en la Ecuación 28 también puede implementar para mayor precisión cuando las suposiciones de la Ecuación 29 no se mantienen.

En algunos ejemplos, los coeficientes de CWT que corresponden al modo de interés se determinan rastreando los picos en la máxima del módulo y marcándolos con asociación de datos como se describió en la Publicación de Patente de E.Ü.A. No. 2009/0067286, mencionado antes.

La Figura 21 ilustra un resultado de extracción de dispersión ilustrativo (véase gráfica 2105) de las formas de onda (ver gráfica 2110) . Se ilustra la desaceleración de grupo y gases en la Figura 21, junto con la extracción de dispersión correspondiente obtenida usando un método de matriz de lápiz. La gráfica 2105 demuestra que hay una coincidencia entre la curva de dispersión extraída y las calculadas. La gráfica 2115 ilustra la atenuación calculada extraída simultáneamente con las curvas de dispersión.

El estimador de dispersión 670 lleva a cabo las curvas de dispersión de los mapas de ondulación, mientras que el filtro 660 lleva acabo filtración de datos usando las propiedades de reconstrucción de la transformación de ondulación continua. En algunos ejemplos, el proceso llevado a cabo por el filtro 660 y el estimador de dispersión 670 se combinan para filtrar eficientemente señales de interés.

Por ejemplo, como se mencionó antes, las técnicas de proceso de imagen pueden usarse para detectar componentes de interés a través de la disposición antes de filtrarlas. Aunque este enfoque es efectivo, puede tener la desventaja de ser computacionalmente costoso para una implementación en el sitio del pozo. En dichos casos, la información de las curvas de dispersión extraídas pueden reconstruir las formas de onda en una forma computacionalmente eficientes.

Como se describió anteriormente, el estimador de dispersión 670 lleva a cabo su proceso en el dominio de ondulación. Durante este proceso, los coeficientes de ondulación relacionados con el modo de interés se seleccionan de los coeficientes de mapa de ondulación complejos. Esto significa, en la práctica, que en el extremo del proceso se obtiene una curva de dispersión junto con los coeficientes de ondulación ligados a esta dispersión (es decir, que se han usado para llevar a cabo el cálculo) . Por lo tanto se aplica directamente a la fórmula de reconstrucción de ondulación continua a estos coeficientes para obtener las formas de onda de disposición temporal ligados a la dispersión extraída. Este enfoque permite la extracción de la señal de interés en una forma automática y no supervisada mientras se conserva el tiempo de computación que hace que este enfoque sea un buen candidato para implementan del sitio del pozo.

La Figura 22 ilustra resultados para los datos cuadripolares reales en presencia de extruido. Obsérvese ahora que las curvas de dispersión oscilan debido al efecto del ruido. La Figura 23 ilustra resultados ilustrativos después de combinar la extracción de dispersión y filtro de ondulación. Obsérvese cómo las formas de onda es limpia y la curva de dispersión es uniforme en la Figura 23 en relación con la Figura 22.

La operación ilustrativa del inversor de la curva de dispersión 680 para estimar los parámetros de formación, tales como desaceleración de esfuerzo cortante de formación, de las curvas de dispersión determinadas por el estimador de dispersión 670 ahora se describe. Por ejemplo, y como se describió en mayor detalle más adelante, el inversor de curva de dispersión 680 pueden estimar desaceleración de esfuerzo cortante de formación y desaceleración de compresión de fluido do orificio de los datos acústicos de orificio profundo. Aunque la operación del inversor de curva de dispersión 680 se descrió en el contexto de procesar datos de registro durante perforación, los métodos ilustrativos y aparatos descritos en la presente no se limitan a y pueden aplicarse a cualquier tipo de datos acústicos.

En algunos ejemplos, el inversor de curva de dispersión 680 lleva a cabo inversión paramétrica de curvas de dispersión modal de onda guiadas para determinar valores de los parámetros de formación que definen las curvas de dispersión. Condición de guia o ecuación características para una invariante de estructura de guía de onda de dos dimensiones en la dirección z y descrito por un vector de parámetro ? contenido constantes geométricas y materiales pueden ser escritos como: Ecuación 31 En la presente D representa la determinante de la matriz del sistema L del sistema lineal homogéneo de ecuaciones que sigue de la igualación de las condiciones de límite apropiadas, kz, es el número de onda en la dirección de propagación y ? es la frecuencia angular considerada.

Para un vector de parámetros fijos ? , D puede tratarse como una función de dos variables de complejos independientes, kz y co. Cuando se buscan soluciones en estado en reposo para los problemas que implican una excitación de tiempo-harmónica, co será real. Cuando se calculan los transitorios utilÍ2ando una transformación temporal de Laplace, tanto kz y ? en general son complejos, dependiendo de las trayectorias especificas de integración elegido. Debido a los roles únicos de tiempo y espacio en un problema de valor de limite inicial mixto, kz y ? no son intercambiables y no existe conversión simple entre raices de la Ecuación 31 encontrada en el dominio de kz complejo (para un ? fijo) y el dominio ? complejo (para una kz fijo) .

