An improved predictive deconvolution based on maximization of non-Gaussianity  

一种改进的基于非高斯性最大化的预测反褶积算法(英文)

作　　者：刘军[1] 陆文 

机构地区：[1]清华大学自动化系智能技术与系统国家重点实验室,北京100084

出　　处：《Applied Geophysics》2008年第3期189-196,共8页应用地球物理（英文版）

基　　金：National 863 Foundation of China(No.2006AA09A102-10);National Natural Science Foundation of China(No.40874056);NCET Fund

摘　　要：The predictive deconvolution algorithm （PD）, which is based on second-order statistics, assumes that the primaries and the multiples are implicitly orthogonal. However, the seismic data usually do not satisfy this assumption in practice. Since the seismic data （primaries and multiples） have a non-Gaussian distribution, in this paper we present an improved predictive deconvolution algorithm （IPD） by maximizing the non-Gaussianity of the recovered primaries. Applications of the IPD method on synthetic and real seismic datasets show that the proposed method obtains promising results.常规的预测反褶积算法(PD)是建立在二阶统计量的基础上,需要假设多次波和一次波是正交的,而实际数据常常不会满足这个假设。本文利用地震信号中的多次波和一次波是非高斯分布的特性,提出一种改进的基于一次波信号的非高斯性最大化的预测反褶积算法。文中将该算法简记为IPD。与常规预测反褶积算法不同的是,该算法并不需要假设多次波和一次波是正交的,仅仅假设多次波和一次波是非高斯分布的。人工合成模型和实际地震资料的处理结果表明,本文提出的基于非高斯性最大化的预测反褶积算法优于常规预测反褶积算法。

关 键 词：Multiple attenuation NON-GAUSSIANITY predictive deconvolution 

分 类 号：P631.44[天文地球—地质矿产勘探]