一种压制地震数据中大钻噪声的方法

摘要

本发明属于地震勘探资料处理技术领域，公开一种压制地震数据中大钻噪声的方法，该方法包括以下步骤：对原始数据和大钻噪声数据开滑动时窗，求时窗内相关值，当相关值最大时，求得旅行时校正量；利用求得的旅行时校正量对大钻噪声道集进行旅行时的匹配校正；对完成大钻噪声旅行时校正后的数据记录进行自适应滤波；获得压制大钻噪声后的地震数据。应用结果表明，具有大钻噪声干扰得到了有效的压制，大幅提高了地震资料信噪比，为采集和处理过程中大钻噪声的压制提供技术支撑。

权利要求

1.一种压制地震数据中大钻噪声的方法，其特征在于，该方法包括以下步骤：对原始数据和大钻噪声数据开滑动时窗，求时窗内相关值，当相关值最大时，求得旅行时校正量；

利用求得的旅行时校正量对大钻噪声道集进行旅行时的匹配校正；

对完成大钻噪声旅行时校正后的数据记录进行自适应滤波；

获得压制大钻噪声后的地震数据；

其中，在每个时窗内采用最大互相关法进行求解最优解，互相关目标函数为：其中，N为时窗道数，R(i)为时窗内道集互相关值，Sk，Sj为原始记录道样点值和大钻噪声样点值，l为相关时窗内样点数，R(i)为相关系数，Δm(t,x)为空间位置(t,x)处的旅行时校正量；

对完成大钻噪声旅行时校正后的数据记录进行自适应滤波的步骤是利用多道最小二乘自适应匹配相减；

多道最小二乘自适应匹配滤波方式表示如下：

d0＝d-(s1*m+s2*m1+s3*m2+....+sk*mk-1)其中，d为单道地震记录，d0为单道地震记录中去噪后结果，m为该道记录的大钻噪声记录，m1,m2,....,mk-1为该道大钻噪声附近的其他道，s1,s2,....,sk为相应道的自适应滤波因子；

利用以下方法求解滤波因子s1,s2,s3,....,sk：建立最小二乘解意义下的目标函数：

s1,s2,s3,....,sk:min||d-(Ms1+M1s2+M2s3+....+Mk-1sk)||2对滤波因子求偏导，并令其值为零，得到如下线性方程组：对于上式中右端为teoplitz矩阵，采用莱文森方法求解上式方程组，得到滤波因子s1,s2,s3,....,sk。

2.根据权利要求1所述的方法，其特征在于，相关系数R(i)在0～1间变化，当时窗内无时差或关联性最佳时各道相关性最强，此时R(i)趋于1，R(i)越小则相关性越差。

3.根据权利要求1所述的方法，其特征在于，对大钻噪声道集进行旅行时的匹配校正公式为：G'(t,x)＝G(t+Δm(t,x),x)其中，G(t,x)为大钻噪声道集，G'(t,x)为旅行时校正后大钻噪声道集，Δm(t,x)为校正量函数。

说明书

一种压制地震数据中大钻噪声的方法

技术领域

[0001] 本发明属于地震勘探资料处理技术领域，具体涉及地震数据中相干噪音压制处理技术。

背景技术

[0002] 高精度复杂构造成像处理，可以为叠前偏移提供高信噪比且保持振幅特征的道集，所有处理方法首先考虑保持波场的完整，因此，需要分析探区噪音类型和产生机制。需要进行全面细致的干扰波调查工作，对于单炮集需要分析各类干扰波的特征，分析原始记录的干扰波分布情况，识别不同类型干扰波，分析其运动学及动力学特性，了解各类干扰在频率域、时间域、频率-波数域、频率-空间域分布的特征，寻找有效波与干扰波差异最大的域，进行去噪处理。分析不同类型噪音在炮集、CDP道集分布特点，炮集与CDP道集等需要联合起来利用才能更好地压制不同类型的噪声干扰。根据噪音特点选择针对性的压制方法，可以在去噪的同时保持道集的振幅特征。

[0003] 大钻噪声是一种具有双曲特征的噪声干扰，由于采集岩性决定了在灰岩区相对难以获得高品质的信号，大钻噪声干扰的存在进一步降低了资料品质，常规噪声去除方法不能对此类噪声进行很好的压制，并且会对有效信号产生损伤。因此，本领域亟需一种压制地震数据中大钻噪声的处理方法。

