低信噪比数据的叠加速度分析判别准则研究
( 2018-05-27 阅读次 作者:)

目前常用的叠加类和相关类速度分析判别准则对于低信噪比数据而言,计算的速度谱没有明显的能量团,叠加速度谱分辨率不够高,不能很好地提取出叠加速度,因此有必要研究一种能够从较大噪声背景中提取有效信息的速度分析判别准则。

1. 改进的低信噪比数据PCA叠加速度判别准则

  研究引入加权函数Wc对主成份分析方法进行改进。Wc是加权函数,与协方差矩阵的特征值有关。加权函数公式为

  其中N为矩阵R的行数。

  我们将加权函数Wc与第一主成分的方差贡献率相结合,得到了经过改进后的主成分分析PCA速度分析判别准则:

  通过引入加权函数提高了第一主成分对信号的敏感性,改进后新的速度分析判别准则提高了速度分析的分辨率和抗干扰能力。

2 低信噪比数据的叠加速度谱分析模型研究

  利用九层水平层状模型的各层深度、层速度以及各层的双程垂直旅行时和叠加速度见表1。分析信号与噪声最大振幅比为0.5的情况,此时信噪比SNR=0.0199,合成地震记录如图1所示。

表1 九层层状模型

图1 九层模型合成地震记录(信号与噪声最大振幅比为0.5)

图2 九层模型叠加法和改进PCA方法速度分析图(信号与噪声最大振幅比为0.5)

  利用主成分分析PCA的基本思想,当窗口内所截取的数据体中包含有水平同相轴时,该数据体的第一主成分方差贡献率明显高于其他主成分方差贡献率;当窗口内所截取的数据体中包含的同相轴是非水平状态时,该数据体的第一主成分方差贡献率与其他主成分方差贡献率相差不大。因此可以通过方差贡献率的差异大小来判断速度扫描参数是否正确。

Electronics undefinedamp; Information School of Yangtze University
长江大学电子信息学院版权所有
地址:湖北省荆州市南环路1号长江大学电子信息学院
邮编:434023 电话:0716-8060634,8060179