简介：阵列声波信号是典型的非线性、非平稳信号，Hilbert～Huang变换（HHT）是处理非平稳信号的一种比较新的时频分析方法。通过对信号进行经验模态分解（EMD）和对瞬时频率的求解，可以获得声波信号的时一频谱。其关键技术就是进行经验模态分解，任何非平稳的信号都可以分解为有限数目并且具有一定物理意义的固有模态函数。EMD方法可以理解为以声波信号极值特征尺度为度量的时频滤波过程。滤波器充分保留了声波信号本身的非线性和非平稳特征，在声波信号的滤波和去噪中具有很大的优势。文中介绍了HHT时频滤波的实现过程，并列举了一些声波测井波列实例，说明了该方法的有效性。

简介：阵列声波信号是典型的非线性、非平稳信号,Hilbert-Huang变换(HHT)是处理非平稳信号的一种比较新的时频分析方法。通过对信号进行经验模态分解(EMD)和对瞬时频率的求解,可以获得声波信号的时-频谱。其关键技术就是进行经验模态分解,任何非平稳的信号都可以分解为有限数目并且具有一定物理意义的固有模态函数。EMD方法可以理解为以声波信号极值特征尺度为度量的时频滤波过程。滤波器充分保留了声波信号本身的非线性和非平稳特征,在声波信号的滤波和去噪中具有很大的优势。文中介绍了HHT时频滤波的实现过程,并列举了一些声波测井波列实例,说明了该方法的有效性。

简介：被动源地震数据包含丰富的低频信息,本文有效地提取并利用这些信息对缺失低频的主动源地震数据进行低频重构,提出了基于多正弦窗的被动源多窗谱重构方法,并给出了相应的多震源多道重构公式。与常规互相关法和常规反褶积法重构的被动源记录相比,该方法能重构出更为准确的相对振幅信息。通过分析被动源数据重构前后的频谱特性,发现被动源的低频特性在重构和去噪处理后能更明显的体现出来。并提出了一种用被动源数据重构主动源低频信息的方法,即在功率谱上进行匹配,并在频域进行补偿和平滑。最后进行了数值算例的验证,对低频重构后的数据进行了叠前深度偏移处理。能量匹配方法能够用被动源的低频信息有效地重构主动源缺失的低频信息,低频重构后的记录在偏移成像中能体现更多的细节信息和深部构造。