宋維琪，何 可，郭全仕，姜宇東

（1.中國(guó)石油大學(xué)（華東）地球科學(xué)與技術(shù)學(xué)院，山東青島 266580；2.中國(guó)石油化工股份有限公司石油物探技術(shù)研究院，江蘇南京 211103）

微地震信號(hào)具有頻帶寬，動(dòng)態(tài)范圍大，時(shí)空變化劇烈，信噪比低的特點(diǎn)。特別是井中微地震資料，利用三分量檢波器進(jìn)行采集，記錄到的微地震信號(hào)道數(shù)少。另外，由于微地震震源的多樣性，微地震記錄信號(hào)變化復(fù)雜，信噪比低。國(guó)內(nèi)外研究人員在微地震資料處理方面，相繼進(jìn)行了一些方法的研究，取得了一定的成果［1－7］。我們前期進(jìn)行了一些微地震資料處理的方法研究，如卡爾曼濾波、極化濾波、時(shí)頻分析濾波等。隨著微地震技術(shù)應(yīng)用范圍的逐步擴(kuò)大，無(wú)論在事件的識(shí)別還是反演定位方面都提出了新的要求，因此，為了拾取更多的事件和準(zhǔn)確拾取事件的初至，必須對(duì)微地震資料的處理方法進(jìn)行更深入的研究，來(lái)提高微地震資料的信噪比。

微地震信號(hào)的時(shí)空多變性決定了信號(hào)處理方法的多變性［8－9］?；诰S納、卡爾曼濾波理論的濾波方法要求期望輸出的先驗(yàn)信息，但是實(shí)際微地震信號(hào)由于變化的多樣性，很難統(tǒng)計(jì)求證一個(gè)固定的期望輸出，因此這些濾波方法在實(shí)際應(yīng)用中受到了一定的限制，資料的處理效果不盡人意。自適應(yīng)濾波自動(dòng)調(diào)節(jié)和更新期望輸出，并通過(guò)多次迭代最后獲得最佳的期望輸出估計(jì)，克服了這種限制。但是，自適應(yīng)濾波方法本身也具有很多限定條件［10］，如收斂條件、穩(wěn)定條件等都是在假定數(shù)據(jù)變量是統(tǒng)計(jì)獨(dú)立條件下得出的。而實(shí)際的微地震信號(hào)由于噪聲等因素的干擾，信號(hào)不可能是獨(dú)立的。因此，以往的自適應(yīng)濾波方法實(shí)際應(yīng)用效果不理想。針對(duì)存在的這些問(wèn)題，研究了改進(jìn)的自適應(yīng)濾波方法，通過(guò)實(shí)際資料的處理結(jié)果分析，證明改善后的方法較以往方法對(duì)噪聲具有更大的耐受性，算法更穩(wěn)定，實(shí)際應(yīng)用效果更明顯。

1 自適應(yīng)估計(jì)［11－12］

設(shè)線性組合器的M個(gè)輸入為x（n－1），…，x（n－M），其輸入是這些輸入加權(quán)后的線性組合，即

定義權(quán)向量W＝［w1，w2，…，wM］T，且

令d（n）表示“所期望的響應(yīng)”，并定義誤差信號(hào)：

（3）式寫(xiě)成向量形式為

誤差平方為

（5）式兩邊取數(shù)學(xué)期望后，得到均方誤差：

程乾生等提出了在這些先驗(yàn)統(tǒng)計(jì)知識(shí)未知時(shí)求W的近似值方法，即LMS算法［13］。這種算法的根據(jù)是最優(yōu)化方法中的最速下降法。根據(jù)最速下降法，“下一時(shí)刻”權(quán)系數(shù)向量W（n＋1）應(yīng)該等于“現(xiàn)時(shí)刻”權(quán)系數(shù)向量W（n）加上一個(gè)負(fù)均方誤差梯度（－Δ（n））的比例項(xiàng)，最終近似算法為

