论文部分内容阅读
本文利用信号处理中的新工具-高阶统计量方法进行地震资料的处理。多年来，由于缺乏分析工具，在地震信号处理中人们一直假设地震子波是最小相位的，地层反射系数是高斯噪声，并使用基于二阶统计量的预测反褶积、脉冲反褶积等方法进行子波估计与反褶积，但是这样的假设往往与实际不完全吻合的。高斯分布只是许多分布类型中的一种。对非线性系统而言，即使输入是高斯信号，其输出却为非高斯信号，因此，非高斯信号是更普遍的信号。对非高斯信号来说，二阶统计量只是其中一部分信息，它不包含相位信息，因此，对非最小相位系统的辨识而言，二阶统计量变显得无能为力。在地震资料处理过程中，我们常常面临大量非高斯、非最小相位、非因果、非平稳信号的处理问题，利用高阶统计量便是解决这些问题的主要手段。高阶统计量给我们提供了前所未有的十分丰富的信息，使我们可以辨识非因果、非最小相位、非线性系统；可以抑制高斯或非高斯的有色噪声；可以提取不同于高斯信号的多种信号特征：可以分析与处理循环平稳信号等等。
基于高阶统计量的混合相位地震子波估计方法，假设地层反射系数序列是服从非高斯分布的统计独立的随机过程而不是高斯白噪声分布，因此更加符合实际情况。
本文利用高阶统计量包含信号的相位信息特性，并基于信号的四阶累积量及其四阶谱，提出一种地震信号的非最小相位子波的估计方法。首先提取出子波幅值及相位信息，进而通过傅立叶反变换，使子波得以完全恢复，提高了地震子波估计的稳定性，仿真实验和实际资料结果表明：该方法能够准确、方便地提取理想的混合相位子波。