Para guias de onda abiertas que permiten la radiación de energía lejos de la cercanía de la guía de onda en el medio de fondo (que es homogéneo únicamente en algunas situaciones) los dominios complejos de ? y kz son superficies de Riemann de múltiples láminas (es decir, colecciones de planos complejos conectados a través de cortes de ramificaciones) . Excepto para singularidades aisladas (puntos de ramificación y polos) D es analítico en estas superficies.

Para una curva uniforme O en el dominio de ? (normalmente pero no necesariamente el eje real positivo), las raíces de la Ecuación 31 para algunos ? = CÚO e O constituye un grupo de modos.

Eligiendo un modo particular seleccionando una de las raíces, la relación de dispersión Kz (?, ? ) para este modo (con respecto a O) se obtiene rastrando el sitio de la raíz en el dominio kz a medida que ? se mueve lejos de coo y a lo largo de O. En algunos ejemplos, la curva de dispersión {kz(co, X ) :?eO} también se requiere que sea uniforme para evitar una mezcla con otros modos en los puntos posibles de degeneración en donde se intersectan las curvas de dispersión diferentes .

Esta noción de dispersión soporta un método numérico para calcular las curvas de dispersión modales prácticamente. Partiendo de cc>o, una o dos secuencias (dependiendo si co0 es un punto final de O o no) de frecuencias suficientemente cercanas en O son elegidas. Inspeccionando, por ejemplo, |D(kz, ?, X ) 1 en el dominio kz, un modo se selecciona y se obtiene un cálculo general para kz (<»o, ? ). Para identificar el mínimo local de |D| como ceros, el principio mínimo en el análisis complejo asegura que un mínimo local de |D| embebido en un circundante, para el cual es el mínimo absoluto y a través del cual D es analítico, deberá ser un cero.

Formalmente, el principio mínimo establece: si f es una función analítica no constante en un conjunto G abierto unido y es continuo en el cierre de G, entonces F tiene un cero en G o |f| asume su valor mínimo en el límite de G.

Usando la suposición inicial, kz(co=, X ) se determina encontrando el cero de D usando, por ejemplo, el método Newton-Raphson complejo. Subsiguientemente, escalonado a lo largo de O lejos de ?0, las muestras de kz(co, X ) se calculan para cada ?, usando kz encontrado en la frecuencia previa como suposición inicial. Esta curva de dispersión se obtienen por este procedimiento de rastreo de modo.

El inversor de la curva de dispersión 680 resuelve el problema inverso implicando la estimación de los elementos N desconocidos de j¡ ^e banda limitada, posiblemente las muestras ruidos de una o más curvas de dispersión. El : número de parámetros N que serán determinados puede ser menor que la dimensión de en caso de algunos elementos de ? fueran, por ejemplo, derivadas de otras mediciones.

Dados los pares de M medidos (coi, kzi) que cumplen con : Ecuación 32 en donde f¡ = [;?.] representa el ruido en los datos y, como en el caso de dato multimodales , en donde kz (coi, X ) puede pertenecer a diferentes modos, una formulación posible del problema inverso ayuda a reducir la función de costos de la Ecuación 33: Ecuación 33 Un inconveniente de este enfoque es que cada evaluación sola de la Ecuación 33 para ? , en cualquier método de optimización se emplea, requiere que las raices de M de cz(í ¿, ), que puede determinarse exactamente solo por interacción. Estas interacciones pueden evitarse por el cálculo previo de una mesa de búsqueda para kz para todas las Posibles, ?, y modos, que por si mismos pueden ser una tarea de cómputo extensas, pero las interpolaciones necesarias durante la inversión pueden afectar una respuesta exacta aún en el caso de cada kZi a las curvas de dispersión correctas) pueden complicar la situación. Si kZi se usa como suposiciones cuando calcula interactivamente fc_(co¿, ), se puede elegir el modo erróneo accidentalmente.

Las dificultades anteriores pueden evitarse resolviendo el problema inverso sin reclasificar las curvas de dispersijt ^(¾5 ? ) explícitamente. Con esto en mente, en algunos ejemplos el inversor de curva de dispersión 680 lleva a cabo la reducción de la "desigualdad de guía" dada por la Ecuación 34 : Ecuación 34 La función de costos de la Ecuación 33 para el caso de datos libres de ruidos, puede ser de cero, similar a la Ecuación 34. Para datos de ruido, el problema de mínimos cuadrados puede resolverse aplicando el método de Gauss-Newton. Los derivados parciales en Jacobian típicamente se reemplazan por diferencias finitas a menos que la estructura considerada es lo suficientemente simple de manera que las diferenciaciones se pueden llevar a cabo analíticamente. Se observa que, mientras que la Ecuación 33 es de la misma forma que en los problemas de adaptación de curva, en la Ecuación 34 los datos k2i y por lo tanto la influencia Q de ruido 77 En una forma no lineal.

