張軍華 王 靜 梁曉騰 劉 振單聯(lián)瑜 石林光 梁鴻賢

1）中國(guó)山東青島266555中國(guó)石油大學(xué)（華東）地球科學(xué)與技術(shù)學(xué)院

2）中國(guó)山東東營(yíng)257022勝利油田物探研究院

Zhang Junhua1），Wang Jing1） Liang Xiaoteng1） Liu Zhen1）Shan Lianyu2） Shi Linguang2） Liang Hongxian2）

1）SchoolofGeoscience，ChinaUniversityofPetroleum，Qingdao 266555，China

2）GeophysicalProspectingResearchInstituteofShengliOilfield，Dongying257022，China

單點(diǎn)數(shù)字檢波器地震資料中弱信號(hào)特征分析及識(shí)別方法

張軍華1），王 靜1）梁曉騰1）劉 振1）單聯(lián)瑜2）石林光2）梁鴻賢2）

1）中國(guó)山東青島266555中國(guó)石油大學(xué)（華東）地球科學(xué)與技術(shù)學(xué)院

2）中國(guó)山東東營(yíng)257022勝利油田物探研究院

弱信號(hào)的檢測(cè)和識(shí)別是當(dāng)今地球物理學(xué)界非常關(guān)注的一個(gè)技術(shù)問題.對(duì)于高密度單點(diǎn)資料究竟多弱的信號(hào)才是弱信號(hào)，如何檢測(cè)和識(shí)別，以往學(xué)術(shù)界很少有這樣的文獻(xiàn)報(bào)道.本文以理論研究為主，結(jié)合勝利油田某高密度實(shí)際資料，對(duì)此做了分析和討論，得出以下初步結(jié)論：① 就視覺分辨率而言，當(dāng)弱信號(hào)的信噪比S/N＞2時(shí)，較易識(shí)別；S/N＝1時(shí)，有可能識(shí)別錯(cuò)；S/N＜0.5時(shí)，通過肉眼識(shí)別和解釋已基本不可能.② 對(duì)于薄儲(chǔ)集層來說，S/N＝2為計(jì)算薄層厚度的信噪比分界點(diǎn).③ 單點(diǎn)資料中背景噪聲會(huì)較大程度上影響深層弱信號(hào)，高密度資料弱信號(hào)的死亡值就是環(huán)境噪聲的幅度.④ 單個(gè)弱信號(hào)，它所占的頻譜成分很少，隨機(jī)噪聲主要影響頻譜的高頻端和低頻端，即使S/N達(dá)到5，噪聲對(duì)信號(hào)的頻譜改造仍十分嚴(yán)重.⑤ 研究區(qū)高密度資料頻帶很寬，為5—210Hz；目標(biāo)層高頻衰減比較快，高頻的死亡線在170Hz；深層20Hz以上信息基本與噪聲變化規(guī)律非常相像，弱信號(hào)已很難檢測(cè).⑥對(duì)于混雜在噪聲中的水平同相軸弱信號(hào)（S/N＜1），經(jīng)奇異值分解（SVD）法處理后，仍能有效地檢測(cè)出.經(jīng)研究確定，在動(dòng)校正（NMO）后的共中心點(diǎn)道集（CMP）資料中S/N＝0.5是能否用SVD方法進(jìn)行處理的臨界點(diǎn)；即使N/S達(dá)到3，仍能用曲波變換恢復(fù)出弱信號(hào).這給我們一個(gè)啟示：對(duì)于高密度單點(diǎn)資料，只要處理方法得當(dāng)，仍有很大的潛力識(shí)別出更多的弱信號(hào).

