[发明专利]用于地震应用的参量FK技术

权利要求书

1.一种绘制高分辩率地震图的方法，其特征在于，包括以下步骤：

从一维传感器阵列获取被输入计算机的待处理地震图的待处理地震数据；

对该地震数据应用时间傅里叶变换以产生经傅里叶变换的数据；

基于参量算法对经傅里叶变换的数据应用空间波数估计；

从参量算法生成高分辨率一维fk谱图数据；和

用高分辨率fk谱图数据绘制高分辩率地震图。

2.根据权利要求1的方法，其中，参量算法为多重信号特征算法。

3.根据权利要求1的方法，其中，参量算法为最小偏差算法，本征向量算法，最大似然算法，皮萨恩科算法，自回归移动平均算法，自回归算法或移动平均算法，或最大熵算法。

4.根据权利要求1的方法，其中，应用空间波数估计包括选择在一个频率周围的频率范围，产生空间谱图相关矩阵，将空间谱图相关矩阵分解成噪声和信号子空间，并且其中，参量算法为多重信号特征算法，最小偏差算法，本征向量算法，最大似然算法，皮萨恩科算法，自回归移动平均算法，自回归算法或移动平均算法，或最大熵算法。

5.根据权利要求1的方法，其中，将地震数据作为M×L的矩阵馈送到参量算法中，其中，M为一维阵列中信号的数量，L为每传感器采样数。

6.一种绘制高分辩率地震图的方法，其特征在于，包括以下步骤：

从二维传感器阵列获取被输入计算机的待处理地震图的待处理地震数据；

对该地震数据应用时间傅里叶变换以产生经傅里叶变换的数据；

基于参量算法对经傅里叶变换的数据应用空间波数估计；

从参量算法生成高分辨率二维fk谱图数据；和

用高分辨率fk谱图数据绘制高分辩率地震图。

7.根据权利要求6的方法，其中，参量算法为多重信号特征算法。

8.根据权利要求6的方法，其中，参量算法为最小偏差算法，本征向量算法，最大似然算法，皮萨恩科算法，自回归移动平均算法，自回归算法或移动平均算法，或最大熵算法。

9.根据权利要求6的方法，其中，应用空间波数估计包括选择在一个频率周围的频率范围，产生空间谱图相关矩阵，将空间谱图相关矩阵分解成噪声和信号子空间，并且其中，参量算法为多重信号特征算法，最小偏差算法，本征向量算法，最大似然算法，皮萨恩科算法，自回归移动平均算法，自回归算法或移动平均算法，或最大熵算法。

10.根据权利要求6的方法，所述高分辩率地震图为fkk谱图二维图像。

11.根据权利要求6的方法，其中，将地震数据作为MN×L的矩阵馈送到参量算法中，其中，MN为二维阵列中信号的数量，L为每传感器采样数。

12.根据权利要求6的方法，其中，所生成的波数谱图对于每个频率范围为二维fkk谱图。

13.一种绘制高分辩率地震图的方法，其特征在于，包括以下步骤：

从三维传感器阵列获取被输入计算机的待处理地震图的待处理地震数据；

对该地震数据应用时间傅里叶变换以产生经傅里叶变换的数据；

基于参量算法对经傅里叶变换的数据应用空间波数估计；

从参量算法生成高分辨率三维fk谱图数据；和

用高分辨率fk谱图数据绘制高分辩率地震图。

14.根据权利要求13的方法，其中，参量算法为多重信号特征算法。

15.根据权利要求13的方法，其中，参量算法为最小偏差算法，本征向量算法，最大似然算法，皮萨恩科算法，自回归移动平均算法，自回归算法或移动平均算法，或最大熵算法。

16.根据权利要求13的方法，其中，应用空间波数估计包括选择在一个频率周围的频率范围，产生空间谱图相关矩阵，将空间谱图相关矩阵分解成噪声和信号子空间，并且其中，参量算法为多重信号特征算法，最小偏差算法，本征向量算法，最大似然算法，皮萨恩科算法，自回归移动平均算法，自回归算法或移动平均算法，或最大熵算法。

17.根据权利要求13的方法，所述高分辩率地震图为fkk谱图三维图像。