Un método ilustrativo que puede implementarse por el inversor de la curva de dispersión 680 lleva a cabo la inversión ID de curvas de dispersión modal para determinar la desaceleración de esfuerzo cortante en este caso de inversión de un solo parámetro, solo una entrada de datos puede ser suficiente en casos en donde no hay ruido. Sin embargo, en la práctica, hay varios tipos de ruido presentes en los datos. Por lo tanto, el inversor de la curva de dispersión 680 invierte simultáneamente las entradas de datos múltiples (es decir, M>1) .

Un método de inversión ilustrativo se ha implementado en MATLAB™. La función de minimización usada se llama "lsqnonlin" con un algoritmo "Gauss-Newton" . Jacobian se calcula usando diferencia finita.

Para evitar la velocidad de cálculo mínima local y mejorada, una región de búsqueda se inicia para invertir la desaceleración de esfuerzo cortante de formación. En algunos ejemplo, el límite superior se elige como un máximo de la desaceleración de fases (v.gr., max ( ki/coi) ) , mientras que el límite inferior se ajusta a tiempos de 1.45 (o algún otro valor de coeficiente) de la desaceleración de compresión de formación (v.gr., 1.45 x DTc) . En algunos ejemplos, el estimado inicial usado para iniciar el proceso de la inversión es el punto medio del intervalo de búsqueda así definido. La elección del coeficiente 1.45 para usarse en el ajuste del límite superior de región de búsqueda se basa en la relación entre la relación de Poisson v y relación de velocidad de esfuerzo cortante de compresión vp/vs como se da por la Ecuación 35: Ecuación 35 Para obtener un v, positivo, vp/vs tiene que ser mayor que ? Por lo tanto, en algunos ejemplos 1.45 x DTc se elige como el limite inferior para valores de desaceleración de esfuerzo cortante (DT).

Un método ilustrativo 2400 que puede implementarse por el inversor de la curva de dispersión 680 para llevar a cabo la inversión de 2D de curvas de dispersión modal para determinar la desaceleración de esfuerzo cortante de formación y la desaceleración de lodo simultáneamente se ilustra en la Figura 24. En particular, el método ilustrativo 2400 de la Figura 24 lleva a cabo la inversión de curva de dispersión Stoneley. Similar al método de inversión de un solo parámetro descrito antes, los datos ingresados en las frecuencias múltiples también se usan para esta inversión de dos parámetros y la función de minimización en MATLAB™ también es lsqnonlin como en la inversión de un solo parámetro descrita antes.

El método ilustrativo 2400 de la Figura 24 lleva a cabo diferentes cadenas de proceso dependiendo del tipo de formación (v.gr., formación rápida o lenta) . Ambas cadenas de proceso integran la inversión de parámetros ID e inversión de parámetros 2D. En particular, los resultados de la inversión de un solo parámetro (ID) se usan para dar estimados iniciales para la inversión de dos parámetros (2D) . Asumiendo una formación rápida (bloque 2405), el método 2400 inicia la región de búsqueda (banda de búsqueda) para inversión desaceleración de esfuerzo cortante como se describió antes en la inversión de parámetros de un solo ejemplo (bloque 2410) . Sin embargo, una región de búsqueda diferente se inicia para inversión de desaceleración de lodo (bloque 2410) . Sin embargo, una región de búsqueda diferente se inicia para inversión de desaceleración de lodo (bloque 2410) . Por ejemplo, debido a un estimado previo para desaceleración de lodo usualmente puede obtener con base en el reconocimiento previo del lodo de perforación, el limite inferior para desaceleración de lodo se establece en el bloque 2410 como un estimado previo menos ?.dµß/?t . Sin embargo, el limite superior depende del modo considerado (v.gr., dipolo, Stoneley, cuadripolar, etc.) y la formación (como el ejemplo ilustrado) , el limite superior de la región de búsqueda para desaceleración de loso se establece como 0.98 veces el mínimo de la desaceleración de fases.

Después de establecer la desaceleración de esfuerzo cortante inicial y la desaceleración de lodo estima estar en los puntos medios para sus regiones de búsqueda respectivas (bloque 2415) , el método 2400 lleva a cabo una inversión de ID que invierte desaceleración de lodo usando el estimado inicial para la desaceleración de lodo invertido (bloque 2425) . Dicho enfoque se espera que mejore el estimado de esfuerzo cortante inicial.

Después del proceso de inversión de ID a bloque 2420 y 2425 se lleva a cabo para determinar la desaceleración de esfuerzo cortante invertirlo y valores de desaceleración de lodo, estos valores se guardan (bloque 2430) y la inversión de curva de dispersión usando los dos parámetros de inversión usando los estimados iniciales calculados previamente (bloque 2435) . Los valore de desaceleración de lodo y esfuerzo cortante finales salen por el método 2400.

El método 2400 lleva a cabo procesos ligeramente diferentes para una formación lenta (bloque 2405) como se ilustra en la Figura 24. Por ejemplo, para buscar la región para desaceleración de lodo se inicia de manera diferente (bloque 2440) y el orden del proceso de inversión ID para desaceleración de lodo y desaceleración de esfuerzo cortante invertido .

