CN103336940B - 一种数字信号同相轴识别方法及设备 - Google Patents
一种数字信号同相轴识别方法及设备 Download PDFInfo
- Publication number
- CN103336940B CN103336940B CN201210394228.4A CN201210394228A CN103336940B CN 103336940 B CN103336940 B CN 103336940B CN 201210394228 A CN201210394228 A CN 201210394228A CN 103336940 B CN103336940 B CN 103336940B
- Authority
- CN
- China
- Prior art keywords
- lineups
- road collection
- signal
- road
- collection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000008859 change Effects 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 description 84
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000004602 germ cell Anatomy 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/288—Event detection in seismic signals, e.g. microseismics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/40—Transforming data representation
- G01V2210/48—Other transforms
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Remote Sensing (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Acoustics & Sound (AREA)
- Emergency Management (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Complex Calculations (AREA)
- Traffic Control Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请涉及一种低信噪比数字信号的同相轴识别方法,该方法利用数字信号的同相轴主要取决于信号相位这一特征,在相位域根据已知时距曲线对低信噪比数字信号的同相轴进行识别。本发明对随机噪声道集进行希尔伯特变换,得到余弦相位函数道集;接下来依据相位函数仅反映信号的相位和频率、与信号的振幅无关、且振幅范围是[‑1,1]的特点,对所述余弦相位函数道集作水平叠加;最后计算获得随覆盖次数变化的同相轴识别阈值,从而达到识别低信噪比信号同相轴的目的。
Description
技术领域
本发明涉及数字信号处理技术领域,具体涉及一种数字信号同相轴识别方法以及同相轴识别设备。
背景技术
数字信号中的同相轴识别与追踪一直以来都是数字信号处理技术领域中的一个很重要的问题。例如在地震勘探中,由于地震信号所携带的绝大部分信息基本上都包含在同相轴中,所以地震信号中的同相轴的识别和追踪与地震信息的数据处理和解释有着非常密切的关系。
到目前为止,已经开发的信号同相轴识别方法主要有:AR自动追踪方法、小波分析及CB形态滤波方法、混沌算子检测同相轴方法、边缘检测方法、人工神经网络方法、自组织神经网络方法、信号奇异性仿真方法、模式识别方法、C3相干算法、链匹配算法以及图像边缘检测方法等等。
然而,现有的上述各种信号同相轴识别方法在信号处于低信噪比的情况下难以取得理想的识别效果;换言之,当待识别信号为低信噪比信号时,采用现有的同相轴识别方法无法准确地区别噪声与信号同相轴。
发明内容
本发明提供了一种新的数字信号同相轴识别方法以及同相轴识别设备,该方法利用信号的相位特征,根据已知时距曲线对同相轴进行识别,从而使得能够在数字信号的信噪比处于比较低的情况下准确地识别同相轴,继而为后续的数字信号处理和分析提供精确的基础。
根据本发明的一个方面,提供了一种用于确定数字信号的同相轴识别阈值的方法,其包括:
对随机噪声信号道集进行希尔伯特变换;
得到随机噪声信号道集的余弦相位函数道集;
根据所得到的随机噪声信号道集的余弦相位函数道集获得以信号道总数(即为覆盖次数)为参数变量的同相轴的识别阈值函数。
根据本发明的另一个方面,提供了一种数字信号同相轴识别方法,其包括:
对随机噪声信号道集进行希尔伯特变换;
计算得到随机噪声信号道集的余弦相位函数道集;
根据所计算得到的随机噪声信号道集的余弦相位函数道集获得以覆盖次数(即信号道总数)为参数变量的同相轴的识别阈值函数;
输入待识别的输入数字信号道集;
在每个时间采样点处,将所述输入数字信号道集的余弦相位函数道集作水平叠加后的函数值与当所述同相轴的识别阈值函数的参数变量的取值为所述输入数字信号道集的信号道总数时得到的识别阈值函数值进行比较;