奇異值分解 曲波變換 信噪比 高頻死亡線

Zhang Junhua1），Wang Jing1）Liang Xiaoteng1）Liu Zhen1）Shan Lianyu2）Shi Linguang2）Liang Hongxian2）

1）SchoolofGeoscience，ChinaUniversityofPetroleum，Qingdao266555，China

2）GeophysicalProspectingResearchInstituteofShengliOilfield，Dongying257022，China

引言

弱信號(hào)是指幅度很弱的信號(hào)或者被噪聲淹沒的信號(hào).由于弱信號(hào)在常規(guī)的時(shí)空域中不易識(shí)別，需要用一定的檢測(cè)手段才能將它檢測(cè)出來.已有的檢測(cè)方法包括：建立在信息論和隨機(jī)過程理論基礎(chǔ)上的相關(guān)方法，基于傅氏變換和小波變換的譜分析法（馬寧等，2009；曾剛，侯祥博，2009），基于奇異值分解（singular value decomposition，簡(jiǎn)寫為SVD）方法（詹毅，周熙襄，2004），建立于非線性動(dòng)力系統(tǒng)的混沌理論（郭小龍，2007），基于經(jīng)驗(yàn)?zāi)Ｊ椒纸猓╡mpirical mode decomposition）的 Hilbert－Huang變換（徐曉剛等，2009），以及基于獨(dú)立分量分析（independent component analysis）的盲源分離（blind source separation）技術(shù)（呂文彪等，2007；彭才等，2007）等.它們已在機(jī)械故障、圖像處理、計(jì)算機(jī)仿真、航空航天、通信傳輸、道路交通等領(lǐng)域得到了較多的應(yīng)用.

對(duì)于常規(guī)地震勘探，工程技術(shù)人員已經(jīng)應(yīng)用多次覆蓋、組合、疊加等技術(shù)來增強(qiáng)弱信號(hào)的信噪比（王紅玲等，2007）.但對(duì)于近幾年興起的大規(guī)模單點(diǎn)數(shù)字檢波器采集資料（石戰(zhàn)結(jié)等，2003；夏穎等，2008；王喜雙等，2007；吳安楚，2009），由于其更寬的頻帶范圍和動(dòng)態(tài)范圍，利用常規(guī)技術(shù)還不足以解決實(shí)際問題，所以需要對(duì)單點(diǎn)數(shù)字資料的干擾波等特征做詳細(xì)的分析和尋找合適的數(shù)據(jù)處理方法（張軍華等，2009a）.與之相伴還有一個(gè)基礎(chǔ)理論問題，就是地震資料中哪樣的信號(hào)可稱之為弱信號(hào)，究竟多弱才稱之為弱信號(hào)，即弱信號(hào)的特征描述與評(píng)價(jià)問題，以及在此基礎(chǔ)上的識(shí)別問題.

本文從模型研究出發(fā)，分厚層和薄層對(duì)弱信號(hào)的幅值特征進(jìn)行詳細(xì)討論，分析了高密度資料中的環(huán)境噪聲對(duì)深層弱信號(hào)的影響；研究了弱信號(hào)的頻譜特征，用模型說明了噪聲對(duì)弱信號(hào)的影響程度，并給出研究區(qū)高密度單點(diǎn)資料高頻死亡線；用有代表性的信號(hào)分解方法——SVD技術(shù)和曲波變換方法，對(duì)弱信號(hào)的檢測(cè)和識(shí)別進(jìn)行了初步探討.研究結(jié)果對(duì)目前開展的地震弱信號(hào)檢測(cè)和去噪處理有一定的參考價(jià)值.

1 弱信號(hào)的特征描述與評(píng)價(jià)

1.1 弱信號(hào)的幅值特征及評(píng)價(jià)

地震資料的處理和評(píng)價(jià)，主要是它的幅度特征或者說波形特征.我們說一個(gè)信號(hào)弱，主要指它的幅度小，看不見.那么，什么樣的地震信號(hào)，在什么樣的噪聲背景下，信號(hào)才不能鑒別呢？這就必須進(jìn)行定量研究.下面我們分厚層和薄層兩種情況分別進(jìn)行討論.其中厚層考慮弱信號(hào)幅度和極性的變化，薄層考慮一楔形體的變化.