发明内容

[0004] 针对地震数据采集过程中存在的大钻噪声问题，本发明介绍了一种根据采集到的原始数据和噪声数据间存在的关联性特征，开展基于互相关的大钻噪声压制技术研究，有效地提高了地震数据的信噪比，为后续地震资料处理提供高 质量的地震数据。

[0005] 根据本发明的一个方面，提供一种压制地震数据中大钻噪声的方法，该方法包括以下步骤：

[0006] 对原始数据和大钻噪声数据开滑动时窗，求时窗内相关值，当相关值最大时，求得旅行时校正量；

[0007] 利用求得的旅行时校正量对大钻噪声道集进行旅行时的匹配校正；

[0008] 对完成大钻噪声旅行时校正后的数据记录进行自适应滤波；

[0009] 获得压制大钻噪声后的地震数据。

[0010] 进一步地，在每个时窗内采用最大互相关法进行求解最优解，互相关目标函数为：

[0011]

[0012]

[0013] 其中，R(i)为时窗内道集互相关值，Sk，Sj为原始记录道样点值和大钻噪声样点值，l为相关时窗内样点数，R(i)为相关系数，Δm(t,x)为空间位置(t,x)处的旅行时校正量。

[0014] 进一步地，相关系数R(i)在0～1间变化，当时窗内无时差或关联性最佳时各道相关性最强，此时R(i)趋于1，R(i)越小则相关性越差。

[0015] 进一步地，对大钻噪声道集进行旅行时的匹配校正公式为：

[0016] G'(t,x)＝G(t+Δm(t,x),x)

[0017] 其中，G(t,x)为大钻噪声道集，G'(t,x)为旅行时校正后大钻噪声道集，Δm(t,x)为校正量函数。

[0018] 进一步地，对完成大钻噪声旅行时校正后的数据记录进行自适应滤波的步骤是利用多道最小二乘自适应匹配相减。

[0019] 进一步地，多道最小二乘自适应匹配滤波方式表示如下：

[0020] d0＝d-(s1*m+s2*m1+s3*m2+....+sk*mk-1)

[0021] 其中，d为单道地震记录，d0为单道地震记录中去噪后结果，m为该道记录的大钻噪声记录，m1,m2,....,mk-1为该道大钻噪声附近的其他道，s1,s2,....,sk为相应道的自适应滤波因子。

[0022] 进一步地，利用以下方法求解滤波因子s1,s2,s3,....,sk：

[0023] 建立最小二乘解意义下的目标函数：

[0024] s1,s2,s3,....,sk:min||d-(Ms1+M1s2+M2s3+....+Mk-1sk)||2

[0025] 对滤波因子求偏导，并令其值为零，得到如下线性方程组：

[0026]

[0027] 对于上式中右端为teoplitz矩阵，采用莱文森方法求解上式方程组，得到滤波因子s1,s2,s3,....,sk。

[0028] 通过对实际资料的处理，验证了本方法对地震数据中存在的大钻噪声具有良好的压制效果，特别是对于具有一定双曲特征的相关噪声具有很好的压制效果，提高了地震资料的数据信噪比，为后续处理提供了高质量的基础数据，为采集和处理过程中大钻噪声的压制奠定了良好基础。

附图说明

[0029] 通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。

[0030] 图1是根据本发明实施例的压制地震数据中大钻噪声的方法的处理流程图。

[0031] 图2是单炮压制大钻噪声前后对比图，其中图2a是原始单炮图，图2b是压制大钻噪声后的结果图，图2c为实际压制掉的噪声干扰图。

[0032] 图3是实际单炮压制大钻噪声前后右端局部放大对比图，其中图3a为原始单炮右端放大图，图3b为压制大钻噪声后右端放大结果，图3c为压制掉的噪声干扰图。

[0033] 图4为实际单炮压制大钻噪声前后左端浅层局部放大对比图，其中图4a为原始单炮左端浅层放大图，图4b为压制大钻噪声后左端浅层放大结果图，图4c为压制掉的噪声干扰图。

