地震勘探的过程无时无刻都会用到信号处理!
地震勘探主要分采集、处理和解释三大部分,地震数据采集时需要通过检波器来拾取地震信号,然后经过模数转换将模拟信号转换为数字信号;地震处理过程其实就是信号处理的过程,叠加、反褶积还有偏移都要用到信号处理的知识;地震解释更是信号处理方法的大杂烩,属性分析、反演、时频分析等内容其实也就是信号处理。
一、确定性与非确定性
对于这个问题,我从信号处理的角度来说说我的看法!
确定性信号的频率成分不随时间的变化而变化,因此,用经典的傅立叶变换就可以分析之;而随机信号的频率成分是随着时间的变化而变化的,由于傅立叶变换只能告诉你信号由哪些频率组成,而不能告诉你它们出现的时间或位置,因此我们在对地震信号进行频率分析时,如时频分析、高阶统计量、小波变换等比傅立叶变换有明显的优势。
就是说,用分析确定性信号的方法分析随机信号(如地震信号)是可以的,但是,在分析效果上可能会不尽人意!
二、地震信号难点与对策
1 三非,即非平稳、非高斯、非线性
由于三非的特点,傅立叶变换早就力不从心,就连小波变换、S变换、希尔伯特-黄变换等等这些在其他信号处理领域很流行的方法在处理地震信号时并没有发挥很大的优势。
高阶统计量方法是对基于相关函数或功率谱的随机信号处理方法的重要补充,可以为二阶统计量方法无法解决的许多信号处理问题提供手段,凡是使用二阶统计量进行过分析与处理,而又未得到满意结果的任何问题,都值得重新试用高阶统计量方法。
2 具有随机信号的特征
随机信号的特点说明了地震信号的不确定性,不确定性的存在增加了地震信号处理的难度。
正是由于地震信号“随机”的特点,使得很多概率统计的方法大显神威!如统计学习、贝叶斯估计、信息论等等。
3 信噪比低
提高地震数据的分辨率和信噪比贯穿了当前的地震数据处理的每个环节。地震噪音的多样性:规则噪音和随机噪音。规则噪音又分为:侧面波,面波,多次波,强单频干扰波等。信噪比低是地震信号处理结果的分辨率和稳定性很难提高的罪魁祸首之一,本人对它恨之入骨,咬牙切齿!因此,算法的抗噪能力如何是检验算法好坏的主要指标之一,方法再好,抗噪能力低也白扯。
4 海量数据。
这就不说了,叠后数据一般是几个G、十几个G,叠前数据可以达到上百G,而野外采集的数据可以达到上千个G!由于数据量惊人,使得会对好的算法在处理地震数据是并不实用,就是说计算成本太高,无法实现。
因此,我们在考虑方法的准确性与可靠性之后,必须考虑方法的可行性,尽量采用快速的算法,如FFT、FST、线性化的求解方案以及改善硬件条件等等。
地震信号具有的这些特点使得地震信号比其他类型的信号更难对付! [ 此贴被pjyang在2009-11-01 10:31重新编辑 ]