1.1.1 厚層情況下弱信號(hào)的幅值特征

設(shè)計(jì)一水平層狀介質(zhì)模型.為討論方便，不考慮介質(zhì)的密度變化，從上到下反射層的反射系數(shù)分別為0.2，0.02—－0.02（表示反射界面發(fā)生極性反轉(zhuǎn)），－0.02，0.02，0.1—0.02（表示反射系數(shù)隨偏移距的增加具有減小的趨勢(shì)）和0.2，如圖1a所示.設(shè)儲(chǔ)層的時(shí)間厚度為60ms，且頂?shù)追瓷湎禂?shù)分別為－0.02和0.02，儲(chǔ)層的波形能嚴(yán)格區(qū)分，取子波為35Hz雷克子波，模型道數(shù)為21道，采樣間隔為1ms，制作不同信噪比的合成地震記錄（圖1b—f）.相對(duì)反射系數(shù)0.2來說，反射系數(shù)0.02及以下的信息基本上屬于弱信號(hào)了.

從圖1可以看出，就視覺分辨率而言，當(dāng)弱信號(hào)的信噪比為2以上時(shí)，基本上可以分辨；當(dāng)信噪比為1時(shí)，有可能識(shí)別錯(cuò)；當(dāng)信噪比為0.5，即噪信比為2時(shí)，要從剖面上通過肉眼識(shí)別和解釋已基本不可能，也就是說此時(shí)視覺分辨率已達(dá)不到解釋的要求.由以上分析可知，要直接識(shí)別弱信號(hào)，其信號(hào)幅值一般應(yīng)大于背景噪聲幅度的2倍.

1.1.2 薄層情況下λ/4的厚度特征

下面考慮多薄的弱信號(hào)可以識(shí)別.我們考慮圖1中儲(chǔ)層，設(shè)計(jì)一個(gè)厚度變化的楔形體.子波、采樣間隔同上.無噪聲和信噪比分別為3，2，1和0.5時(shí)的合成地震記錄，如圖2所示.

調(diào)諧曲線是指薄層頂?shù)追瓷涞暮铣刹ㄐ蔚南鄬?duì)振幅大小與實(shí)際地層的時(shí)間厚度的關(guān)系曲線.圖3為根據(jù)圖2制作的調(diào)諧曲線，調(diào)諧厚度大約為11ms.可以看到，當(dāng)S/N＜2時(shí)，帶噪聲的調(diào)諧曲線已嚴(yán)重偏離理論調(diào)諧曲線，已不能很好地計(jì)算調(diào)諧曲線；而當(dāng)S/N≥2時(shí)基本上能反映調(diào)諧曲線的趨勢(shì).由此可看出，在疊后資料中S/N＝2基本上是是否可以計(jì)算薄層厚度信噪比的分界點(diǎn).

圖1 弱信號(hào)不同信噪比時(shí)的合成地震記錄（a）反射系數(shù)；（b）無噪聲合成記錄；（c）S/N＝3；（d）S/N＝2；（e）S/N＝1；（f）S/N＝0.5Fig.1 Synthetic seismograms including different S/Nweak signal（a）Reflection coefficient；（b）Synthetic seismogram without noise；（c）S/N＝3；（d）S/N＝2；（e）S/N＝1；（f）S/N＝0.5

1.1.3 實(shí)際高密度單點(diǎn)資料弱信號(hào)的幅度特征

圖4展示的是勝利油田某高密度單點(diǎn)資料的一個(gè)道集，可以看到初至以上有一定的環(huán)境噪聲（所有炮集資料都存在）.對(duì)常規(guī)資料我們可以不加考慮，但是由于高密度資料動(dòng)態(tài)范圍很大，所以對(duì)深層的高頻弱信號(hào)就不能低估了.下面放大展示初至以上背景噪聲（圖5），并與深層弱信號(hào)做幅度比較（圖6）.