将所述输入数字信号道集的余弦相位函数道集作水平叠加后的函数值比所述同相轴的识别阈值函数值大的时间采样点识别为存在信号同相轴。
根据本发明的再一个方面,提供了一种数字信号的同相轴识别方法,其包括步骤:
输入待识别的输入数字信号道集;
对所述待识别的输入数字信号道集进行希尔伯特变换;
得到待识别的所述输入数字信号道集的余弦相位函数道集;
对所述待识别的输入数字信号道集的余弦相位函数道集作水平叠加,从而在每个时间采样点处得到输入数字信号道集的余弦相位函数道集经水平叠加后的函数值;
将在每个时间采样点处得到的所述经水平叠加后的函数值与通过对随机噪声道集的余弦相位函数道集进行水平叠加而获得的以信号道总数为参数变量的同相轴识别阈值函数的函数值进行比较;
将待识别的输入数字信号道集的余弦相位函数道集作水平叠加后的函数值比所述同相轴识别阈值函数的函数值大的时间采样点识别为存在信号同相轴。
根据本发明的另外一个方面,提供了一种用于确定数字信号的同相轴识别阈值的设备,其包括:
用于对随机噪声信号道集进行希尔伯特变换的单元;
用于得到随机噪声信号道集的余弦相位函数道集的单元;以及
用于根据所得到的随机噪声信号道集的余弦相位函数道集获得以信号道总数为参数变量的同相轴的识别阈值函数的单元。
根据本发明的再一个方面,提供了一种数字信号的同相轴识别系统,其包括:
用于输入待识别的输入数字信号道集的单元;
用于对所述待识别的输入数字信号道集进行希尔伯特变换的单元;
用于得到待识别的所述输入数字信号道集的余弦相位函数道集的单元;
用于对所述待识别的输入数字信号道集的余弦相位函数道集作水平叠加,从而在每个时间采样点处得到输入数字信号道集的余弦相位函数道集经水平叠加后的函数值的单元;
用于将在每个时间采样点处得到的所述经水平叠加后的函数值与通过对随机噪声道集的余弦相位函数道集进行水平叠加而获得的以信号道总数为参数变量的同相轴识别阈值函数的函数值进行比较的单元;
用于将待识别的输入数字信号道集的余弦相位函数道集作水平叠加后的函
数值比所述同相轴识别阈值函数的函数值大的时间采样点识别为存在信号同相
轴的单元。
本发明可以广泛地应用于电子信息、通讯(特别是无线通讯)、雷达探测、地球物理信号处理(特别是地震勘探数据处理)等数字信号处理领域中以进行准确的数字信号(尤其是低信噪比的数字信号)的识别和追踪。
附图说明:
附图示出了本发明的各方面的各种示例,并且它们与说明书一起用于解释本发明的原理。本技术领域内的技术人员明白,附图所示的特定实施例仅是示例性的,并且它们无意限制本发明的范围。应该认识到,在某些示例中的一个元件也可以被设计为多个元件,或者多个元件也可以被设计为一个元件。在某些示例中,被示出为另一个元件的内部部件的元件也可以被实现为该另一个元件的外部部件,反之亦然。为了更详细地描述本发明的示例性实施例以使本领域技术人员能够对本发明的各方面及其特征和优点理解得更为透彻,现在将对附图进行参考,在附图中:
图1A示出了根据本发明的用于确定数字信号的同相轴识别阈值的示例性方法的流程图;
图1B示出了根据本发明的示例性数字信号(例如但不限于低信噪比数字信号)的同相轴识别方法的流程图;
图2示出了实数域理论模型与其相位域理论模型的对比的示意图;
图3示出了实数域单道理论模型与其相位域单道理论模型的对比的示意图;
图4示出了叠加波峰值的坐标轴的示意图;
图5示出了根据本发明的示例性数字信号(例如但不限于低信噪比数字信号)的同相轴识别阈值(即:门槛值)的统计示意图;
图6示出了输入数字信号道集的速度谱(该速度谱中示出了采用本发明的方法识别出的信号同相轴)(最左边的部分),以及输入数字信号道集、动校正后的信号道集和相邻道集水平叠加的时间剖面图;
图7A示出了用于确定数字信号的同相轴识别阈值的设备的示意性方框图;
图7B示出了根据本发明的示例性数字信号(例如但不限于低信噪比数字信号)的同相轴识别系统的示意性方框图。
具体实施方式:
某些术语在本申请文件中自始至终用来指示特定系统部件。如本领域的技术人员将认识到的那样,通常可以用不同的名称来指示相同的部件,因而本申请文件不意图区别那些只是在名称上不同而不是在功能方面不同的部件。在本申请文件中,以开放的形式使用术语“包括(comprise)”、“包含(include)”和“具有(have)”,并且因此应将其解释为意指“包括但不限于…”。此外,在本文中可能使用的术语“基本上”、“实质上”或者“近似地”涉及行业所接受的对相应术语的容差。如在本文中可能采用的术语“耦合”包括直接耦合和经由另外的组件、元件、电路、或者模块的间接耦合,其中对于间接耦合来说,介于其间的组件、元件、电路、或模块不更改信号的信息但是可调整其电流水平、电压水平、和/或功率水平。推断的耦合(例如其中一个元件通过推断耦合至另一个元件)包括以与“耦合”同样的方式在两个元件之间的直接和间接的耦合。
在以下说明中,出于解释的目的,阐述许多特定细节以便提供对本发明的透彻理解。然而,对于本领域的技术人员来说将显而易见的是,可以在没有这些特定细节的情况下实施本发明的装置、方法和设备。在本说明书中对“实施例”、“示例”或类似语言的提及意指结合该实施例或示例所描述的特定特征、结构或特性被包括在至少那一个实施例或示例中,但不一定会被包括在其它的实施例或示例中。在本说明书中的不同位置中的措辞“在一个实施例中”、“在优选实施例中”或类似措辞的各种实例并不必定全部涉及同一实施例。
首先,为了便于对本申请技术方案的透彻理解,本发明将以地震信号为例来简要地介绍低信噪比信号中的同相轴的若干特点。需要指出的是,此处所列举的地震信号仅为了举例说明本发明的技术方案,而并不旨在对本发明的保护范围构成任何限制。