La Figura 25 ilustra un método ilustrativo 2500 para estimar el esfuerzo cortante y desaceleración de lodo de una formación de curvas de dispersión dipolar o cuadripolar. Como para el caso Stoneley dirigido por el método 2400 de la Figura 24, el método 2500 implementa una combinación de inversión ID y 2D para estimar la desaceleración de lodo y esfuerzo cortante. Dadas las similitudes entre los métodos 2400 y 2500, como los bloques se identifican usando los mismos números de referencia y la descripción de estos bloques se proveen antes en la discusión del método 24000.

La Figura 26 ilustra un ejemplo de inversión de dos parámetros en el caso de datos cuadripolares de orifico profundo. Los puntos 2605 representan la curva de dispersión obtenida del método de lápiz de matriz, mientras que los puntos 2610 representan la curva de dispersión obtenida del algoritmo de inversión. Obsérvese la coincidencia cercana entre la curva invertida y la dispersión calculada (es decir, lápiz de matriz) . Una linea 2615 presenta el valor de DT de lodo invertida.

Mientras que una manera ilustrativa para implementar el procesador de datos 600 se ha ilustrado en la Figura 6, uno o más de los elementos, los procesos y/o dispositivos ilustrados en la Figura 6 puede combinarse, dividirse, redisponerse , omitirse, eliminarse y/o implementarse en cualquier otra manera. Además, el transformación de ondulación ilustrativo 620, el apilador ilustrativo 630, el procesador de tiempo-frecuencia ilustrativo 640, el analizador de datos ilustrativo 650, el filtro ilustrativo 660, el estimador de dispersión ilustrativo 670, el inversor de curva de dispersión ilustrativo 680, la interfaz de salida ilustrativa 690 y/o más generalmente, el procesador de datos ilustrativos 600 de la Figura 6 puede implementarse por hardware, software, firmware y/o cualquier combinación de hardware, software y/o firmware. Por lo tanto, por ejemplo, cualquiera del transformador de ondulación ilustrativa 620, el apilador ilustrativo 630, el procesador de tiempo-frecuencia ilustrativo 640, el analizador de datos ilustrativo 650, el filtro ilustrativo 660, el estimador de dispersión ilustrativo 670, el inversor de curva de dispersión ilustrativo 680, la interfaz de salida ilustrativo 690 y/o uno o más circuitos, procesadores prográmateles, circuitos integrados específicos de aplicación (ASIC) , dispositivos lógicos programables (PLD) y/o dispositivos lógicos programables (FPLD), etc. Cuando cualquiera dé las reivindicaciones anexas se leen para cubrir una implementación de software y/o firmware, por lo menos Uno del procesador de datos ilustrativos 600, el transformador de ondulación ilustrativo 620, el apilador ilustrativo 630, el procesador de tiempo-frecuencia ilustrativo 640, el analizador de datos ilustrativo 650, el filtro ilustrativo 660, el estimador de dispersión ilustrativo 670, el inversor de curva de dispersión ilustrativo 680 y/o la interfaz de salida ilustrativa 690 se define expresamente en la presente para incluir un medio tangible tal como una memoria, disco versátil digital (DVD), disco compacto (CD) , etc. guardando dicho software y/o firmware. Además, el procesador de datos ilustrativo 600 de la Figura 6 puede incluir uno o más elementos, procesos y/o dispositivos además de, o en lugar de, los ilustrados en la Figura 6 y/o pueden incluir más de uno de cualquiera o todos los elementos, procesos y dispositivos ilustrados.

Las gráficas de flujo de las Figuras 7, 17, 24 y 25 son representativos de procesos ilustrativos que pueden ejecutarse para implementar el procesador de datos ilustrativos 600, o una o más porciones del mismo, como se ilustra en las Figuras 6. En las gráficas de ; flujo ilustrativas de las Figuras 7, 17, 24 y 25, los procesos representados por cada gráfica de flujo pueden comprender uno o más programa que comprenden instrucciones que pueden . leerse en máquina para la ejecución por un procesador, tal como el procesador 2812 mostrados en el sistema de procesos ilustrativo 2800 tratado más adelante en relación con la Figura 28. Alternativamente, el programa entero o programas y/o porciones del mismo que implementan uno o más de los procesos representados por las gráficas de flujo de las Figuras 7, 17, 24, y 25 pueden ejecutarse por un dispositivo diferente al del procesador 2812 (v.gr., tal como un controlador y/o cualquier otro dispositivo adecuado) y/o moralizado en firmware o hardware dedicado (v.gr., implementado por un ASIC, un PLD, un FPLD, lógica discreta, etc.) . También, uno o más programas representados por la gráfica de flujo de las Figuras 7, 17, 24 y 25 pueden ser implementados manualmente. Además, aunque los procesos ilustrativos se describieron con referencia a las gráficas de flujo ilustradas en las Figuras 7, 17, 24, 25, otras técnica para implementar los métodos y aparatos ilustrativos descritos en la presente alternativamente pueden usarse. Por ejemplo, con referencia a las gráficas de flujo ilustradas en las Figuras 7, 17, 214 y 25, el orden de ejecución de los bloques puede cambiar y/o algunos de los bloques descritos pueden cambiar, eliminarse, combinarse y/o subdividirse en múltiples bloques.