從圖5可以看到，弱背景噪聲主要就是隨機(jī)噪聲，在時(shí)空域沒有什么規(guī)律.下面再對(duì)單道信號(hào)做定量評(píng)價(jià).取以上剖面的第400道，即最大偏移距的那一道，它受面波干擾較小，易于評(píng)價(jià).如圖6a所示，背景噪聲幅度只占中淺層地震信號(hào)的幾十分之一，影響很小.這也是開展單點(diǎn)數(shù)字采集的前提.下面對(duì)背景噪聲和深層含背景噪聲的地震信號(hào)進(jìn)行幅度比較，如圖6b.從比較結(jié)果可以看出，背景噪聲的幅度在深層接收信號(hào)的1/4—1/2，它會(huì)較大地影響深層弱信號(hào).這可能是陸上單點(diǎn)采集無法回避的局限——高密度資料弱信號(hào)的死亡值就是環(huán)境噪聲的幅度值.

1.2 弱信號(hào)頻譜特征及評(píng)價(jià)

1.2.1 弱信號(hào)的頻譜特征

首先來回答一個(gè)問題，即圖1b中間層所描述的弱信號(hào)（圖中框內(nèi)），在頻譜上究竟弱到一個(gè)什么程度或起什么作用？我們提取包括弱信號(hào)（圖1b）和去掉弱信號(hào)（直接將中間反射層去除）的剖面頻譜，結(jié)果如圖7所示.可以看到，有沒有弱信號(hào)，頻譜上反映很少.

以上結(jié)果也給我們一個(gè)啟示，在屬性提取和解釋中，若我們要研究巖性變化很小的薄儲(chǔ)集層，建議不要開包含強(qiáng)反射標(biāo)準(zhǔn)層的時(shí)窗來計(jì)算頻譜，不然這樣計(jì)算的頻譜很難反映出弱同相軸的信息.

圖4 高密度資料原始炮集Fig.4 Original shot gather of high－density data

1.2.2 噪聲對(duì)弱信號(hào)頻譜影響作用有多大

我們說信號(hào)弱，多數(shù)是因?yàn)榈卣鸩▊鞑ミ^程中受干擾因素太多了.前面我們已經(jīng)討論了噪聲對(duì)弱信號(hào)幅度的影響，下面我們來考察一下噪聲對(duì)弱信號(hào)頻譜的影響.為了使問題能說清楚，我們直接截取245—295ms這段包括弱信號(hào)的數(shù)據(jù)（50ms長(zhǎng)，正好覆蓋儲(chǔ)層頂面弱信號(hào)整個(gè)波形）.圖8是弱信號(hào)不含噪聲、信噪幅度比為5，2和1時(shí)的頻譜比較.可以看到，①無噪聲時(shí)信號(hào)的頻譜，就是35Hz的雷克子波.②隨機(jī)噪聲對(duì)頻譜的高頻端和低頻端有很大的影響.③即使信噪幅度很高為5，即加弱信號(hào)最大幅度20%的噪聲，其頻譜響應(yīng)改造仍十分嚴(yán)重（圖中紅色曲線）.如果把超過60 Hz的高頻噪聲也當(dāng)成寬頻帶的信號(hào)，那就大錯(cuò)特錯(cuò)了，這一點(diǎn)在我們做譜展寬處理時(shí)一定要引起注意.

也許有的人會(huì)質(zhì)疑，上述模型是假設(shè)的弱信號(hào)主頻很低，實(shí)際資料常有高頻弱信號(hào)，這時(shí)以上分析還有沒有意義？筆者認(rèn)為，如果假設(shè)有高頻弱信號(hào)，那應(yīng)該還有高頻子波，如果子波頻率就這么高，一定要準(zhǔn)確地提取出很高頻率的弱信號(hào)還是站不住腳的.

1.2.3 實(shí)際高密度單點(diǎn)資料弱信號(hào)的頻譜特征

圖9展示的是實(shí)際炮集（圖4）信號(hào)與噪音平均頻譜的對(duì)比圖.背景噪聲取的范圍是0—600ms，均在初至以上，炮集頻譜取整個(gè)道長(zhǎng)7s、目標(biāo)層2—3s和深層4—5s.從圖9可得到以下幾個(gè)現(xiàn)象：① 高密度資料頻帶很寬，為5—210Hz.② 目標(biāo)層高頻衰減比較快，高頻的死亡線為170Hz.③ 該地區(qū)主頻在3Hz左右的低頻能量較發(fā)育；④ 深層20Hz以上基本與噪聲變化規(guī)律非常相像，弱信號(hào)已很難檢測(cè).噪音與信號(hào)的頻譜存在一定的相似性，且噪音的頻譜分布比較均勻，而信號(hào)的能量主要存在于低頻部分.