在地震勘探中,当地表及地下地质构造比较复杂时,所采集到的地震信号的信噪比会非常低,在这种情况下大量的地震信号被淹没于噪声中,此时地震剖面上几乎看不见地震信号的同相轴,或者只能隐隐约约看到部分同相轴。此时同相轴表现为扭曲、不连续、脱相(同相消失)、道间信号能量突变以及肉眼难以分辨的弱信号等特征。
如前所述,在现有技术中,对同相轴的识别有诸多方法,但是迄今为止对低信噪比信号的同相轴的识别却往往束手无策。本发明人经过长期观察与研究发现,同相轴主要取决于信号相位,这才是问题的本质与关键。
在低信噪比数字信号中,可以认为“不是随机噪声就是同相轴”。也就是说,应当认为随机噪声的上限识别阈值就是信号同相轴的下限识别阈值。因此,若能够获得随机噪声的上限识别阈值,则低信噪比信号的同相轴识别的问题就有望解决。
此外,尽管随机噪声的表现形式趋于无穷多,但是合成随机噪声的道集却比合成低信噪比的信号同相轴道集简单得多,故本发明的此新思路的可操作性很强。
下面结合优选实施例和说明书附图对本发明作进一步描述。
本发明的图1A示出了根据本发明的用于确定数字信号的同相轴识别阈值的示例性方法的流程图;图1B示出了根据本发明的示例性数字信号(例如但不限于低信噪比数字信号)的同相轴识别方法的流程图。
总体来讲,本发明的示例性同相轴识别方法主要是利用数字信号(例如但不限于地震数据信号道集)的同相轴主要取决于信号相位这一特征,在相位域根据已知时距曲线对低信噪比数字信号的同相轴进行识别。
此处所述的时距曲线是指地震波走时与距离的关系曲线,即地震波到达各检波点的时间与检波点到爆炸点的距离之间的关系曲线。
如本领域技术人员所能理解的,本发明的一个重要方面在于获得信号同相轴的识别阈值函数,其主要包括:对随机噪声道集(仅含随机噪声)进行希尔伯特变换,得到随机噪声道集的余弦相位函数道集;接下来依据相位函数仅反映信号的相位和频率、与信号的振幅无关、且振幅范围是[-1,1]的特点,对所述随机噪声的余弦相位函数道集作水平叠加(即将所有道水平叠加为一个道)得到其波峰最大值与覆盖次数(即信号道总数)的对应关系,从而统计出随覆盖次数变化的随机噪声的上限识别阈值函数,即信号同相轴的(下限)识别阈值函数。
本发明的信号同相轴的识别阈值函数是以经验公式的形式给出。在具体识别应用中可以直接使用该经验公式,无需重复该经验公式的统计和获得过程。
如图1A中所示,在步骤101中,对随机噪声信号道集xi(t)进行希尔伯特变换以得到希尔伯特变换后的hi(t),该希尔伯特变换的表达式为:
其中t为时间,i为信号道序列(即信号道序号),τ为每个信号道中的采样点。
在步骤102中,得到随机噪声信号道集xi(t)的余弦相位函数道集cosθi(t),该余弦相位函数道集可以按照下述过程来获得:
首先,得到随机噪声信号道集xi(t)的瞬时包络,该瞬时包络的表达式为:
其次,根据所述瞬时包络得到瞬时相位,该瞬时相位的表达式为:
则余弦相位函数道集为:
故:
xi(t)=cosθi(t)·ai(t) (5)
由公式(5)可以看到,xi(t)可分解为余弦相位函数cosθi(t)和瞬时包络ai(t)。
由公式(4)可知,余弦相位函数cosθi(t)仅反映信号的相位和频率,其振幅范围是[-1,1],如图2和图3所示,图中显示出信号的余弦相位函数只与相位和频率有关,振幅则都在[-1,1]区间,其中图2示出了道集剖面,而图3则是示出了单道道集。
在步骤103中,依据余弦相位函数仅反映信号的相位和频率,与信号的振幅无关,且振幅范围是[-1,1]的特点(如图3所示),对所得到的余弦相位函数道集作水平叠加以得到Sn(t)(见公式(6)):
公式(6)中的n为覆盖次数(即信号道总数),i为信号道序列(即信号道序号),t为时间。
在步骤104中,统计Sn(t)的最大值与覆盖次数的对应关系,并得到随覆盖次数变化的同相轴的识别阈值函数的经验公式(见下面的公式(8))。
本发明的同相轴识别阈值函数的经验公式的原理为:
设tp为信号波峰时间,则理想的同相轴可定义为:
Sn(tp)=1 (7)
本文中理想同相轴的定义值就是同相轴的上限识别阈值。如图4中所示,在叠加波峰值的坐标轴中存在三个端点,我们已获得其中两个端点:随机噪声的下限阈值以及同相轴的上限阈值,而另外最关键的一个端点就是信号(例如低信噪比信号)的同相轴的下限阈值(也称为“同相轴识别阈值”)。
设为信号(例如低信噪比信号)的同相轴的识别阈值,则由图4可知,很显然有
图5示出了信号同相轴的识别阈值函数的统计图,由图5可以看到与覆盖次数(即信号道总数)成反比。
由此可以得出下述随覆盖次数变化的同相轴的识别阈值函数的经验公式:
式中n为覆盖次数(即信号道总数);μ为调整系数,其范围优选是0.5≤μ≤1.0,更优选地,μ为0.618。
当给定n和μ时,则为常数。
此处需要说明的是,上述经验公式仅为本发明的一个优选实施例,本发明的保护范围并不限于此,本领域技术人员在本发明的精神和范围内统计得出的其它随覆盖次数变化的同相轴的识别阈值函数的经验公式均在本发明的保护范围之内。
接下来,结合图1B来说明利用本发明所得到的上述同相轴的识别阈值函数来识别输入的待识别数字信号(例如但不限于低信噪比数字信号)的同相轴的示例性方法。
如图1B中所示,在步骤1101中,输入含噪声的待识别输入数字信号道集;
在步骤1102中,按照前述公式(1)对所述待识别的输入数字信号道集进行希尔伯特变换;
在步骤1103中,按照前述公式(2)、(3)和(4)计算得到待识别的所述输入数字信号道集的余弦相位函数道集;