（7）式雖然簡(jiǎn)單，但卻是高度非線性的。再加上變量的隨機(jī)性，所以分析基于最小二乘（LMS）的自適應(yīng)方法的收斂性十分困難，許多結(jié)論都是在一定的假定條件下得出的。如獨(dú)立性假定，即要求輸入的矢量x1，x2，…，xn之間統(tǒng)計(jì)獨(dú)立，第N時(shí)刻的輸入矢量與期望響應(yīng)統(tǒng)計(jì)獨(dú)立。在獨(dú)立性假定條件下，隨著迭代次數(shù)的增加，權(quán)矢量收斂到最佳。信號(hào)估計(jì)向著期望方向進(jìn)行，最后收斂到最佳期望方向。實(shí)際信號(hào)一般很難滿足以上條件，即便是純粹的最小相位信號(hào)，也不是嚴(yán)格獨(dú)立的。實(shí)際的微地震信號(hào)，疊加了各種干擾，記錄信號(hào)各個(gè)采樣點(diǎn)數(shù)據(jù)不可能是獨(dú)立的。因此對(duì)于實(shí)際的微地震信號(hào)，直接應(yīng)用上述方法進(jìn)行濾波是不全面的。

2 改進(jìn)的自適應(yīng)濾波方法

2.1 方法改進(jìn)的理論分析

使算法收斂，首先要使輸入變量獨(dú)立。一般處理方法是，對(duì)信號(hào)數(shù)據(jù)進(jìn)行正交化處理。信號(hào)的任何處理都要改變其固有特性［14－15］，對(duì)于信噪比較低的信號(hào)尤其如此。信號(hào)處理的目的是在最大限度地保留有效信號(hào)的條件下壓制噪聲。一般信號(hào)是最小相位信號(hào)、最大相位信號(hào)和混合相位信號(hào)中的一種或其組合。如果設(shè)計(jì)一種算法，隨著迭代次數(shù)的增加，信號(hào)逐漸向獨(dú)立正交方向演化，同時(shí)收斂方向又向著期望方向進(jìn)行。這種既使算法向收斂方向進(jìn)行，又壓制噪聲的思想是改進(jìn)的自適應(yīng)濾波方法的理論基礎(chǔ)。

2.2 約束條件

信號(hào)統(tǒng)計(jì)獨(dú)立的數(shù)學(xué)描述為

對(duì)于實(shí)際的有用微地震信號(hào)不是完全正交獨(dú)立的，如果隨著迭代次數(shù)的增加，E［X］→min，則是我們?cè)O(shè)計(jì)的初衷。就是說(shuō)，在算法設(shè)計(jì)中，考慮約束條件，通過(guò)這種約束條件，使迭代方法向著期望收斂方向進(jìn)行。這種約束條件是，在迭代過(guò)程中，下一次預(yù)測(cè)矢量的數(shù)學(xué)期望，要小于上一次的數(shù)學(xué)期望。即

這只是對(duì)期望估計(jì)的信號(hào)而言，同時(shí)還要求：

如果預(yù)測(cè)變量獨(dú)立，原來(lái)算法設(shè)計(jì)中已經(jīng)暗含

其中，

2.3 權(quán)系數(shù)調(diào)節(jié)

為了使迭代更新的權(quán)系數(shù)向著更有利逼近估計(jì)期望信號(hào)的方面進(jìn)行，對(duì)權(quán)系數(shù)進(jìn)行調(diào)節(jié)校正計(jì)算。

為了使得計(jì)算過(guò)程穩(wěn)定，首先對(duì)權(quán)系數(shù)進(jìn)行歸一化。對(duì)歸一化的權(quán)系數(shù)再進(jìn)行調(diào)節(jié)，權(quán)系數(shù)的離差為

