基于经验模态分解字典的自适应匹配追踪谱分解方法及其在油气检测中的应用
2021-10-23印兴耀
潘 辉 印兴耀* 李 坤 裴 松
(①中国石油大学(华东)地球科学与技术学院,山东青岛266580;②青岛海洋科学与技术国家实验室海洋矿产资源评价与探测技术功能实验室,山东青岛266071)
0 引言
经验模态分解(EMD)是由Huang等[1]提出的一种自适应处理非线性和非平稳信号的方法。EMD将随机信号分解为固有模式信号,赋予瞬时频率合理的物理含义和计算方法,创立了以瞬时频率表征信号变化的基本属性[2]。随着图像处理技术的发展,EMD在图像处理领域取得了巨大成功,如图像去噪、检测、增强等[3-5],但在地震勘探领域应用较少。
近年来,匹配追踪(Matching Pursuit,MP)算法广泛用于地震勘探领域,如检测低频阴影、提取瞬时谱、稀疏反演、去强反射等[6-10],其中谱分解技术可全频带扫描地震数据,获得特定频率下描述目标层地质特征的数据体,普遍用于岩性识别及烃类检测[11-12]。传统的谱分解技术(如短时傅里叶变换、小波变换和S变换等)可以有效地分析非平稳信号,但存在物理意义不明确、时频谱精度不高等问题。Mallat等[13]提出的MP算法根据信号的局部结构特征构造超完备字典原子库,并将信号扩展到一组适应不同时频特征的原子上,最后用有限个原子稀疏表示原始信号,实现信号的自适应分解。Liu等[14-15]推出了动态快速MP算法的概念,将信号的瞬时属性引入MP中,在每次迭代中,信号的瞬时属性变化引起参与内积的时频原子的变化,进而提高了信号的分解速率。张繁昌等[16-17]充分利用地震信号的瞬时属性确定时频原子动态参数的扫描范围,最终采用阻尼最小二乘法确定各个匹配小波的复振幅,进一步减少了扫描参数,计算效率提高了数百倍,但获得的瞬时频率稳定性较差且存在负值。……