由以上結(jié)果可知，高密度資料確實(shí)動(dòng)態(tài)范圍很大，因此，弱信號(hào)的檢測(cè)與識(shí)別是一項(xiàng)十分重要的工作，也是大有潛力可挖的課題.下面對(duì)其做進(jìn)一步的討論.

2 弱信號(hào)的檢測(cè)與識(shí)別

以上討論的都是直接觀察弱信號(hào)的特征.對(duì)于淹沒在噪聲中的弱信號(hào)（信噪比很低），經(jīng)過地震資料處理后，能否還能有效地檢測(cè)出弱信號(hào)呢？下面我們用物理意義明確的常規(guī)信號(hào)分解方法 SVD技術(shù)和近來興起的曲波變換方法來分別進(jìn)行測(cè)試.

2.1 SVD方法

設(shè)X為數(shù)據(jù)矩陣，根據(jù)奇異值分解（SVD）理論，X的奇異值分解可表示為（詹毅，周熙襄，2004；陳遵德，1994；陸文凱，李衍達(dá)，1998）

SVD方法利用的是有效信號(hào)具有相關(guān)性的特點(diǎn).地震數(shù)據(jù)經(jīng)SVD分解后，會(huì)按結(jié)構(gòu)特征和能量大小分解為若干個(gè)本征值.如果剔除環(huán)境噪聲的本征值，保留有效信號(hào)的本征值并進(jìn)行重建，就可以提高資料信噪比，實(shí)現(xiàn)有效信號(hào)的增強(qiáng).

考慮圖10a所示的反射系數(shù)模型，為了滿足SVD的處理要求，道數(shù)相對(duì)較多.模型中間的兩個(gè)同相軸的兩端反射較強(qiáng)，中間為弱信號(hào)，得到的模型如圖10b所示.

對(duì)于以上的弱信號(hào)，如果我們不對(duì)資料加以處理，直接識(shí)別已經(jīng)是很難了.下面我們用SVD方法對(duì)模型進(jìn)行整體處理，然后單獨(dú)分析圖10中弱信號(hào)部分（56—76道），如圖11給出了用λ1，λ1—λ2和λ1—λ3重構(gòu)后的處理結(jié)果.可以看到，如果我們主要關(guān)心的是中間的弱信號(hào)反射信息，經(jīng)過SVD重構(gòu)后是可以將它檢測(cè)出來的，并實(shí)現(xiàn)弱信號(hào)的加強(qiáng)，雖然剖面還不能做到完全保幅.

這給我們一個(gè)很好的啟示，即弱信號(hào)雖然很弱，若我們選取合適的方法加以處理，還是可以在一定程度上將它檢測(cè)出來的.

2.2 曲波變換方法

曲波（Curvelet）變換是在小波變換基礎(chǔ)上發(fā)展起來的一種新的多尺度變換，它的結(jié)構(gòu)元素除了尺度和位置參數(shù)以外，還包括方位參數(shù)，這使得曲波變換具有良好的方向特性（張軍華等，2009b）.利用曲波變換的以上特性，將地震數(shù)據(jù)變換到曲波域，并運(yùn)用一定算法（Candesetal，2005；Neelamanietal，2008），可以較好地壓制其中的隨機(jī)噪聲，增強(qiáng)弱信號(hào)的能量.

對(duì)于水平同相軸的弱信號(hào)，前面SVD已經(jīng)做了討論，下面重點(diǎn)對(duì)傾斜同相軸的弱信號(hào)進(jìn)行討論.設(shè)計(jì)兩個(gè)水平地層，中間夾持一個(gè)斷層和一個(gè)透鏡體，水平層、斷層、透鏡體反射系數(shù)分別為0.2，0.1和0.12，子波同前面一樣取35Hz雷克子波，模型記錄如圖12a所示.