Como se mencionó, los procesos ilustrativos de las Figuras 7, 17, 24 y 25 pueden ser implementados usando instrucciones codificadas (v.gr., instrucciones que pueden leerse en computadora) guardadas en un medio que puede leerse en computadora tangible tal como unidad de disco duro, memoria intermedia, memoria de solo lectura (ROM), un CD, un DVD, una memoria cache, una memoria de acceso aleatorio (RAM) y/o cualquier otro medio de almacenamiento en la cual se guarda la información se guarda por cualquier duración (v.gr., durante periodos de tiempo extendidos, permanentemente, instancias breves, para regulación temporal y/o para guardar en chache la información) . Como se usa en la presente, el medio que puede leerse en computadora tangible en término se define expresamente para incluir cualquier tipo de almacenamiento que puede leerse en computadora y excluir señales de propagación. Adicional o alternativamente, los proceso ilustrativos de las Figuras 7, 17, 24 y 25 pueden implementarse usando instrucciones codificadas (v.gr., instrucciones que pueden leerse en computadora) guardados en un medio que puede leerse en computadora no temporal, tal como una memoria instantánea, un ROM, un CD, un DVD, una memoria cache, una memoria de acceso aleatorio (RAM) y/o cualquier otro medio de almacenamiento en el cual se guarda la información por cualquier duración (v.gr, durante periodos de tiempo extendidos, permanentemente, breves instantes, para memoria interna temporal, y/o para guardar en cache la información) . Como se usa en la presente, el término medio que puede leerse en computadora no temporal definido para incluir cualquier tipo de medio que puede leerse en computadora se definió expresamente para incluir cualquier tipo de medio que puede leerse en computadora y excluir las señales de propagación. También, como se usa en la presente, los términos "que pueden leerse en computadora" y "que puede leerse en máquina" se consideran equivalentes a menos que se indique de otra manera.

La Figura 28 es un diagrama de bloques de un sistema de proceso ilustrativo 2800 capaz de implementar el aparato y métodos aqui descritos. El sistema de proceso 2800 puede ser, por ejemplo, un servidor, una computadora personal, un asistente digital personal (PDA), un aparato de Internet, un reproductor de CD, una grabadora de video digital, una grabadora de video personal, un modem, o cualquier otro tipo de dispositivo de computo.

El sistema 2800 del ejemplo presente incluye un procesador 2812 tal como un procesador programable de fines generales. El procesador 2812 incluye una memoria local 2814 y ejecuta las instrucciones codificadas 2816 presentes en la memoria local 2814 y/o en otro dispositivo de memoria. El procesador 2812 puede ejecutar, entre otras cosas, las instrucciones que pueden leerse en máquina, para implementar los procesos representados en las Figuras 7, 17, 24 y/o 25. El procesador 2812 puede ser cualquier tipo de unidad de proceso, tal como uno o más microprocesadores Intel® de la familia Pentium®, uno o más microcontroladores de familias ARM® y/o PIC® de microcontroladores, etc. Desde luego, otros procesadores de otras familias también son apropiados.

El procesador 2812 esté en comunicación con una memoria principal incluyendo una memoria volátil 2818 y una memoria no volátil 2820 via un colector 2822. La memoria volátil 2818 puede implementarse por Memoria de Acceso Aleatorio Estático (SRAM) , Memoria de Acceso Aleatorio Dinámico Sincrónico (SDRAM) , Memoria de Acceso Aleatorio Dinámico ( DRAM), Memoria de Acceso Aleatorio Dinámico RAMBUS (RDRAM) y/o cualquier otro tipo de dispositivo de memoria de acceso aleatoria. La memoria no volátil 2820 puede implementarse por la memoria instantánea y/o cualquier otro tipo deseado de dispositivo de memoria. El acceso a la memoria principal 2818, 2820 normalmente Se controla por un controlador de memoria (no mostrado) .

El sistema de proceso 2800 también incluye un circuito de interfaz 2824. El circuito de interfaz 2824 puede implementarse por cualquier tipo de interfaz normal, tal como una interfaz de Ethernet, un colector en serie universal (USB) , y/o una interfaz de entrada/salida de tercera generación (3GIO).

Uno o más dispositivos de entrada 2826 se conectan al circuito de interfaz 2824. El dispositivo de entrada 2826 permite que un usuario ingrese datos y comandos en el procesador 2812. El dispositivo de entrada puede implementarse por, por ejemplo, un teclado, un ratón, una pantalla táctil, una almohadilla de rodamiento, una bola de navegación, un punto iso y/ un sistema de reconocimiento de voz .

Uno o más dispositivos de salida 2828 también se conectan al circuito de interfaz 2824. Los dispositivos de salida 2828 pueden implementarse, por ejemplo, por dispositivos de exhibición (v.gr. , una pantalla de cristal liquido, una pantalla de tubo de rayos catódicos (CRT)), por una impresora y/o por altavoces. El circuito de interfaz 2824, por lo tanto, incluye normalmente una tarjeta de unidad de gráficos.

