曲率放大的λ-f域高分辨率抛物Radon变换多次波压制方法

在实际数据处理中抛物Radon变换是多次波压制的一种常用手段,然而,常规Radon变换方法难以有效压制那些与一次波曲率差异较小的多次波,本文给出了曲率放大的多次波压制方法来改善多次波的压制效果。通过研究影响同相轴的曲率的参数,发现压缩炮检距或增大时差能够放大多次波和一次波曲率差异,加大一次波和多次波在Radon域的分离程度,从而提高了多次波的压制能力。为进一步提高Radon变换的计算效率和精度,采用λ-f域高分辨率抛物Radon变换,通过引入新变量λ消除了常规Radon变换算子对频率的依赖性,由于变换算子和它的逆只需要计算一次,因此显著提高了计算效率。通过理论模型和实际资料的处理表明,该方法能够较好地压制表层多次波,对于那些与一次波存在一定曲率差异的层间多次波,也具备一定的压制能力。

λ-f域抛物Radon变换多次波压制方法

空间截断效应降低传统Radon变换压制多次波的精度.提出一种λ-f域抛物Radon变换方法,与传统最小二乘抛物Radon变换相比,地震数据变换到λ-f域后表现为直线的映射,更便于设计滤波函数,从而有效消除传统多次波压制过程中空间截断效应的影响.另外,新变量λ的引入,使Radon正反算子成为与频率无关的矩阵,可大幅度提高计算效率.理论模型和实际海洋地震数据多次波压制试算结果表明,提出的λ-f域抛物Radon变换法可有效实现多次波压制,提高地震数据的信噪比,具有较强的实用性.

λ-f域三维抛物Radon变换多次波压制方法

通常情况下,应用Radon变换压制多次波,一般是对正变换的模型空间进行处理,再反变换回时空域,而Radon域能量团的收敛性直接影响多次波去除效果,且求解过程中需反复进行矩阵的逆运算,计算成本偏高。为此,基于二维抛物Radon变换,借鉴Abbad等的方法,首次提出λ-f(λ为曲率q与频率f的乘积)域三维抛物Radon变换多次波压制方法,将常规三维抛物Radon变换的f-q_(x)-q_(y)(q、q分别为横、纵向离散曲率)域转换到一个全新的λ_(x)-λ_(y)-f(λ_(x)=q_(x)f、λ_(y)=q_(y)f)域,继承了二维λ-f域Radon变换思路。通过引入新的变量λ和λ,消除常规Radon算子对频率的依赖,减少了矩阵运算次数,显著提高了计算效率;根据一次波和多次波能量在λ-f域空间分布特征,设计三维椎体滤波器,更有效地分离一次波和多次波,降低空间截断效应引起的误差。理论模型及实际数据测试表明:(1)所提方法降低了空间截断效应的影响,消除了变换算子对频率的依赖,有效减少了矩阵求逆运算次数,较常规三维Radon变换方法的计算效率提高了约8倍以上;(2)所提方法仍然存在Radon类方法的弊端,即当一次波和多次波速度差异较小时,在近炮检距位置无法得到较理想的多次波压制效果。

基于SLA范数的高阶高分辨率λ-f域Radon变换多次波压制方法（英文）

传统的Radon变换是利用一次波与多次波的速度差异将其聚焦在Radon域内的不同"点"或"直线"上。然而有限的"偏移孔径"、"离散采样"和"地震数据的AVO特性"会使Radon变换的聚焦变差,降低了该方法的分辨率,影响多次波压制精度。此外传统Radon变换没有考虑地震数据的AVO特性,使用L_0范数的近似形式L1范数来提高Radon域的聚焦特性,计算量极大。本文就上述问题,本文将SL_0范数和正交多项式同时引入λ-f域Radon变换,提出基于SL_0范数的高阶高分辨率λ-f域Radon变换。在考虑地震数据的AVO特性基础上,将正交多项式和Radon变换相结合。首先推导出时间域高阶Radon正反变换形式,随后使用傅里叶变换将其变换到频率域,再引入变量,将频率和曲率相结合,对其进行整体采样,具备了较快的计算效率,最后使用平滑高斯函数替代L_1范数来近似L_0范数(SL_0范数),通过最速下降和梯度投影原理求得Radon变换在SL_0范数下的稀疏解。理论模型和实际资料试算表明,同基于L_1范数的Radon变换比较,本文方法既在Radon域内具有更好的聚焦特性,同时在有效压制多次波(NMO)后存在剩余时差)的同时能更好地保存一次波的AVO特性。

λ-f域加权抛物Radon变换地震数据重建方法研究

大多数地震处理技术都要求地震数据具备完整性和规则性,然而,由于诸多因素的影响,地震勘探所采集到的资料普遍存在数据缺失,需要对地震数据进行重建.本文在传统Radon变换重建的基础上提出一种λ-f域加权抛物Radon变换的地震数据重建方法.通过引入新变量λ,消除了Radon变换算子对频率的依赖,使得Radon变换算子及算子的逆只需计算一次,显著提高了计算效率.同时,在λ-f域抛物Radon变换迭代计算过程中引入变化的权系数,更好地实现了λ-f域的能量聚焦.理论模型及实际数据试算表明,文中方法对地震数据重建精度较高,单道对比吻合较好.