在步骤1104中,对所述待识别的输入数字信号道集的余弦相位函数道集作水平叠加(即将所有道水平叠加为一个道),从而在每个时间采样点处得到输入数字信号道集的余弦相位函数道集经水平叠加后的函数值;
在步骤1105中,将在每个时间采样点处得到的输入数字信号道集的余弦相位函数道集经水平叠加后的函数值与当上述同相轴的识别阈值函数的参数变量n的取值为待识别输入数字信号道集的覆盖次数(即信号道总数)时得到的识别阈值函数值进行比较。例如:如果待识别的输入数字信号道集的信号道总数为30,则所述识别阈值函数的参数变量n的取值即为30,而识别阈值函数值就是在这样的取值的情况下计算得到的。
在步骤1106中,将待识别的输入数字信号道集的余弦相位函数道集作水平叠加后的函数值比所述同相轴的识别阈值函数值大的时间采样点识别为存在信号同相轴,否则,将当前考虑的时间采样点识别为存在噪声。
图6示出了某实际资料CMP信号道集(即为共中心点道集)的输入数字信号道集的速度谱(该速度谱中示出了采用本发明的方法识别出的信号同相轴)(最左边的部分),以及输入数字信号道集、动校正后的信号道集和相邻道集水平叠加的时间剖面图。由图6中的局部叠加剖面可见,低信噪比信号的同相轴识别结果是正确的。
下面,本说明书将进一步描述根据本发明的示例性低信噪比信号的同相轴识别系统。
图7A示出了用于确定数字信号的同相轴识别阈值的设备的示意性方框图;
如图7A中所示,所述用于确定数字信号的同相轴识别阈值的设备7100包括但不限于:希尔伯特变换单元7101、余弦相位函数导出单元7102、余弦相位函数道集水平叠加单元7103、以及同相轴识别阈值函数导出单元7104。
所述希尔伯特变换单元7101用于对随机噪声信号道集进行希尔伯特变换;
所述余弦相位函数导出单元7102耦合到所述希尔伯特变换单元7101,且用于计算得到随机噪声信号道集的余弦相位函数道集;
所述余弦相位函数道集水平叠加单元7103依据余弦相位函数仅反映信号的相位和频率,与信号的振幅无关,且振幅范围是[-1,1]的特点(如图3所示),对所述余弦相位函数导出单元7102所得到的余弦相位函数道集作水平叠加以得到Sn(t)(见上述公式(6))。
所述同相轴识别阈值函数导出单元7104用于统计Sn(t)的最大值与覆盖次数的对应关系,并得到随覆盖次数变化的同相轴的识别阈值函数(由上述公式(8)来表示)。
图7B示出了根据本发明的示例性数字信号(例如但不限于低信噪比数字信号)的同相轴识别系统的示意性方框图;如图7B中所示,根据本发明的示例性低信噪比信号的同相轴识别系统包括但不限于输入单元7201、希尔伯特变换单元7202、余弦相位函数导出单元7203、余弦相位函数道集水平叠加单元7204、比较单元7205、识别单元7206、输出单元7207。
其中所述输入单元7201用于输入含噪声的待识别输入信号道集。
所述希尔伯特变换单元7202用于按公式(1)对所述待识别的输入信号道集进行希尔伯特变换。
所述余弦相位函数导出单元7203耦合到所述希尔伯特变换单元7202,且用于按照前述公式(2)、(3)和(4)计算得到待识别的所述输入数字信号道集的余弦相位函数道集。
所述余弦相位函数道集水平叠加单元7204耦合到所述余弦相位函数导出单元7203,且用于对所述待识别的输入数字信号道集的余弦相位函数道集作水平叠加(即将所有道水平叠加为一个道),从而在每个时间采样点处得到输入数字信号道集的余弦相位函数道集经水平叠加后的函数值。
所述比较单元7205耦合到所述余弦相位函数道集水平叠加单元7204以及如图7A所示的用于确定数字信号的同相轴识别阈值的设备7100,并且用于将在每个时间采样点处得到的输入数字信号道集的余弦相位函数道集经水平叠加后的函数值与当上述同相轴识别阈值函数的参数变量n的取值为待识别输入数字信号道集的覆盖次数(即信号道总数)时得到的识别阈值函数值进行比较;
所述识别单元7206将待识别的输入数字信号道集的余弦相位函数道集作水平叠加后的函数值比所述同相轴的识别阈值函数值大的时间采样点识别为存在信号同相轴,否则,将当前考虑的时间采样点识别为存在噪声。
所述输出单元7207输出上述识别结果。该输出单元7207包括但不限于显示单元、扬声器等语音输出单元、或类似可供用户得知识别结果的任何类型的输出单元。
此外还需要说明的是,本发明的上述示例仅针对水平同相轴的识别加以说明,如果同相轴非水平,则按时距方程扫描获得水平同相轴,然后按上述同相轴识别方法进行识别即可。
与现有技术相比,本发明的有益效果是:本发明所提及的方法为低信噪比地震资料提供了一种识别信号同相轴的有效手段,其依据相位函数仅仅反映信号的相位和频率、而与信号的振幅无关且振幅范围是[-1,1]的特点,对余弦相位函数道集作水平叠加,再根据随覆盖次数变化的同相轴识别阈值函数经验公式,最后求得同相轴识别阀值从而判定是信号同相轴或随机噪声。在相位域根据有效信号的已知时距曲线进行弱信号识别,具有较强的可操作性和客观性。
请注意,本发明尤其对一种可能实施例进行了详细描述。本技术领域内的技术人员明白,可以在其它实施例中实施本发明。可以以硬件、软件、固件或其组合来实现本优选实施例。在(一个或多个)各种实施例中,以存储在存储器中并由适当的指令执行系统执行的软件或固件来实现设备组件。如果以硬件实现,如在某些实施例中,则可以用在本领域中全部众所周知的任何以下技术或其组合来实现设备组件:具有用于对数据信号实现逻辑功能的逻辑门的(一个或多个)离散逻辑电路、具有适当组合逻辑门的专用集成电路(ASIC)、(一个或多个)可编程门阵列(PGA)、现场可编程门阵列(FPGA)等。此外,在此描述的各种系统部件之间特别划分功能仅是典型例子,而不是强制性的;相反,单个系统部件执行的功能可以由多个部件执行,并且由多个部件执行的功能也可以由单个部件执行。