圖12 用曲波變換識(shí)別弱信號(hào)（a）原始信號(hào)；（b）加噪信號(hào)（S/N＝1）；（c）去噪后結(jié)果Fig.12 Weak signal identification using curvelet transform method（a）Original signal；（b）Noise added（S/N＝1）；（c）After denoising

圖12b為相對(duì)透鏡體加幅度為0.1的噪聲（信噪比為1）后的記錄，圖12c為經(jīng)曲波變換后去噪的結(jié)果.可以看到基本上較好地反映了原始信號(hào)信息，沉浸在噪聲中的弱信號(hào)得到了很好的檢測(cè).試驗(yàn)表明即使噪信比達(dá)到3，仍能較好地檢測(cè)出弱信號(hào).

3 弱信號(hào)檢測(cè)在實(shí)際資料中的應(yīng)用

3.1 SVD弱信號(hào)檢測(cè)應(yīng)用

選取的資料為單點(diǎn)高密度資料的CMP道集（時(shí)窗800—1 800ms，道窗1 176—1 276）.

通過圖13對(duì)動(dòng)校正（NMO）后的CMP數(shù)據(jù)去噪前后的比較可看出：① 去噪后在黃色橢圓區(qū)域內(nèi)同相軸的連續(xù)性得到了增強(qiáng)，隨機(jī)噪聲去除明顯.② 去噪后的紅色矩形區(qū)域內(nèi)檢測(cè)出多條水平同相軸，弱同相軸得以識(shí)別.③ 去噪后的藍(lán)色矩形內(nèi)，水平同相軸振幅得到了顯著的增強(qiáng)，并且對(duì)兩強(qiáng)軸之間弱同相軸的去噪處理后振幅隨偏移距的變化比較明顯，具有一定的保幅效果.

3.2 曲波變換弱信號(hào)檢測(cè)應(yīng)用

選取高密度資料的一個(gè)疊加剖面段（時(shí)窗1 256—1 511ms，道窗800—1 055），如圖14a所示.用曲波閾值法對(duì)其進(jìn)行處理，結(jié)果如圖14b所示.通過比較可以看出，曲波變換后剖面中的同相軸連續(xù)性得到了增強(qiáng)，斷面、斷點(diǎn)清楚明確，如圖中的黃色矩形區(qū)域所示；淹沒在噪聲中的微弱同相軸得以體現(xiàn)出來，如圖中的藍(lán)色橢圓區(qū)域所示.這就非常好地證實(shí)了曲波變換法在弱信號(hào)檢測(cè)和去噪上的實(shí)用性.

4 討論與結(jié)論

數(shù)字檢波器由于其靈敏度高、動(dòng)態(tài)范圍大、資料室內(nèi)處理靈活，已日益成為高密度勘探的主力檢波器.但是由于數(shù)字檢波器以上特點(diǎn)和采用的單點(diǎn)采集方式，必然牽涉記錄信號(hào)由于信噪比低而不易檢測(cè)與識(shí)別的問題，即弱信號(hào)的檢測(cè)與識(shí)別問題.本文通過理論研究和實(shí)際資料的初步分析，得出了幾點(diǎn)有探討價(jià)值的認(rèn)識(shí)和結(jié)論：

1）就視覺分辨率而言，當(dāng)弱信號(hào)的信噪比為2以上時(shí)，基本上可以分辨；當(dāng)信噪比為1時(shí)，有可能識(shí)別錯(cuò)；當(dāng)信噪比為0.5，即噪信比為2時(shí)，要從剖面上通過肉眼識(shí)別和解釋已基本不可能，也就是此時(shí)視覺分辨率已達(dá)不到解釋的要求.

2）就本研究區(qū)而言，單點(diǎn)資料中背景噪聲的幅度在深層接收信號(hào)的1/4—1/2之間，它會(huì)較大地影響深層弱信號(hào).這也許是陸上單點(diǎn)采集無法回避的局限——高密度資料弱信號(hào)的死亡值就是環(huán)境噪聲的幅度值.

