反射系数的估计.docx

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
反射系数的估计

反射系数的估计刘次华(华中理工大学数学系)摘要:考虑具有衰减因子的广义褶积模型:y(n)=g(tn)+x(n)+v(n);x(n)=w(n)3r(n)(n=1,2,,N),利用小波平滑与格点滤波的方法给出反射系数r(n)的一种估计,并讨论了该估计的收敛性.关键词:广义褶积模型;反射系数;小波平滑;格点滤波中图分类号:O212.1;O211.64文献标识码:A文章编号:100028616(2000)0820081204σ2,地震子波在地下传播的过程中,在不同的地层界面产生反射,因此反射系数是反映地层岩性、推断贮油(气)地层结构的重要依据,如何有效地从地震记录中获取地层反射系数,是至关重要的.对此,人们已取得了一定成果[1~3].值得注意的是,由于大地吸收,地震子波在地下传播过程中,其能量不断衰减,从而影响反褶积的效果.传统的能量补偿法,由于补偿因子过于简单,也影响反射系数的估计精度.因此,如何从能量衰减的地震记录中有效地提取反射系数,是一个非常重要的理论和实际课题.本研究利用小波光滑和格点滤波的方法,给出了一种反射系数的估计,并讨论了该估计的收敛性.j=0,j≠0;r0,Er(n)r(n-j)=Ev(n)r(j)=0,Πn,j,式(1)~(3)就是广义褶积模型的基本形式.(3)衰减函数g(·)的估计2为了给出衰减函数g(·)的小波估计,先给出有关的概念和记号.定义1Schwarz空间Sq:q次连续可微的函数空间,在无穷远处迅速递降.即若f∈Sq,则存在Cpk0,使得f(k)(t)-p≤C1-|t|pk(),q,p∈Z,t∈R).(k=0,1,1广义褶积模型设刻度函数Φ∈S,且相伴的多解分析为q,Vm的再生核为Vm设地震记录为y(n)=g(tn)mmmEm(t,s)=2E0(2t,2s)+x(n)+v(n);(1)=2m∑Φ(2mt-k)Φ(2ms-k),x(n)=w(n)3r(n)(n=1,2,,N),k∈Z中的衰减函数g(·)的小波估计为(2)式中,g(·)为[0,1]上的Borel可测函数,称为衰减函数;v(n)为观测误差;w(n)是长度为l的地震子波;r(n)是反射系数.当v(n)与r(n)是相互独立的零均值平稳随机序列时,式(1)和(2)表示广义褶积模型的一般形式,其反褶积只有在知道有关地震子波与噪声一些特征下才能得则式(1)N=∑y(n)∫Em(t,s)ds,(4)^g(t)Ann=1式中A=[s,s]是[0,1]的分割,且t∈A.nn-1nnn为了讨论小波估计的收敛性,先给出收敛性所需要的基本假设.Φ(A1)∈S;q到[3].实际中,人们通常假设互独立的白噪声序列,即v(n)与r(n)是相g∈L1(R)且g在[0,1]上连续;当N→∞时,m→∞,N2-2N→∞,(A2)(A3)σ2v,j=0,j≠0;Ev(n)v(n-j)=-1)(1≤n≤Nmaxsn-)=O(N.sn-10,收稿日期:1999212202.作者简介:刘次华(19492),男,副教授;武汉,华中理工大学数学系(430074).基金项目:国家攀登计划资助项目(PD9521908).华中理工大学学报2000年82对于模型(1)~(3)中g(t)的小波估计式(4),有如下结论:定理1在条件(A1)~(A3)成立下,有N∑ej(n)bj(n-1)-^Kj+1=n=1NN∑εj(n)θj(n-∑bj(n-1)bj(n-1)-1)^g(t)→g(t)m.s.n=1n=1N∑θj(n-1)θj(n-1)(13),3反射系数r(n)的估计n=1此时的反射系数估计仍由式(12)给出,并且有定理2在模型(5),(6)中,用^Kj=1代替式(11)中的Kj+1,则由式(7)~(11)递推得到的反射系数的估计^r(n)=ej(n)与反射系数r(n)在相差一个常数因子下是相容估计.记^y(n)=y(n)-^g(t)=Ny(n)-∑y(n)∫Em(t,s)ds.Ann=1考虑如下褶积模型^y(n)=x(n)+v(n);收敛性证明4(5),N),(6)x(n)=w(n)3r(n)(n=1,2,为了讨论估计式(12)的收敛性,先给出若干引理[4].引理1设Φ∈Sq,则式中,v(n)和r(n)是满足式(3)的相互独立的白噪声序列.对褶积模型式(5)和(6),采用带噪声的格点滤波的方法估计信号x(n)的偏相关系数,其递推网络见图1,图中的第j步递推公式为1a.∫Et,sds→1对t∈[0,1]一致成立,m()0m→∞;1m≥1∫0Em(t,s)|ds∞;b.sup|1c.∫0|Em(t,s)|I{|t-s|}ds→0ε对t∈[0,1]一致成立,Πε0,m→∞;d.sup|Em(t,s)|=O(2m).s证明参见文献[4]引理2设Φ∈Sq,f∈L1(R)且f在[0,1]-1上连续,max

文档评论(0)

153****9595 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档