El circuito de interfaz 2824 también incluye un dispositivo de comunicación tal como una tarjeta de modem o interfaz de red para facilitar el intercambio de datos con computadoras externas vía una red (v.gr. , una conexión de Ethernet, una linea de suscriptor digital (DSL), una linea telefónica, un cable coaxial, un sistema de teléfono celular, etc . ) .

El sistema de procesos 2800 también incluye uno o más dispositivos de almacenamiento de masa 2830 para guardar software y datos. Ejemplos de dichos dispositivos de almacenamiento masivos 2830 incluyen unidades de discos blandos, unidades de discos duros, unidades de discos compactos y unidades de discos versátiles digitales (DVD).

Como una alternativa para implementar los métodos y/o aparatos descritos en la presente en un sistema tal como el sistema de proceso de la Figura 28, los métodos y/o aparatos descritos en la presente se pueden embeber en una estructura tal como un procesador y/o un ASIC.

Finalmente, aunque ciertos métodos, aparatos y artículos ilustrativos para manufacturarse se han descrito en la presente, el alcance de cobertura de este patente no se limita a los mismos. Por el contrario, esta patente cubre todos los métodos, aparatos y artículos para manufactura estando dentro del alcance de las reivindicaciones anexas ya sea literalmente o bajo la doctrina de equivalentes.

Claims (42)