3）對(duì)于薄儲(chǔ)集層而言，在疊后地震資料中S/N＝2為是否可以采用Widess模型計(jì)算薄層厚度的信噪比分界點(diǎn).

4）通過模型測(cè)試，單個(gè)弱信號(hào)，它所占的頻譜成分很少；隨機(jī)噪聲主要影響頻譜的高頻端和低頻端，即使信噪幅度高至5，即加弱信號(hào)最大幅度20%的噪聲，頻譜響應(yīng)改造仍十分嚴(yán)重.

5）高密度資料（以LJ工區(qū)為例）頻帶很寬，為5—210Hz；目標(biāo)層高頻衰減比較快，高頻的死亡值在170Hz；深層20Hz以上基本與噪聲變化規(guī)律非常相像，弱信號(hào)已很難檢測(cè).

6）對(duì)于混雜在噪聲中的水平同相軸弱信號(hào)（信噪幅度比＜1），經(jīng)過地震資料處理后（SVD方法），仍能有效地檢測(cè)出弱信號(hào).通過研究可以確定，對(duì)動(dòng)校正后的CMP資料，S/N＝0.5是能否用SVD方法得到有效處理結(jié)果的臨界點(diǎn)；即使噪信比達(dá)到3，非水平層狀地層，仍能用曲波變換的方法檢測(cè)出.這給我們一個(gè)很好的啟示：對(duì)于高密度單點(diǎn)資料，只要處理方法得當(dāng)，仍有很大的潛力識(shí)別出更多的弱信號(hào).

陳遵德，段天友，朱廣生.1994.SVD濾波方法的改進(jìn)及應(yīng)用［J］.石油地球物理勘探，29（6）：783－－792.

郭小龍.2007.基于混沌理論的弱信號(hào)檢測(cè)方法研究［D］.南京：江蘇科技大學(xué)：33－－35.

陸文凱，李衍達(dá).1998.SVD分解法提高地震資料的信噪比和分辨率［J］.石油地球物理勘探，33（特刊1）：145－－149.

呂文彪，尹成，張白林，田繼東，李大衛(wèi).2007.利用獨(dú)立分量分析法去除地震噪聲［J］.石油地球物理勘探，42（2）：132－－139.

馬寧，陳莉，王曉軍，楊文偉.2009.小波變換在弱信號(hào)檢測(cè)中的應(yīng)用［J］.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，41（3）：257－－258.

彭才，朱仕軍，孫建庫，陳俊華，夏凌，黃東山.2007.基于獨(dú)立成分分析的地震數(shù)據(jù)去噪［J］.勘探地球物理進(jìn)展，30（1）：30－－35.

石戰(zhàn)結(jié)，田鋼，薛建，王者江，曾紹發(fā)，趙維俊，顏延杰.2003.單點(diǎn)地震技術(shù)在淺覆蓋區(qū)區(qū)域地質(zhì)調(diào)查中的應(yīng)用研究［J］.世界地質(zhì)，23（1）：86－－89.

王紅玲，詹毅，張朝霞.2007.地震資料信噪比估算方法改進(jìn)［J］.物探化探計(jì)算技術(shù)，29（3）：189－－191.

王喜雙，謝文導(dǎo)，鄧志文.2007.高密度空間采樣地震勘探技術(shù)發(fā)展與展望［J］.中國(guó)石油勘探，12（1）：49－－53.

吳安楚.2009.無線單點(diǎn)檢波器高密度地震采集［J］.勘探地球物理進(jìn)展，32（3）：101－－106.

夏穎，祝彩霞，孫靈群.2008.地震勘探儀器在高密度采集中的應(yīng)用［J］.物探裝備，18（1）：7－－10.

徐曉剛，徐冠雷，王孝通，秦緒佳.2009.經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）及其應(yīng)用［J］.電子學(xué)報(bào).37（3）：581－－585.