用離差對(duì)權(quán)系數(shù)進(jìn)行歸一化：

其中，W D（j）為調(diào)節(jié)后的權(quán)系數(shù)。

2.4 誤差函數(shù)擬合

基于LMS自適應(yīng)濾波方法的估計(jì)是瞬時(shí)變量估計(jì)，因此算法是隨機(jī)梯度搜索方法。由于梯度的隨機(jī)性，估計(jì)誤差矢量和權(quán)矢量也是隨機(jī)的，因此估計(jì)誤差矢量和權(quán)矢量也是嚴(yán)重震蕩的。這自然加大了算法的不穩(wěn)定性［16－17］，同時(shí)帶來(lái)估計(jì)結(jié)果的不穩(wěn)定。改進(jìn)的方法是：對(duì)一個(gè)循環(huán)迭代誤差和權(quán)系數(shù)，利用曲線擬合的方法進(jìn)行擬合，將擬合結(jié)果再代入原來(lái)的公式中進(jìn)行下一個(gè)循環(huán)的計(jì)算。這樣既減小了誤差的劇烈震蕩，又能使算法結(jié)果向著穩(wěn)定的期望方向進(jìn)行。

2.5 窗口長(zhǎng)度的確定

要取得好的信號(hào)處理效果，除了需要考慮設(shè)計(jì)方法，窗口的選取也是必須要考慮的問(wèn)題。固定長(zhǎng)度窗口雖然方便簡(jiǎn)單，但是，對(duì)于微地震資料每道和每道不同時(shí)間段的信號(hào)變化特征不同，必須設(shè)計(jì)變化長(zhǎng)度窗口，避免由于窗口固定而不能進(jìn)行最佳估計(jì)的問(wèn)題。

窗口長(zhǎng)度理論上取有效信號(hào)的延續(xù)長(zhǎng)度，即一個(gè)子波的波長(zhǎng)。實(shí)際上，信號(hào)子波的末端能量較低，已小于噪聲能量，這時(shí)如果再取一個(gè)子波長(zhǎng)度，就不能很好地對(duì)有效信號(hào)進(jìn)行估計(jì)，反過(guò)來(lái)如果取得太短，達(dá)不到信號(hào)的統(tǒng)計(jì)期望估計(jì)。對(duì)于不同的微地震事件，其信號(hào)子波的頻帶寬度和衰減程度不同，噪聲水平也不盡相同。因此，選取窗口長(zhǎng)度時(shí)，先對(duì)一個(gè)地區(qū)的實(shí)際信號(hào)大致地試算一個(gè)基本的窗口長(zhǎng)度，然后以這個(gè)基本窗口長(zhǎng)度為中心進(jìn)行擾動(dòng)，擾動(dòng)量通過(guò)算法的最優(yōu)控制條件來(lái)確定，即當(dāng)算法及其與算法相關(guān)的其它參數(shù)條件不變的情況下，算法估計(jì)結(jié)果最佳。

3 改進(jìn)方法模型驗(yàn)證

為了驗(yàn)證本文改進(jìn)方法的有效性，先利用理論模型進(jìn)行試算（圖1）。圖1a為理論合成的三分量微地震記錄；圖1b 為加噪后的理論微地震記錄；圖1c為利用本文方法處理后的結(jié)果。由圖1 可見(jiàn)，經(jīng)過(guò)改進(jìn)的自適應(yīng)估計(jì)濾波方法處理后的記錄干擾信號(hào)消除的效果比較好。