1. REIVINDICACIONES 1. - Un método para procesar datos medidos, comprendiendo : Recibir una serie de tiempo de datos medidos obtenidos captando una señal de propagación, la señal de propagación habiendo pasado a través de una formación subterránea ; transformar las serie de tiempo para generar una representación de tiempo-frecuencia de las series de tiempo; y procesar la representación de tiempo-frecuencia para reducir por lo menos el ruido en la representación de tiempo-frecuencia, o mejorar un componente de la señal de propagación presente en la representación de tiempo-frecuencia . 2. - Un método de acuerdo con la reivindicación 1, en donde la serie de tiempo de datos medidos se obtiene captando la señal de propagación usando por lo menos dos receptores. 3. - Un método de acuerdo con la reivindicación 1, en donde la transformación de la serie de tiempo de datos medidos comprende llevar a cabo por lo menos una transformación de ondulación, una transformación de Wigner Wille o una transformación de Fourier de tiempo corto en la serie de tiempo de datos medidos para generar la representación de tiempo-frecuencia. A.- Un método de acuerdo con la reivindicación 1, en donde el proceso de la representación de tiempo-frecuencia comprende apilar una pluralidad de representaciones de tiempo-frecuencia generadas para una pluralidad respectiva en la serie de tiempo de datos medidos que corresponden a una pluralidad respectiva de señales de propagación generadas por encendidos sucesivos de una fuente. 5. - Un método de acuerdo con la reivindicación 4, en donde la apilación comprende: aplicar factores de peso a la pluralidad de representaciones de tiempo-frecuencia; y acumular las representaciones de tiempo-frecuencia. 6.- Un método de acuerdo con la reivindicación 1, en donde el proceso de la representación de tiempo-frecuencia comprende filtrar la representación de tiempo- . frecuencia . 7.- Un método de acuerdo con la reivindicación 6, en donde el filtrado comprende: determinar una máscara que corresponde a un primer componente de la señal de propagación, la máscara teniendo una forma relacionada con un patrón de energía del primer componente; y aplicar la máscara a la representación de tiempo-frecuencia. 8.- Un método de acuerdo con cualquier reivindicación 1, que comprende además reconstruir una segunda serie de tiempo de la representación de tiempo-frecuencia procesada. 9. - Un método de acuerdo con la reivindicación 1, que comprende además determinar una curva de dispersión desde la representación de tiempo-frecuencia procesada. 10. - Un método de acuerdo con la reivindicación 9, en donde se determina la curva de dispersión de la representación de tiempo-frecuencia procesada comprende: determinar valores de desaceleración de grupo a frecuencias respectivas de la representación de tiempo-frecuencia; determinar valores de desaceleración de fases a frecuencias respectivas de la representación de tiempo-frecuencia procesada; determinar valores de atenuación a frecuencias respectivas de la representación de tiempo-frecuencia procesadas; y combinar los valores de desaceleración de grupos, los valores de desaceleración de fases y los valores de atenuación para determinar la curva de dispersión. 11. - Un método de acuerdo con la reivindicación 1, que comprende además determinar una o más propiedades de la formación subterránea de una curva de dispersión determinada de la representación de tiempo-frecuencia procesada. 12. - Un método de acuerdo con la reivindicación 11, en donde una o más propiedades de la formación subterránea incluye una desaceleración de esfuerzo cortante de la formación . 13. - Un método de acuerdo con la reivindicación 12, en donde una o más propiedades de la formación subterránea incluye además una desaceleración del lodo. 14.- Un método de acuerdo con la reivindicación 12, en donde una o más propiedades de la formación subterránea comprende : llevar a cabo inversiones de parámetros solos de la curva de dispersión determinada de la representación de tiempo-frecuencia procesada para determinar estimados iniciales de la desaceleración de lodo y la desaceleración de esfuerzo cortante; y llevar a cabo una inversión de dos parámetros de la curva de dispersión determinada de la representación de tiempo-frecuencia procesada, la inversión de dos parámetros siendo inicializada usando los estimados iniciales de la desaceleración de lodos y la desaceleración de esfuerzos cortantes determinada llevando a cabo las inversiones de parámetros solos. 15.- Un articulo tangible de instrucciones que pueden leerse por máquina para guardar manufactura que, cuando se ejecutan, causan que una máquina, por lo menos: recibir una serie de tiempo de datos medidos obtenidos captando una señal de propagación, la señal de propagación habiendo pasado a través de una formación subterránea ; transformar la serie de tiempo para generar una representación de tiempo-frecuencia de la serie de tiempo; y procesar la representación de tiempo-frecuencia para reducir por lo menos ruido en la representación de tiempo-frecuencia, o mejorar un componente de la señal de propagación presente en la representación de tiempo-frecuencia . 16.- Un articulo tangible de manufactura de acuerdo con la reivindicación 15, en donde la serie de tiempo de datos medidos se obtiene captando la señal de propagación usando por lo menos dos receptores. 17.- Un articulo tangible de manufactura de acuerdo con la reivindicación 15, en donde las instrucciones que pueden leerse en máquina, cuando se ejecutan, causar además la máquina para llevar a cabo por o menos uno de una transformación de ondulación, una transformación Wigner Wille o una transformación de Fourier de tiempo corto en la serie de tiempo de datos medidos para generar la representación de tiempo-frecuencia . 18. - Un articulo tangible de manufactura de acuerdo con la reivindicación 15, en donde las instrucciones que pueden leerse en máquina, cuando se ejecutan, causan además la máquina para apilar una pluralidad de representaciones de tiempo-frecuencia generadas para una pluralidad respectiva de series de tiempo de datos medidos que corresponden a una pluralidad respectiva para propagar señales generadas por encendidos sucesivos de una fuente. 19. - Un articulo tangible de manufactura de acuerdo con la reivindicación 18, en donde las instrucciones que pueden leerse en la máquina, cuando se ejecutan, causan además que la máquina: aplicar factores de peso a la pluralidad de representaciones de tiempo-frecuencia; y acumular las representaciones de tiempo-frecuencia pesadas para apilar la pluralidad de representaciones de tiempo-frecuencia . 20.- Un articulo tangible para manufactura de acuerdo con la reivindicación 15, en donde las instrucciones que pueden leerse en máquina, cuando se ejecutan, causan además que la máquina filtre la representación de tiempo-frecuencia . 21. - Un artículo tangible de manufactura de acuerdo con la reivindicación 20, en donde, para filtrar la representación de tiempo-frecuencia, las instrucciones que pueden leerse en una máquina, cuando se ejecutan, causan además que la máquina: determinan una máscara correspondiente a un primer componente de la señal de propagación, la máscara que tiene una forma relacionada a un patrón de energía del primer componente; y aplican la máscara a la representación de tiempo-frecuencia . 