软件组件可以包括用于实现逻辑功能的可执行指令的有序列表,可以体现在任何计算机可读介质中以供指令执行系统、装置、单元或设备使用或与之相结合地使用,所述指令执行系统、装置、单元或设备诸如为基于计算机的系统、包含处理器的系统、或能够从指令执行系统、装置、单元或设备获取指令并执行该指令的其它系统。另外,本发明的范围包括在在硬件或软件构造的介质中体现的逻辑中体现一个或多个实施例的功能。
已经出于图示和说明的目的提出了本发明的实施例的前述公开。其并不旨在是穷举的或使本发明局限于所公开的精确形式。根据上述公开,本文所述的实施例的许多变更和修改对于本领域的普通技术人员来说将是显然的。请注意,上述示例并不意图是限制性的。还可以预期可以包括许多上述特征的装置、方法和设备的附加实施例。在研究附图和详细说明之后,本发明的其它装置、方法、设备、特征和优点对于本领域的技术人员来说更加显而易见。意图在于将所有此类其它装置、方法、设备、特征和优点包括在本发明的保护范围内。
除非以其他方式特别说明或在所使用的上下文内以其他方式理解,否则诸如“能够”、“可”、“可能”或“可以”之类的条件语言一般旨在传达的是某些实施例可以包括但不必须包括某些特征、元件和/或步骤。因此,此类条件语言通常并不旨在暗示以任何方式要求一个或多个实施例必须包括特征、元件和/或步骤。
应将流程图中的任何处理说明或方框理解为表示包括用于实现该处理中的特定逻辑功能或步骤的一个或多个可执行指令的代码部分、或段、模块,并且替换实施方式被包括在本发明的优选实施例的范围内,其中,可以不按所示或所讨论的顺序来执行功能,包括基本上同时地或按照相反顺序,其取决于所涉及的功能,如本发明的领域中的理性技术人员将理解的那样。
上面的某些部分,是根据对计算机内存中的数据位的操作的算法和符号表示表示的。这些算法说明和表示是数据处理技术领域内的技术人员经常利用其将其工作的实质内容最有效传达给本技术领域内的其他技术人员的方式。在此,算法通常被认为是,实现要求的结果的自动匹配步骤序列(指令)。这些步骤是要求对物理量进行物理处理的步骤。通常,尽管不一定是,但是这些量均采取能够被存储、传送、组合、比较以及其它处理的电信号、磁信号或者光信号的形式。主要因为一般用途的原因,时常将这些信号称为位、值、单元、符号、字符、项、数字等等非常方便。此外,将对物理量进行物理处理所需各步骤的特定排列称为模块或者代码装置,也非常方便,而不失其普遍性。
然而,应当考虑到,所有这些术语以及类似术语均与适当物理量相关,并且仅对这些量采用方便的标记。除非另有具体说明,正如从下面的讨论可以看出,根据该说明书,应当明白,采用诸如“处理”或者“计算”或者“运算”或者“显示,,或者“确定”等等的术语所做的讨论指,计算机系统或者对计算机系统内存或者寄存器或者其它这种信息存储器内的物理(电子)量进行处理和变换的类似电子计算模块和/或者装置、传输或者显示装置的动作或者处理。
本发明还涉及用于执行在此描述的各种操作的设备。该设备是为所需用途而特殊构造的,或者说它可以包括,由存储在计算机内的计算机程序选择性地激活或者重新配置的通用计算机。这种计算机程序可以存储在计算机可读存储介质中,诸如,但是并不局限于任意类型的盘,包括:软盘、光盘、CD-ROM、磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或者光卡、专用集成电路(ASIC)、或者适于存储电子指令的任意类型的介质,并且它们均连接到计算机系统总线。此外,在此所称的计算机可以包括单个处理器,也可以是为了提高处理能力而采用多处理器设计的体系结构。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此讲授的内容的程序一起使用,或者说,它可以证明构造更专用设备来执行所需的方法步骤非常方便。根据上面的描述,各种这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由权利要求书限定。
Claims (18)
1.一种用于确定数字信号的同相轴识别阈值的方法,其包括:
对随机噪声信号道集进行希尔伯特变换;
得到随机噪声信号道集的余弦相位函数道集;
根据所得到的随机噪声信号道集的余弦相位函数道集获得以信号道总数为参数变量的同相轴的识别阈值函数。
2.如权利要求1所述的方法,其中,所述获得同相轴的识别阈值函数的步骤还包括:对所述余弦相位函数道集作水平叠加。
3.如权利要求2所述的方法,其中所述获得同相轴的识别阈值函数的步骤还包括:统计所述水平叠加所得到的Sn(t)的最大值与所述信号道总数的对应关系,以得到随信号道总数变化的同相轴的识别阈值函数。
4.如权利要求1-3之一所述的方法,其中所述同相轴的识别阈值函数由下述公式来表示:
式中n为信号道总数,tp为信号波峰时间,μ为调整系数,其范围为0.5≤μ≤1.0。
5.如权利要求4所述的方法,其中,所述μ为0.618。
6.一种数字信号的同相轴识别方法,其包括步骤:
输入待识别的输入数字信号道集;
对所述待识别的输入数字信号道集进行希尔伯特变换;
得到待识别的所述输入数字信号道集的余弦相位函数道集;
对所述待识别的输入数字信号道集的余弦相位函数道集作水平叠加,从而 在每个时间采样点处得到输入数字信号道集的余弦相位函数道集经水平叠加后的函数值;