圖1 理論模型處理結(jié)果

4 實(shí)際資料處理效果分析

將改進(jìn)的自適應(yīng)濾波方法應(yīng)用到實(shí)際微地震資料處理中。圖2和圖3分別給出了A 事件和B事件微地震資料采用常規(guī)的自適應(yīng)濾波方法和改進(jìn)的自適應(yīng)濾波方法處理后的結(jié)果。原始數(shù)據(jù)為經(jīng)過(guò)預(yù)處理后的數(shù)據(jù)，一些強(qiáng)噪聲、50 Hz干擾得到了初步壓制（圖2a，圖3a），可以大致地進(jìn)行有效事件識(shí)別，但是大部分噪聲還沒(méi)有去除，影響了低信噪比有效事件的識(shí)別和初至的準(zhǔn)確拾取。圖2b和圖2c分別給出了采用常規(guī)自適應(yīng)濾波方法和改進(jìn)的自適應(yīng)濾波方法對(duì)A 事件預(yù)處理結(jié)果進(jìn)行處理后的結(jié)果；圖3b和圖3c分別給出了采用常規(guī)自適應(yīng)濾波方法和改進(jìn)的自適應(yīng)濾波方法對(duì)B 事件進(jìn)行處理后的結(jié)果。通過(guò)對(duì)比兩個(gè)事件的常規(guī)自適應(yīng)方法處理結(jié)果和改進(jìn)的自適應(yīng)方法處理結(jié)果可見(jiàn)，改進(jìn)的自適應(yīng)濾波方法的結(jié)果首先從穩(wěn)定性方面得到了改善，如圖2b和圖3b中有些道能量變化還是比較劇烈，同相軸顯得不是很清晰，改進(jìn)的自適應(yīng)濾波方法結(jié)果有了明顯的改善，背景噪聲壓制得相對(duì)干凈，同相軸清楚（圖2c，圖3c）。

圖2 A 事件微地震資料處理效果分析

圖3 B事件微地震資料處理效果分析

5 結(jié)束語(yǔ)

在算法設(shè)計(jì)中，改進(jìn)的自適應(yīng)估計(jì)方法首次考慮加入約束條件，把樣本點(diǎn)抽樣的獨(dú)立問(wèn)題，通過(guò)期望特征變化進(jìn)行定量化刻畫(huà)，在算法迭代過(guò)程中，對(duì)期望變化加一約束，使迭代方法向著期望收斂方向進(jìn)行，這樣避免了算法在迭代過(guò)程中的發(fā)散問(wèn)題。同樣，為了使迭代更新的權(quán)系數(shù)向著更有利逼近估計(jì)期望信號(hào)的方面進(jìn)行，對(duì)權(quán)系數(shù)進(jìn)行調(diào)節(jié)校正計(jì)算。解決了迭代過(guò)程中權(quán)系數(shù)的過(guò)度放大和縮小問(wèn)題。誤差和權(quán)系數(shù)由原來(lái)的自身迭代結(jié)果取值，改為通過(guò)曲線擬合的方法對(duì)迭代結(jié)果擬合后再取值。這樣減小了由于誤差劇烈震蕩造成的估計(jì)結(jié)果的震蕩。通過(guò)上述幾方面的改進(jìn)，形成了相對(duì)有效和實(shí)用的微地震自適應(yīng)處理方法，改進(jìn)的自適應(yīng)濾波方法較以往方法對(duì)噪聲具有更大的耐受性。理論模型和實(shí)際資料處理結(jié)果證明了改進(jìn)的自適應(yīng)濾波方法較常規(guī)方法在噪聲的壓制和有用信號(hào)的提取方面具有更強(qiáng)的功效。當(dāng)然，自適應(yīng)方法是在最小二乘估計(jì)理論基礎(chǔ)上改進(jìn)的，是一種近似誤差估計(jì)方法，對(duì)于干擾嚴(yán)重的不連續(xù)信號(hào)的估計(jì)問(wèn)題，結(jié)合嶺回歸或貝葉斯估計(jì)，效果會(huì)更好。

［1］Maxwell S C，Urbancic T I.The role of passive microseismic monitoring in the instrumented oil field［J］.The Leading Edge，2001，20（6）：636－639

［2］Sleeman R，Eck T V.Robust automatic P－phase picking：an on－line implementation in the analysis of broadband seismogram recording［J］.Physics Earth Planet Interiors，1999，113（3）：617－643