22. - Un artículo tangible de manufactura de acuerdo con la reivindicación 15, en donde las instrucciones que pueden leerse en la máquina, cuando se ejecutan, causan además que la máquina reconstruye una segunda serie de tiempo de la representación de tiempo-frecuencia procesada. 23. - Un artículo tangible de manufactura de acuerdo con la reivindicación 15, en donde las instrucciones que pueden leerse en máquinas, cuando se ejecutan, causan además que la máquina determine una curva de dispersión de la representación de tiempo-frecuencia procesadas. 24. - Un artículo tangible de manufactura de acuerdo con la reivindicación 23, en donde las instrucciones que pueden leerse en la máquina, cuando se ejecutan, causar además que la máquina: determinar valores de desaceleración de grupo a frecuencias respectivas de la representación de tiempo-frecuencia procesadas; determinar valores de desaceleración de fases a frecuencias respetivas de la representación de tiempo-frecuencia procesadas, determinar valores de atenuación a frecuencias respectivas de las representación de tiempo-frecuencia procesadas; y combinar los valores de desaceleración de grupo, los valores de desaceleración de fases y los valores de atenuación para determinar la curva de dispersión. 25. - Un articulo tangible de manufactura de acuerdo con la reivindicación 15, en donde las instrucciones que pueden leerse en máquina, cuando se ejecutan, causan demás que la máquina determine una o más propiedades de la formación subterránea de una curva de dispersión determinada de la representación de tiempo-frecuencia procesada. 26. - Un articulo tangible de manufactura de acuerdo con la reivindicación 25, en donde una o más propiedades de la formación subterránea incluye una desaceleración de esfuerzo cortante de la formación. 27. - Un articulo tangible de manufactura de acuerdo con la reivindicación 26, en donde una o más propiedades de la formación subterránea incluye además una desaceleración de lodo . 28.- Un articulo tangible de manufactura de acuerdo con la reivindicación 27, en donde, para determinar una o más propiedades de la formación subterránea, las instrucciones que pueden leerse en máquina cuando se ejecutan, ocasionan además que la máquina: lleve a cabo las inversiones de un solo parámetro de la curva de dispersión determinada de la representación de tiempo-frecuencia procesada para determinar las estimaciones iniciales de la desaceleración de lodo y la desaceleración de esfuerzo cortante; y lleve a cabo una inversión de dos parámetros de la curva de dispersión determinada de la representación de tiempo-frecuencia procesadas, la inversión de dos parámetros siendo inicializadas usando los estimados iniciales de la desaceleración de lodo y la desaceleración de esfuerzo cortante determinada llevando a cabo las inversiones de parámetros solos . 29.- Un procesador de datos que comprende: un transformador para: recibir una serie de tiempo de datos medios obtenidos enviando una señal de propagación, la señal de propagación que han pasado a través de una formación subterránea; y transformar la serie de tiempo para generar una representación de tiempo-frecuencia de la serie de tiempo; y un procesador para procesar la representación de tiempo-frecuencia a por lo menos uno para reducir ruido en la representación de frecuencia de tiempo, o mejorar un componente de la señal de propagación presente en la representación de tiempo-frecuencia. 30. - Un procesador de datos de acuerdo con la reivindicación 29, en donde el a serie de tiempo de datos medidos se obtiene captando la señal de propagación usando por lo menos dos receptores. 31. - Un procesador de datos de acuerdo con la reivindicación 29, en donde el transformador es para llevar a cabo por lo menos una transformación de ondulación, una transformación de Wigner Wille o una transformación de Fourier de tiempo corto en la serie de tiempo de datos medidos para generar la representación de tiempo-frecuencia. 32. - Un procesador de datos de acuerdo con la reivindicación 29, que comprende además un apilador para apilar una pluralidad de representaciones de tiempo-frecuencia generadas para una pluralidad respectiva de series de tiempo de datos medidos que corresponden a una pluralidad respectiva de señales de propagación generadas por encendidos sucesivos de una fuente. 33. - un procesador de datos de acuerdo con la reivindicación 32, en donde el apilador es para: aplicar factores de peso a la pluralidad de representaciones de tiempo-frecuencia; y acumular las representaciones de tiempo-frecuencia pesadas para pailar la pluralidad de representaciones de tiempo-frecuencia . 34. - Un procesador de datos de acuerdo con la reivindicación 29, que comprende además un filtro para filtrar la representación de tiempo-frecuencia. 35. - Un procesador de datos de acuerdo con la reivindicación 34, en donde el filtro es para: Determinar una máscara que corresponde a un primer componente de la señal de propagación, la máscara teniendo una forma relacionada con un patrón de energía del primer componente; y aplicar la máscara a la representación de tiempo-frecuencia . 36. - Un procesador de datos de acuerdo con la reivindicación 29, que comprende además un analizador de datos para reconstruir una segunda serie de temo de la representación de tiempo-frecuencia procesada. 3 . - Un procesador de datos de acuerdo con la reivindicación 29, que comprende además un estimador de dispersión para determinar una ' curva de dispersión de la representación de tiempo-frecuencia procesada. 38. - Un procesador de datos de acuerdo con la reivindicación 37, en donde el estimador de dispersión es para: determinar los valores de desaceleración de grupo a frecuencias respectivas de la representación de tiempo-frecuencia procesada; determinar valores de desaceleración de fases a frecuencias respectivas de la representación de tiempo-frecuencia procesada; determinar valores de atenuación a frecuencias respectivas de la representación de tiempo-frecuencia procesada; combinar los valores de desaceleración de grupos, lo valores de desaceleración de fases y los valores de atenuación para determinar la curva de dispersión. 39. - Un procesador de datos de acuerdo con la reivindicación 29, que comprende además un inversor de curva de dispersión para determinar una o más propiedades de la formación subterránea de una curva de dispersión estimada desde la representación de tiempo-frecuencia procesada. 40. - Un procesador de datos de acuerdo con la reivindicación 39, en donde una o más propiedades de la formación subterránea incluyen una desaceleración de esfuerzo cortante de la formación. 41. - Un procesador de acuerdo con la reivindicación 40, en donde una o más propiedades de la formación subterránea incluye además una desaceleración de lodo. 42. - Un procesador de datos de acuerdo con la reivindicación 41, en donde el inversor de curva de dispersiones para: llevar a cabo inversiones de parámetros solos de la curva de dispersión determinada de la representación de tiempo-frecuencia procesada para determinar estimados iniciales de la desacelerón de lodo y la desaceleración de esfuerzo cortante, y llevar a cabo una inversión de dos parámetros de la curva de dispersión determinada de la representación de tiempo-frecuencia procesada, la inversión de dos parámetros siendo inicializada usando los estimados iniciales de la desaceleración de lodo y la desaceleración de esfuerzo cortante determinad llevando a cabo las inversiones de parámetros solos.