将在每个时间采样点处得到的所述经水平叠加后的函数值与通过对随机噪声道集的余弦相位函数道集进行水平叠加而获得的以信号道总数为参数变量的同相轴识别阈值函数的函数值进行比较;
将待识别的输入数字信号道集的余弦相位函数道集作水平叠加后的函数值比所述同相轴识别阈值函数的函数值大的时间采样点识别为存在信号同相轴。
7.如权利要求6所述的方法,其中所述同相轴识别阈值函数是通过统计对随机噪声道集的余弦相位函数道集进行水平叠加所得到的Sn(t)的最大值与所述信号道总数的对应关系而得到的。
8.如权利要求6或7所述的方法,其中所述同相轴识别阈值函数由下述公式来表示:
式中n为信号道总数,tp为信号波峰时间,μ为调整系数,其范围为0.5≤μ≤1.0。
9.如权利要求8所述的方法,其中,所述μ为0.618。
10.一种用于确定数字信号的同相轴识别阈值的设备,其包括:
用于对随机噪声信号道集进行希尔伯特变换的单元(7101);
用于得到随机噪声信号道集的余弦相位函数道集的单元(7102);以及
用于根据所得到的随机噪声信号道集的余弦相位函数道集获得以信号道总数为参数变量的同相轴的识别阈值函数的单元。
11.如权利要求10所述的设备,其中,所述获得同相轴的识别阈值函数的 单元包括用于对所述余弦相位函数道集作水平叠加的单元(7103)。
12.如权利要求11所述的设备,其中所述获得同相轴的识别阈值函数的单元还包括:用于统计所述水平叠加所得到的Sn(t)的最大值与所述信号道总数的对应关系,以得到随信号道总数变化的同相轴的识别阈值函数的单元(7104)。
13.如权利要求10-12之一所述的设备,其中所述同相轴的识别阈值函数由下述公式来表示:
式中n为信号道总数,tp为信号波峰时间,μ为调整系数,其范围为0.5≤μ≤1.0。
14.如权利要求13所述的设备,其中,所述μ为0.618。
15.一种数字信号的同相轴识别系统,其包括:
用于输入待识别的输入数字信号道集的单元(7201);
用于对所述待识别的输入数字信号道集进行希尔伯特变换的单元(7202);
用于得到待识别的所述输入数字信号道集的余弦相位函数道集的单元(7203);
用于对所述待识别的输入数字信号道集的余弦相位函数道集作水平叠加,从而在每个时间采样点处得到输入数字信号道集的余弦相位函数道集经水平叠加后的函数值的单元(7204);
用于将在每个时间采样点处得到的所述经水平叠加后的函数值与通过对随机噪声道集的余弦相位函数道集进行水平叠加而获得的以信号道总数为参数变量的同相轴识别阈值函数的函数值进行比较的单元(7205);
用于将待识别的输入数字信号道集的余弦相位函数道集作水平叠加后的函 数值比所述同相轴识别阈值函数的函数值大的时间采样点识别为存在信号同相轴的单元(7206)。
16.如权利要求15所述的系统,其中所述同相轴识别阈值函数是通过统计对随机噪声道集的余弦相位函数道集进行水平叠加所得到的Sn(t)的最大值与所述信号道总数的对应关系而得到的。
17.如权利要求15或16所述的系统,其中所述同相轴识别阈值函数由下述公式来表示:
式中n为信号道总数,tp为信号波峰时间,μ为调整系数,其范围为0.5≤μ≤1.0。
18.如权利要求17所述的系统,其中,所述μ为0.618。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210394228.4A CN103336940B (zh) | 2011-10-26 | 2012-10-17 | 一种数字信号同相轴识别方法及设备 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110330622.7 | 2011-10-26 | ||
CN2011103306227 | 2011-10-26 | ||
CN201110330622 | 2011-10-26 | ||
CN201210394228.4A CN103336940B (zh) | 2011-10-26 | 2012-10-17 | 一种数字信号同相轴识别方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103336940A CN103336940A (zh) | 2013-10-02 |
CN103336940B true CN103336940B (zh) | 2016-12-21 |
Family
ID=47878168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210394228.4A Active CN103336940B (zh) | 2011-10-26 | 2012-10-17 | 一种数字信号同相轴识别方法及设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20130107666A1 (zh) |
CN (1) | CN103336940B (zh) |
AU (1) | AU2012244118B2 (zh) |
FR (1) | FR2982036B1 (zh) |
RU (1) | RU2569049C2 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104459772B (zh) * | 2013-09-25 | 2017-08-18 | 中国石油化工股份有限公司 | 一种地震数字信号的提频方法及装置 |
