用于地震应用的参量FK技术制造技术

本发明专利技术提供了在地震数据处理中用于解决在从有限数量接收器的数据获取期间所遇到问题的方法。本发明专利技术应用参量方法提供较高波数分辨率。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】

技术介绍
阵列记录用于测量波场，并提取关于波场传播通过的介质的信息。在地震学中，阵列分析已用于地震散射分布估计，表面波扩散测量，与火山行为有关的地震波场测量，地震断裂延伸估计，以及其他分析。通常根据是否按频域或时域进行，可将阵列分析技术分为两类。特别是，频域方法能够分辨经多重路径或使用多重源的情形中同时到达阵列的多重信号。一种最简单的频率-波数方法是波束成形或传统方法。可将所估计的功率谱显示作为阵列响应与真实功率谱的卷积。此处，阵列响应完全由传感器的数量和空间分布来决定。由于阵列响应对参考信号的波数和旁瓣而言具有较宽的波束宽度，阵列响应使传统方法所估计的功率谱变得模糊。已提出了最小偏差无失真(minimum variance distortionless)方法，用来产生对单个识别波而言比传统方法所产生分辨率明显更高的分辨率。不过，当存在多个波时，最小偏差无失真方法的分辨能力与传统方法等同。为分辨多个信号，提出了信号子空间方法，称为多重信号特征(MUSIC，multiple signal characterization)(如参见Johnson和Dudgeon的著作，于Prentice-Hall公司出版的Signal ProcessingSeries，ISBN 0-13-048513-6)。MUSIC的关键性能在于，将傅里叶系数的空间交叉协方差矩阵(spatial cross-covariance matrix)中的信息分成两个向量空间—信号子空间和噪声子空间。由于不将真实谱与阵列响应进行卷积，MUSIC方法允许以高分辨率估计功率谱。在地震分析技术中，需要用于产生高分辨率频率-波数谱和更高纬度扩展频率-波数-波数谱的方法。本专利技术的方法能够满足这种需求。
技术实现思路
在地震数据分析中，非常需要使用少量传感器来产生高分辨率频率-波数(fk)谱和更高纬度扩展频率-波数-波数(fkk)谱，这样的技术具有广泛用途。这些应用包括本地速率测量和扩散波检测。当可获得较少样品时，与标准fk变换相比，参量方法提供较高的波数分辨率。诸如多重信号分类(MUSIC)方法的参量方法可用于在每个频率处的波数-波数或波数估计，以产生算法fkk-MUSIC和fk-MUSIC以及用于地震应用中的多种其他参量算法。另外，可将参量方法扩展到fkkk或稀疏/不规则阵列。经证明，当估计本地速率涉及到自有限数量接收器的数据的任何时候，本专利技术的技术都作为有用的工具。这样，本专利技术提供了包括瞬时傅里叶变换和基于参量算法的空间估计的地震分析方法。在本专利技术的一个实施例中，参量算法为MUSIC。在本专利技术实施例的一个方面，将参量算法应用于等距离空间采样的数据。在本专利技术的另一方面，将参量算法应用于稀疏空间采样的数据。在本专利技术的该实施例中，将数据看作MN×L的矩阵馈送到参量算法中，其中，MN为二维阵列传感器的数量，L为每传感器采样数。此外，在本专利技术的该实施例中，将傅里叶变换应用到每个迹线(trace)，传递到参量算法的参量由傅里叶变换级，采样频率，在x方向上接收器之间的距离，在y方向上接收器之间的距离，number_of_sources，或f_span的组中选出。本专利技术的其他实施例应用其他参量方法，包括，但不限于，最小偏差算法，本征向量算法，最大似然算法，Pisarenco算法，ARMA(自回归移动平均算法)，AR或MA算法以及最大熵算法。附图说明以上给出了本专利技术的概括性描述，参照在该说明书中所描述的以及在附图中所给出的本专利技术的实施例，可给出关于本专利技术更为具体的描述。不过应注意，说明书和附图仅说明本专利技术的某些实施例，因此，不应将其视为对本专利技术范围的限制。