［3］Leonard M，Kennett B L N.Multi－component autoregressive techniques for the analysis of seismograms［J］.Physics Earth Planet Interiors，1999，113（1）：247－264

［4］Baziw E，Jones I W.Application of Kalman filtering techniques for microseismic event detection［J］.Pure and Applied Feophysics，2002，159（4）：449－471

［5］張山，劉清林，趙群，等.微地震監(jiān)測(cè)技術(shù)在油田開(kāi)發(fā)中的應(yīng)用［J］.石油物探，2002，41（2）：226－231 Zhang S，Liu Q L，Zhao Q，et al.Application of microseismic monitoring technology in development of oil field［J］.Geophysical Prospecting for Petroleum，2002，41（2）：226－231

［6］左國(guó)平，王彥春，隋榮亮.利用能量比法拾取地震初至的一種改進(jìn)方法［J］.石油物探，2004，43（4）：345－347 Zuo G P，Wang Y C，Sui R L.An improved method for first arrival pickup using energy ratio［J］.Geophysical Prospecting for Petroleum，2004，43（4）：345－347

［7］宋維琪，呂世超.基于小波分解與Akaike信息準(zhǔn)則的微地震初至拾取方法［J］.石油物探，2011，50（1）：14－21 Song W Q，Lv S C.Automatic detection method of microseismic event based on wavelet decomposition and Akaike information criteria［J］.Geophysical Prospecting for Petroleum，2011，50（1）：14－21

［8］Moriya H，Niitsuma H.Precise detection of a Pwave in low S／N signal by using time－frequency representations of a triaxial hodogram［J］.Geophysics，1996，61（5）：1453－1466

［9］Lummerow J.Using the value of the crosscorrelation coefficient to locate microseismic events［J］.Geophysics，2010，75（4）：MA47－MA52

［10］Menke W，Lerner－Lam A，Dubendroff B，et al.Polarization and coherence of 5－30 Hz seismic wave field at a hard rock site and their relevance to velocity heterogeneities on the crust［J］.Bulletin of the Seimological Society of America，1990，80（2）：430－449

［11］宋維琪，孫英杰，朱衛(wèi)星.微地震資料頻域相干—時(shí)間域偏振濾波方法［J］.石油地球物理勘探，2008，43（2）：161－167 Song W Q，Sun Y J，Zhu W X.Micro seismic coherence in frequency domain，time domain polarization filtering method［J］.Oil Geophysical Prospecting，2008，43（2）：161－167

［12］Volker O，Michael R.A new processing package for microseismic monitoring of hydrocarbon reservoirs［J］.Expanded Abstracts of 71stAnnual Internat SEG Mtg，2001，1233－1239

［13］程乾生，周小波.自適應(yīng)預(yù)測(cè)法在去噪聲中的應(yīng)用［J］.電子學(xué)報(bào)，1999，27（8）：9－12 Cheng Q S，Zhou X B.Adaptive prediction method for noise attenuation［J］.Chinese Journal of Electronics，1999，27（8）：9－12

［14］黃中玉，高林，徐亦鳴，等.三分量數(shù)據(jù)的偏振分析及其應(yīng)用［J］.石油物探，1996，35（2）：9－16 Huang Z Y，Gao L，Xu Y M，et al.Polarization analysis and application of three component data［J］.Geophysical Prospecting for Petroleum，1996，35（2）：9－16

［15］Jeffrey P.Multitaper spectral analysis of high－frequency seismogram［J］.Journal of Geophysical Research，1987，92（2）：1267－1268

［16］Zhi J，F(xiàn)oulger D G R，Mao W J.Noise reduction for broad－band，three－component seismograms using data－adaptive polarization filters［J］.Geophysical Journal International，2000，141（3）：820－828

［17］Samson J C，Olson J V.Data－adaptive polarization filters for multichannel geophysical data［J］.Geophysics，1981，46（10）：1423－1431