US20160245938A1 (en) * | 2013-09-25 | 2016-08-25 | China Petroleum & Chemical Corporation | Method and device for increasing frequency of seismic digital signal |
CN105629306B (zh) * | 2014-10-27 | 2018-01-16 | 中国石油化工股份有限公司 | 一种信噪比模型建立方法 |
CN114764149B (zh) * | 2021-01-13 | 2023-04-07 | 中国石油化工股份有限公司 | 陡坡带砂砾岩体有利相带描述方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053276A (zh) * | 2009-10-30 | 2011-05-11 | 中国石油化工股份有限公司 | 一种地震数字信号的复数道集二维滤波方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1259601A (zh) * | 1968-01-09 | 1972-01-05 | ||
US4858199A (en) * | 1988-09-06 | 1989-08-15 | Mobile Oil Corporation | Method and apparatus for cancelling nonstationary sinusoidal noise from seismic data |
US4945519A (en) * | 1989-02-28 | 1990-07-31 | Amoco Corporation | Method of geophysical exploration |
US5471880A (en) * | 1994-04-28 | 1995-12-05 | Electric Power Research Institute | Method and apparatus for isolating and identifying periodic Doppler signals in a turbine |
US5818795A (en) * | 1996-10-30 | 1998-10-06 | Pgs Tensor, Inc. | Method of reduction of noise from seismic data traces |
US6597994B2 (en) * | 2000-12-22 | 2003-07-22 | Conoco Inc. | Seismic processing system and method to determine the edges of seismic data events |
WO2009120430A1 (en) * | 2008-03-28 | 2009-10-01 | Exxonmobil Upstream Research Company | Method for performing constrained polarization filtering |
CN101598595A (zh) * | 2008-06-05 | 2009-12-09 | 中国石油化工股份有限公司 | 一种信号端点的相位域检测方法 |
-
2012
- 2012-10-17 CN CN201210394228.4A patent/CN103336940B/zh active Active
- 2012-10-22 AU AU2012244118A patent/AU2012244118B2/en active Active
- 2012-10-25 RU RU2012145420/28A patent/RU2569049C2/ru active
- 2012-10-25 FR FR1260201A patent/FR2982036B1/fr active Active
- 2012-10-26 US US13/662,360 patent/US20130107666A1/en not_active Abandoned
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053276A (zh) * | 2009-10-30 | 2011-05-11 | 中国石油化工股份有限公司 | 一种地震数字信号的复数道集二维滤波方法 |
Non-Patent Citations (3)
Title |
---|
应用模式识别自动追踪地震剖面同相轴;董恩清等;《西安石油学院学报(自然科学版)》;19980326;第1998年卷(第02期);第16页 * |
深度信号相位一致性处理方法研究;王希萍;《中国优秀硕士论文全文数据库基础科学辑》;20090615;第2009年卷(第06期);第1页第4段第1-3行 * |
用人工神经网络实现同相轴自动拾取;姚姚;《石油地球物理勘探》;19940215;第1994年卷(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
US20130107666A1 (en) | 2013-05-02 |
CN103336940A (zh) | 2013-10-02 |