曾剛，侯祥博.2009.應(yīng)用小波變換和雙譜方法實(shí)現(xiàn)弱信號(hào)檢測(cè)［J］.數(shù)字信號(hào)處理，33（6）：60－－62.

詹毅，周熙襄.2004.小波包分析與奇異值分解（SVD）疊前去噪方法［J］.石油地球物理勘探，39（4）：394－－397.

張軍華，張瑞芳，王靜，單聯(lián)瑜，徐輝，付金榮，于海鋮，步長(zhǎng)城.2009a.高密度資料面元細(xì)分與速度分析關(guān)系研究［J］.地球物理學(xué)進(jìn)展，24（6）：2079－－2086.

張軍華，梁曉騰，傅金榮，郭見樂，鄭旭剛.2009b.Curvelet變換及其在地震資料去噪中的應(yīng)用［C］∥CPG/SEG北京國(guó)際地球物理年會(huì).

Candes E J，Demanet L，Donoho D L，Ying L.2005.Fast discrete curvelet transforms［DB/OL］.1－44［2008－05－20］.http：∥www.curvelet.org/

Neelamani R，Baumstein A I，Gillard D G.2008.Coherent and random noise attenuation using the curvelet transform［J］.TheLeadingEdge，27（2）：240－－248.

Weak signal characteristics and its identification in high－density single sensor data

The detection and identification of weak signal is a well－known technical issue in today’s geophysical industry.For high－density single sensor data，there is little information on how weak the signal will be called weak signal and how to detect and identify it in existing academic literatures.Based on theoretical study and combined with analyzing LJ high density data from Shengli Oilfield these questions were touched with and discussed in this paper.We draw the following conclusions：①In terms of visual resolution，the weak signal is more easily identified when signal to noise ratioS/N＞2，it may be wrongly identified whenS/N＝1，and it is basically impossible by visual recognition and interpretation whenS/N＜0.5.②For thin reservoir，S/N＝2is the lower limit for estimating its thickness.③Background noise will significantly affect the weak signals in deep part and the death value of high－density data weak signal is just the amplitude of environmental noise.④A single weak signal shares less in the frequency spectrum.Random noise mainly affects high frequency and low frequency part of the spectrum，and the spectrum response is remarkably altered even ifS/Ncomes up to 5.⑤ High－density data has a wide frequency band of 5—210Hz.Target layer has faster high－frequency attenuation and the death value of high frequency is at 170Hz.The signal above 20Hz in deep layer shows similar variation with the noise and the weak signal is difficult to be detected.⑥ Horizontal co－phase weak signal mixed with noise（S/N＞1）can still be effectively detected after processed with singular value decomposition（SVD），and theS/N＝0.5is the cut－off point determining whether SVD can be used to process the common midpoint（CMP）data after normal moveout（NMO）or not.Even ifN/Sreaches to 3，it can still be restored by curvelet transform.This gives us an enlightenment that，for high－density single－point data，there is still large potential of identifying more weak signals as long as we use a proper processing technique.

singular value decomposition；curvelet transform；signal to noise ratio；high frequency death line

10.3969/j.issn.0253－3782.2011.06.009

P315.63

A

張軍華，王靜，梁曉騰，劉振，單聯(lián)瑜，石林光，梁鴻賢.2011.單點(diǎn)數(shù)字檢波器地震資料中弱信號(hào)特征分析及識(shí)別方法.地震學(xué)報(bào)，33（6）：788－－799.

Zhang Junhua，Wang Jing，Liang Xiaoteng，Liu Zhen，Shan Lianyu，Shi Linguang，Liang Hongxian.2011.Weak signal characteristics and its identification in high－density single sensor data.ActaSeismologicaSinica，33（6）：788－－799.＊

中石化重大先導(dǎo)項(xiàng)目“超萬道單點(diǎn)高密度數(shù)字地震采集試驗(yàn)與應(yīng)用”（P09072）資助.

2010－09－01收到初稿，2011－07－14決定采用修改稿.

e－mail：zjh＿upc＠163.com