[发明专利]一种基于匹配追踪的Wigner高阶谱地震信号谱分解方法

说明书

技术领域

本发明属于非平稳信号时频分析及地震信号处理领域，具体涉及一种基于匹配追踪的Wigner高阶谱地震信号谱分解方法。

背景技术

谱分解是一种地震信号解释技术，它将地震数据分解到时频域，由此揭示出时频域中包含有用的含油气信息。多项研究都证明了该方法在储层解释和预测方面的实用性，例如进行储层厚度估计，地层解释以及流体识别等。传统的谱分解方法，如短时傅里叶变换，它通过引入窗函数来计算信号的时频分布，故而其时频分辨率被相应的窗函数所限制，不能满足高精度地震勘探对精细储层预测的要求。Ville(1948)将Wigner分布(1932)引入了信号处理领域，提出著名的Wigner-Ville分布(Wigner-VilleDistribution，WVD)，它在时频平面上直接定义能量密度，不需要受分辨率的限制。业已普遍承认，没有任何一种时频联合分布的时频分辨率能出其右，然而在实际应用中，该变换的二次性产生了干扰，即WVD的交叉项问题。

在众多谱分解方法中，由Mallat和Zhang(1993)提出的匹配追踪(Matchingpursuit，MP)算法具有很高的时频分辨率，得到了广泛的应用。MP是一种灵活的自适应信号分解方法，它结合信号的先验信息构造合适的冗余字典，将信号在该字典上分解，自适应地得到最能够匹配信号实际结构的分解表达式。同时，由于字典中的原子具有很好的时频聚集性，将其与信号的WVD相结合，一方面可以利用WVD的最佳时频分辨率提高MP时频谱的分辨率，另一方面可以解决WVD的交叉项问题。

Chakraboty和Okaya(1995)首先将MP算法引入地震信号谱分解中，取得了良好的效果，自此，MP被广泛地应用于地震信号低频阴影检测，时频属性提取等。但MP是一个密集计算过程，计算效率低，并且其结果依赖于字典的构建。Liu等(2004，2005)引入Morlet小波和Ricker子波来构建字典，并将复数道分析加入地震信号的MP分解中，提出利用Morlet小波的动态MP，提高了MP的效率。Wang(2007)给出了完整的基于复数域动态最优搜索的MP分解方法，并导出一种快速计算表达式。此后，该方法被广泛应用于地震信号时频分析中，并得到了一定程度的发展和改进。张繁昌等(2010，2013)提出了利用动态子波库的双参数和单参数扫描算法，使算法效率得到大幅度提高。黄捍东等(2012)在Morlet小波中引入能量衰减因子，改进了算法灵活性和重构精度。Zhao等(2012)提出将字典扩展为Ricker子波、Morlet小波和多相位地震子波的集合，表明多成分字典更能够有效地反映地震信号中包含的信息。

随着信号处理技术的发展，信号高阶统计量具有一些重要的性质，使得人们对信号高阶统计量的研究逐渐重视起来，许多学者从高阶统计量的角度来讨论WVD，即高阶统计量与WVD相结合的一种产物——Wigner高阶谱时频分布。Gerr(1988)首先提出三阶Wigner分布。Swami(1992)对时变高阶谱的定义、性质及应用作了进一步研究，取得了较大的进展。Wigner高阶谱是WVD在高阶谱域的延伸，既继承了时频分布同时反映信号频谱成分和时间之间关系的优点，还引入了高阶谱对高斯噪声的良好抑制能力，同时可以获得时频聚集性更好的时频谱。然而，Wigner高阶谱与WVD一样同样存在交叉干扰项的问题。并且随着阶数的增加，计算量大大提升，因此Wigner高阶谱的计算主要是Wigner双谱和Wigner三谱。

发明内容

本发明提供了一种基于匹配追踪的Wigner高阶谱地震信号谱分解方法，旨在去除Wigner高阶矩谱的交叉项，并获得高时频聚集性的谱分解结果，提高储层预测的精度。具体的技术方案如下所述。

本发明为了解决上述技术问题，采用以下技术方案：

本发明中所述方法是为了克服上述现有技术的缺点，主要针对去除Wigner高阶矩谱的交叉项，并获得高时频聚集性的谱分解结果，提高储层预测的精度的问题，提出了一种基于匹配追踪的Wigner高阶谱地震信号谱分解方法，包括以下步骤：

步骤1：读入地震剖面的q道数据，选定原子类型；

步骤2：设置初始取变量i＝1；

步骤3：读取第i道地震数据x_i(t)，设置匹配追踪分解次数N，将第n次分解的信号记为R_n(t)，用x_i(t)对R₁(t)赋值，即R₁(t)＝x_i(t)，n∈[1,2,…,N]；

步骤4：，设置初始取变量n＝1；