AU2012244118B2 (en) | 2014-07-24 |
RU2569049C2 (ru) | 2015-11-20 |
AU2012244118A1 (en) | 2013-05-09 |
RU2012145420A (ru) | 2014-04-27 |
FR2982036B1 (fr) | 2018-02-16 |
FR2982036A1 (fr) | 2013-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Levshin et al. | Automated detection, extraction, and measurement of regional surface waves | |
CN103336940B (zh) | 一种数字信号同相轴识别方法及设备 | |
Ebrahimi et al. | A high-resolution weighted AB semblance for dealing with amplitude-variation-with-offset phenomenon | |
Lyu et al. | Multispectral coherence: Which decomposition should we use? | |
CN107356964A (zh) | S变换域基于变分原理的q值估计与补偿方法 | |
Chen et al. | A novel iterative approach for mapping local singularities from geochemical data | |
CN105445801A (zh) | 一种消除二维地震资料随机噪音的处理方法 | |
CN105021210A (zh) | Mems陀螺仪随机漂移误差的处理方法 | |
Brevdo et al. | The synchrosqueezing algorithm: a robust analysis tool for signals with time-varying spectrum | |
CN114358162B (zh) | 一种基于连续小波变换的跌倒检测方法、装置及电子设备 | |
CN109655883A (zh) | 一种针对目标的地震分频方法及系统 | |
Borah et al. | Processing of noisy magnetotelluric time series from Koyna-Warna seismic region, India: a systematic approach | |
Díaz et al. | On the ability of the Benford’s Law to detect earthquakes and discriminate seismic signals | |
CN105388522B (zh) | 一种井震联合的沉积旋回匹配分析方法 | |
CN105204068A (zh) | 基于实际资料频谱特征的非线性扫描信号设计方法 | |
Alasonati et al. | Signal classification by wavelet-based hidden Markov models: application to seismic signals of volcanic origin | |
Koo et al. | Multiple regimes and low‐frequency oscillations in the Southern Hemisphere's zonal‐mean flow | |
US12123291B1 (en) | Method and system for updating three-dimensional lithology model for precision navigation of deep oil and gas in real time | |
Rückemann | Comparison of stacking methods regarding processing and computing of geoscientific depth data | |
Dong et al. | Multistage residual network for intense distributed acoustic sensing background noise attenuation | |
Gong et al. | Automatic time picking of microseismic data based on shearlet-AIC algorithm | |
Jiang et al. | Surf-Net: A deep-learning-based method for extracting surface-wave dispersion curves | |
Jeng et al. | A nonlinear method of removing harmonic noise in geophysical data | |
CN110109179A (zh) | 频宽补偿处理方法、装置和设备 | |
CN102536195B (zh) | 测井沉积层序自动划分方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |