自适应STFT及其在地震时间行程自动拾取中的应用【附MATLAB代码】

文章来源：微信公众号：EW Frontie

摘要

        在本文中，首先，我们提出的方法来产生高分辨率的短时傅里叶变换，通过计算最佳瞬时窗口长度。其次，利用生成的时频图提取瞬时走时属性，实现地震同相轴走时的自动拾取。对三分量合成信号的数值实验表明了所提出的时频分析方法的高性能。此外，为了展示该方法自动拾取走时的能力，我们将其应用于原始野外数据。

关键词：短时傅立叶变换，瞬时窗长，瞬时走时，地震同相轴拾取。

引言

时频分析是近年来在各种研究和应用中蓬勃发展的，因为实际中遇到的大多数信号都不是平稳的。TF分析能够同时在时域和谱域分析信号，因此能够揭示非平稳信号的全面信息。一些流行的常规TF表示（TFR）包括短时傅立叶变换（STFT）、Wigner-Ville分布（WVD）、小波变换（WT）和S变换（Pei等人，2012）。在理想的情况下，TFR应该只揭示在任何给定时刻发生的信号的频谱信息。因此，TFR的主要目的是提供没有交叉项的更集中的TF能量分布，使得它可以尽可能接近理想的TFR。因此，我们试图通过寻找自适应的瞬时窗口长度来实现集中的TFR。此外，同相轴拾取是地震处理中的重要步骤。它用于静校正、速度分析、地震层析成像、振幅-炮检距分析和地质解释。这种新的地震能量的到达由表征地下各层的一个或多个属性的值的不连续性表示（Saragiotis等人，2013）。这里我们指的是地震记录的几条道上的一组排列，它表明新的地震能量的到来。为此，我们利用自适应STFT分析。

主要原理

MATLAB部分程序

clc,clearload SignalsTypes.mat Signalss = Signals.S.HypChirps';dt = Signals.S.dt;N = length(s);​[ G, ~, ~, W, H ] = AdaptiveSTFT( s, 'simple');figureimagesc(H)figureimagesc(W)figureimagesc(G) ​figure[ G, CF ] = AdaptiveSTFT( s, 'adaptive', 'pow2', 1 );imagesc(G)figureplot(CF)figure[ G, ~, P, W ] = AdaptiveSTFT( s, 'adaptive', 'pow2', 2 );imagesc(W)figureimagesc(G)figureplot(P)

MATLAB仿真结果