[0034] 图5为实际单炮压制大钻噪声前后左端深层局部放大对比图，其中图5a为原始单炮左端深层放大图，图5b为压制大钻噪声后左端深层放大结果图，图5c为压制掉的噪声干扰图。

[0035] 附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的；相同或相似的标号对应相同或相似的部件；附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制。。

具体实施方式

[0036] 下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

[0037] 在实际地震数据中，由于记录到的大钻噪声和原始数据间不是完全匹配的，这种差异体现在空间位置、旅行时、振幅以及相位上。因此，不能直接从原始数据中减去记录到的大钻噪声，本技术中首先对大钻噪声的位置和旅行时进行基于滑动时窗内求取最大互相关值的匹配，对于每道数据可以得到对应的旅行时差校正量，然后对大钻噪声进行位置和旅行时差的校正，为后续压制大钻噪声相减提供无时差数据。

[0038] 通过对原始地震数据与大钻噪声数据间的关联特性分析，发现噪声数据与原始数据存在旅行时差，直接利用噪声炮与原始数据相减效果不理想。因此，首先开展了滑动时窗内互相关匹配技术研究，实现大钻噪声旅行时差最优化求解，并对大钻噪声数据进行旅行时差校正；然后，通过多道约束条件下对振幅和相位进行匹配追踪，形成了多道自适应匹配相减技术，实现对大钻噪声干扰的有效压制。应用结果表明，具有大钻噪声干扰得到了有效的压制，大幅提高了地震资料信噪比。

[0039] 参照图1描述一种压制地震数据中大钻噪声的方法，该方法包括以下步骤：

[0040] 对原始数据和大钻噪声数据开滑动时窗，求时窗内相关值，当相关值最大时，求得旅行时校正量。

[0041] 利用求得的旅行时校正量对大钻噪声道集进行旅行时的匹配校正；

[0042] 对完成大钻噪声旅行时校正后的数据记录进行自适应滤波；

[0043] 获得压制大钻噪声后的地震数据。

[0044] 在求得旅行时校正量的步骤中，在每个时窗内采用最大互相关法进行求解最优解，互相关目标函数为：

[0045]

[0046]

[0047] 其中，R(i)为时窗内道集互相关值，Sk，Sj为原始记录道样点值和大钻噪声样点值，l为相关时窗内样点数，R(i)为相关系数，Δm(t,x)为空间位置(t,x)处的旅行时校正量。其中相关系数R(i)在0～1间变化，当时窗内无时差或关联性最佳时各道相关性最强，此时R(i)趋于1，R(i)越小则相关性越差。

[0048] 优选地，对大钻噪声道集进行旅行时的匹配校正公式为：

[0049] G'(t,x)＝G(t+Δm(t,x),x)

[0050] 其中，G(t,x)为大钻噪声道集，G'(t,x)为旅行时校正后大钻噪声道集，Δm(t,x)为校正量函数。

[0051] 优选地，对完成大钻噪声旅行时校正后的数据记录进行自适应滤波的步骤利用多道最小二乘自适应匹配相减。

[0052] 优选地，多道最小二乘自适应匹配滤波方式表示如下：

[0053] d0＝d-(s1*m+s2*m1+s3*m2+....+sk*mk-1)

[0054] 其中，d为单道地震记录，d0为单道地震记录中去噪后结果，m为该道记录的大钻噪声记录，m1,m2,....,mk-1为该道大钻噪声附近的其他道，s1,s2,....,sk为相应道的自适应滤波因子。

[0055] 优选地，利用以下方法求解滤波因子s1,s2,s3,....,sk：

[0056] 建立最小二乘解意义下的目标函数：

[0057] s1,s2,s3,....,sk:min||d-(Ms1+M1s2+M2s3+....+Mk-1sk)||2

[0058] 对滤波因子求偏导，并令其值为零，得到如下线性方程组：

[0059]

[0060] 对于上式中右端为teoplitz矩阵，采用莱文森方法求解上式方程组，得到滤波因子s1,s2,s3,....,sk。

[0061] 为便于理解本发明实施例的方案及其效果，以下给出一个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。