本专利技术可包括同样等效的实施例。图1表示本专利技术方法的一个实施例的流程图。图2表示kx-ky的快速傅里叶变换基波束成形估计不能区分频率在9Hz处的两个事件。图3表示参量方法MUSIC能够区分图2中所观测的两个事件。近似速率与在合成数据中两个事件的速率相一致。阵列由2×2的元素组成。图4表示两个迹线的fk图。图5显示出图4中所测同样两个迹线的fk-MUSIC估计。具体实施例方式现将参照本专利技术的示例性实施例详细描述本专利技术。尽管结合这些实施例会描述本专利技术，不过应理解，所述实施例并不意在将本专利技术完全和具体限定在仅描述的这些实施例。相反，本专利技术意在覆盖在所附权利要求所限定本专利技术精神和范围内中所包括的替代，修改，和等效为生成诸如fkk-MUSIC和fk-MUSIC之类的算法以及适用于地震应用中的其他算法，本专利技术对波数-波数或波数估计应用了参量方法，如MUSIC算法，最小偏差算法，本征向量算法，最大似然算法，Pisarenco算法，ARMA，AR或MA算法以及最大熵算法。如此处所使用的，术语“参量算法”指描述信号的数学模型，且该模型使用所获得数据确定模型的参量。类似于功率谱密度估计(PSD)，以及二次统计如自相关(ACF)的传统非参量谱估计方法假设，在观测窗口之外的数据为零。这种假设限制了谱估计的分辨率。另一方面，参量方法根据模型对观测窗口之外的数据提出假设，依据该方法，对未观测到的数据进行多种形式的描述。首先，对未观测到的数据的描述是根据关于观测数据的现有信息和用于产生观测数据的过程，其次，所估计的参量随假设模型而定(如参见S.Kay的Modem SpectralEstimation，于Prentice-Hall公司出版的Signal Processing Series，ISBN 0-13-598582-X)。图1表示本专利技术方法的一个一般实施方式的流程图(100)。首先，在步骤110，从2维阵列的传感器获得地震迹线，在步骤120，对迹线应用傅里叶变换。其次，对频率F选择频率范围(106)，并产生空间谱相关矩阵(108)，然后，通过本征向量的方法分解出噪声和信号子空间(110)。在接下来的步骤，在波数域对参量方法应用以波束成形(112)，并生成对于具体频率F的二维参量谱(114)。此时，可选择另一频率F(116)，对此新频率F应用步骤106，108，110，112和114。或者，从114生成的参量谱产生谱立方(spectrum cube)，最后执行速率分析(120)。通常，高分辨率fk谱或fkk谱需要较宽的时间和空间窗口(记录时期)以及合适的采样。在地震数据收集中，时间采样和记录时期通常不成问题，且采样频率通常比关心的频率高得多。然而空间采样通常受到限制。此外，有时需要减少在fkk或fk变换中因数据的空间不稳定特性造成的空间扩展以及对局部估计分析的必要。本专利技术对参量方法进行修改，以产生具有空间孔径明显小的高分辨率算法fkkk-MUSIC和fk-MUSIC。首先，应考虑二维(2D)散布(spread)。二维散布可用于小kx-ky估计。一维(1D)散布或线性阵列可视为二维散布的特殊情形。此处，假定了均匀的二维阵列具有对于特殊情形N＝1的M×N个元素；实际上为包括M个元素的一维阵列。不过，可将元素扩展到稀疏或不规则二维和一维阵列。当将参量技术应用于有限孔径以及接收器非常少的散布时，与传统方法如快速傅里叶变化(FFT)基波束成形技术相比，产生极佳的kx-ky估计。使用fkk-MUSIC或一维fk-MUSIC方法的一个优点在于，这些具本文档来自技高网...

【技术保护点】
一种地震分析的方法，包括获取地震数据，对地震数据应用时间傅里叶变换以产生变换的数据，基于参量算法对变换的数据应用空间波数估计，以及从参量算法生成波数谱。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：凯毕兹伊兰普尔，
申请(专利权)人：维斯特恩格科有限责任公司，
类型：发明
国别省市：US[美国]