[发明专利]一种基于盲源地震信号平稳叠加模型的盲分离方法

说明书

技术领域

本发明涉及地震勘探技术领域，尤其涉及的是一种基于盲源地震信号平稳叠加模型的盲分离方法。

背景技术

当空间存在多个信号源时，常常需要对这些空间信号进行分离，以便跟踪或检测感兴趣的空间信号，以及那些被认为是干扰的空间信号。为此，需要使用天线阵列对多个空间信号进行接收，对天线阵列接收的空间信号所进行的分析与处理统称为阵列信号处理。在不知道信号源时进行信号的分离技术称为盲源分离技术。

在地震勘探中，随着现代地震勘探目标由构造油藏向小砂体、窄河道、薄互层、微裂缝等隐蔽油藏的转移，储层目标的地震响应能量较弱，往往淹没在背景信息甚至背景噪音之中，波形也常发生畸变。盲源信号分析技术可以将来自不同信号源的混叠信号分解开，在通信、雷达、声纳、地震勘探、射电天文等领域获得了广泛应用与迅速发展。本技术的目的就是发展一套适合于隐蔽油气藏勘探的盲源信号处理方法，以期提高对复杂(噪声)背景中或地震反射差异小的的地质体的识别能力。如何建立描述储层目标信号与背景信号乃至噪声关系的地震模型，进而设计相应的分离技术是研究的难题。

目前尚没有与本发明相近的技术方案。只有解决类似问题所形成的一些信号域计算方法。这些方法主要为借鉴雷达阵列信号处理的空间谱估计方法、神经网络类和独立分量分析类盲源分离方法。这些方法均需要所处理的信号满足一定的数学条件。由于地震波是一种特殊的多源叠加信号，一般不能满足这些数学条件，因而这些方法效果一般，难以达到油气资源勘探的要求。

近20年来，阵列信号处理已成为信号处理的一个重要分支，在通信、雷达、声纳、地震勘探、射电天文等领域获得了广泛应用与迅速发展。阵列信号处理的主要问题包括：波束形成技术——使阵列方向图的主瓣指向所需要的方向；零点形成技术——使天线的零点对准所有的干扰方向；空间谱估计——对空间信号的波达方向的分布进行超分辨估计，能够对多个空间信号进行识别(即分类)。

在多用户通信、天线阵列信号处理等诸多实际应用中，多个源信号在传输过程中因传输信道间的耦合而发生混迭，故接收到的信号是已混合了的数据信号。由于各源信号如何混合不得而知，因此为了恢复它们，就需要根据各源信号的一些统计特性从混合的数据信号中将其分离出来。这样一个信号分离或恢复的过程就称为盲信号分离简称盲分离。上个世纪80年代末以来，如何对天线阵列或者传感器接收的混合信号实现盲分离，一直是信号处理领域的难点和热点，有不少学者虽提出过各种方法试图解决这个问题，但分离效果都不理想。盲信号研究工作的实质性进展是从Linsker发表的论文(1989)和Jutten与Herault提出创造性的H.J递归神经元网络(1991)开始的，用H.J网络解决了两个线性混合源信号的盲分离问题。随后在1994年，Common提出了著名的基于最小互信息的独立分量分析方法；1995年，Bell和Sejnowski提出了基于Linsker的信息最大化准则(Infomax)的最大熵法；Amari(1998)和Cardoso(1996)简化了信息最大化学习规则并且提出了自然梯度的概念。他们的工作极大地推动了盲信号分离的研究。在以后的几年内大量的盲分离有效算法不断被提出，使盲分离理论在应用中得到很大推广。例如，在多用户通信、声纳、阵列及通讯信号处理，在地球物理学，在多传感器监测的生物电信号，以及在图像处理、生物医学工程中，盲信号分离技术都得到了广泛应用。华南理工大学电子与信息学院的李荣华和赵敏对盲信号分离的理论与发展现状研究后认为盲分离问题的研究内容大体上可以划分为瞬时线性混叠盲分离、卷积混叠盲分离，非线性混叠盲分离以及盲分离的应用四部分。当混叠模型为非线性时，很难从混叠数据中恢复源信号，除非对信号和混叠模型有进一步的先验知识。到目前为止，在大多数的研究中，讨论得最多的是瞬时线性混叠盲分离和卷积混叠盲分离。瞬时线性混叠盲分离代表性的算法主要有：Bell-Sejnowski最大信息量(Infomax)方法、Amari自然梯度(NaturalGradient)方法、Cardoso等变化自适应方法(EASI)、Hyvarinen快速独立元分析算法(FastICA)、矩阵特征值分解方法等。其它算法很多都是在这些算法的基础上推广或者补充发展起来的，当然盲分离并不仅仅局限于这些算法。盲分离中经常要用到优化运算，就优化手段而然，Infomax算法、自然梯度算法、和EASI算法属于梯度下降(上升)寻优算法，收敛速度是线性的，速度略慢一些，但属于自适应方法、具有实时在线处理能力；FastICA算法是一种快速而数值稳定的方法，采用拟牛顿算法实现寻优，具有超线性收敛速度，通常收敛速度较梯度下降寻优算法快得多；矩阵特征值分解盲分离方法通过对矩阵进行特征分解或者广义特征分解估计分离矩阵，是一种解析方法，可直接找到闭形式解，没有迭代寻优过程，因此运行速度最快。相比瞬时线性混叠和卷积混叠盲分离，非线性混叠盲分离难度非常大，到目前为止只有少数学者研究了非线性混叠盲分离。Taleb和Jutten研究了独立源信号非线性混叠的可分离性，他们指出一般意义下的非线性混叠盲分离不具备唯一解，其中后非线性混叠具有较好的可分离性，并且针对后非线性混叠盲分离模型提出了盲分离算法。后非线性混叠模型如下：经过人们将近二十年的共同努力，有关盲分离的理论和算法得到了较快发展，包括盲分离问题本身的可解性以及求解原理等方面的基本理论问题在一定程度上部分得到了解决，并提出了一些在分离能力、内存需求、计算速度等方面性能各异的算法。由于该问题的理论研究深度和算法实现难度都较大，目前对于盲分离的研究仍然很不成熟，经常难以满足许多实际应用需求，许多理论问题和算法实现的相应技术也有待于进一步探索。