[0062] 根据本发明的一种实施方式，提供一种压制地震数据中大钻噪声的方法。

[0063] 首先，对原始数据和大钻噪声数据开滑动时窗，并求时窗内相关值，当相关值最大时，求得旅行时校正量。

[0064] 具体地，令大钻噪声道为Sk，原始记录数据为Sj，设定时差校正量限制条 件为t≤|Rmoc|，即时差校正量最大值小于Rmoc，设定时差校正量主要是为了防止由于时差校正产生波形的畸变现象。在滑动时窗长度l内，完成对原始地震记录在空间与时间上的扫描，当时窗内相关值最大时，即完成了当前时窗中心样点的位置与时差校正量的匹配，利用求出的每道时差校正量对大钻噪声进行旅行时的校正，即可以得到空间位置与旅行时差异的校正道集。

[0065] 在每个时窗内采用最大互相关法进行求解最优解，互相关目标函数为：

[0066]

[0067]

[0068] 其中：R(i)为时窗内道集互相关值，Sk，Sj为原始记录道样点值和大钻噪声样点值，l为相关时窗内样点数。相关系数R(i)在0～1间变化，理想情况下，当时窗内无时差或关联性最佳时各道相关性最强，此时R(i)趋于1，R(i)越小则相关性越差；Δm(t,x)为空间位置(t,x)处的旅行时校正量。

[0069] 其中，对于旅行时校正量的求取，滑动时窗的大小和时差校正量限制条件对结果有较大的影响。一般地，时差校正量限制条件应该控制在一个波长的样点数内，滑动时窗的大小则要通过对实际数据的测试取最优值。为了更精准地进行求解，可以进行多次迭代求解即将校正后的噪声数据作为下一次迭代的数据输入，随着迭代的进行，时差校正量越来越小，对多次求得的校正量求和平均后再对输入的大钻噪声进行旅行时的校正。

[0070] 接下来，利用求得的旅行时校正量对大钻噪声道集进行旅行时的匹配校正。具体地，匹配校正公式为：

[0071] G'(t,x)＝G(t+Δm(t,x),x)

[0072] 其中，G(t,x)为大钻噪声道集，G'(t,x)为旅行时校正后大钻噪声道集，Δm(t,x)为校正量函数。在求取校正量函数过程中，设定的最大允许时移量应随着偏移 距的增大而增大；并给定互相关阀值，当互相关值小于阀值则做舍弃处理，以排除由于干扰造成的误差。该方法的优点是：(1)基于相关性分析，增强了稳定性；(2)当道集中旅行时差较大时，限制条件避免了引入新的误差；(3)对单道的处理，具有较高的计算效率。

[0073] 完成大钻噪声旅行时校正后的记录虽然在旅行时上已经匹配上，但是在振幅、相位上还存在差异，要把原始地震记录和校正后的大钻噪声进行自适应匹配，只有这样大钻噪声经过自适应匹配后得到的记录和原始记录中的噪声才是一致的，将其从记录中减去，才能达到压制大钻噪声的目的。

[0074] 接下来，对完成大钻噪声旅行时校正后的记录进行自适应滤波。

[0075] 具体地，在该步骤中可以使用最小二乘自适应滤波。自适应滤波通常是根据地震记录减去记录后的残差来设计，如果求的是残差的能量最小，即求残差的2范数最小，则这样的自适应滤波称为最小二乘自适应滤波。单道自适应匹配滤波由于涉及数据量小，所以运算速度快，且容易实现，缺点是当输入数据存在正交性问题时，会使得求解存在误差而导致匹配效果不好；多道自适应匹配滤波在解决正交性问题上有较大改善，而计算量与单道自适应匹配相当。

[0076] 设x＝[x1,x2,......xN]为一组任意数，m与xi之差的2范数最小表示为：

[0077]

[0078] 求出关于m的偏微商，并令其等于零，则得到m的最小二乘解：

[0079]

[0080] 很显然可以看到，m关于x的最小二乘解就是求的x的平均值。因此可以得到这样一个结论：求一个向量a关于另一个向量b的误差能量最小得到的最小二乘解是求了这两个向量之间的一个平均值。

[0081] 求取最小二乘自适应匹配滤波同样是得到一个平均意义下的解。设d(t)(t＝1,2.....n)为期望输出，m(t)(t＝1,2.....n)为实际输入，a(t)(t＝1,2.....l)为最小二乘自适应滤波器，实际输入m(t)通过自适应滤波器a(t)后的输出为 m0(t)(t＝1,2.....n)，d0(t)(t＝1,2.....n)为期望输出d(t)与自适应滤波后输出m0(t)之差，则有：

[0082] d0(t)＝d(t)-m(t)*a(t)

[0083] 自适应滤波器a(t)的求取是通过求上式的最小二乘解来得到，即：

[0084] a(t):min||d(t)-m(t)*a(t)||2

[0085] 设矩阵

[0086]

[0087] 则上式向量褶积可写为矩阵乘向量形式：

[0088] a:min||d-Ma||2

[0089] 上式对a求偏微商，并令其等于零，则：

[0090] MTMa＝MTd

[0091] 上式中MTM表示大钻噪声m(t)的l延迟自相关，MTd表示大钻噪声数据m(t)与期望输出即原始地震数据d(t)的l延迟互相关。自相关是得到一个与能量相关的矩阵，显然上式是一个平均意义下的解。

[0092] 多道最小二乘自适应匹配相减是利用每道大钻噪声及其附近道与该道记录进行自适应匹配。多道最小二乘自适应匹配滤波方式表示如下：

[0093] d0＝d-(s1*m+s2*m1+s3*m2+....+sk*mk-1)

[0094] 其中，d为单道地震记录，d0为单道地震记录中去噪后结果，m为该道记录的大钻噪声记录，m1,m2,....,mk-1为该道大钻噪声附近的其他道，s1,s2,....,sk为相应道的自适应滤波器。

[0095] 设

[0096]

[0097]

[0098] 则褶积形式可写成乘积形式：

[0099] d0＝d-(Ms1+M1s2+M2s3+....+Mk-1sk)

[0100] 自适应滤波器s1,s2,s3,....,sk的求取通过求上式的最小二乘解来得到，即：

[0101] s1,s2,s3,....,sk:min||d-(Ms1+M1s2+M2s3+....+Mk-1sk)||2

[0102] 上式对s1,s2,s3,....,sk分别求偏微商，并令其等于零，则对上式的最小二乘求解转化为解如下线性方程组：

[0103]

[0104] 上式右端矩阵是一个块状teoplitz矩阵，因此上式线性方程组可以用莱文森方法快速求解，得到滤波因子s1,s2,s3,....,sk。随着参与匹配的道数越多，块状teoplitz矩阵越大，则计算量越大。

[0105] 最后，压制大钻噪声后的结果为：

[0106] d0＝d-(s1*m+s2*m1+s3*m2+....+sk*mk-1)

[0107] 图2是单炮压制大钻噪声前后对比图，其中图2a是原始单炮，可以看到由于大钻噪声的干扰，使得单炮数据的信噪比较低，右部分所示噪声能量强，延续时间长，有效信号淹没在噪声背景中；左部分的相关大钻噪声具有和有效信号相似的双曲特征形态，是该类数据中大钻噪声压制的重点；图2b是压制大钻 噪声后结果，图2c为实际压制掉的噪声干扰，右端和左端的噪声得到有效压制，炮集信噪比得到明显提高。图3是实际单炮压制大钻噪声前后右端局部放大对比图，其中图3a为原始单炮右端放大图，图3b为压制大钻噪声后右端放大结果，图3c为压制掉的噪声干扰。图4为实际单炮压制大钻噪声前后左端浅层局部放大对比图，其中图4a为原始单炮左端浅层放大，图4b为压制大钻噪声后左端浅层放大结果，图4c为压制掉的噪声干扰。图5为实际单炮压制大钻噪声前后左端深层局部放大对比图，其中图5a为原始单炮左端深层放大，图5b为压制大钻噪声后左端深层放大结果，图5c为压制掉的噪声干扰。

[0108] 针对三维地震资料采集中存在的大钻噪声干扰问题，本发明通过对原始地震数据与大钻噪声数据间的关联特性分析，开展滑动时窗内互相关法的匹配技术研究，实现大钻噪声旅行时差最优化求解，并对大钻噪声数据进行旅行时差校正；然后基于多道自适应匹配相减技术对振幅和相位进行匹配来实现对大钻噪声干扰的压制。应用结果表明，具有双曲特征的大钻噪声干扰得到了有效的压制，提高了地震资料的信噪比，为后续处理提供了高质量的预处理数据。

[0109] 显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。。