تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,502 |
تعداد مشاهده مقاله | 124,118,924 |
تعداد دریافت فایل اصل مقاله | 97,225,056 |
تبدیل S با تمرکز انرژی بیشینه و کاربرد آن برای آشکارسازی نواحی گازدار و سایههای کم-بسامد | ||
فیزیک زمین و فضا | ||
مقاله 5، دوره 41، شماره 3، مهر 1394، صفحه 403-412 اصل مقاله (1.06 M) | ||
شناسه دیجیتال (DOI): 10.22059/jesphys.2015.53700 | ||
نویسندگان | ||
محمد رداد* 1؛ علی غلامی2؛ حمیدرضا سیاه کوهی3 | ||
1دانشجوی دکتری لرزهشناسی، گروه فیزیک زمین، مؤسسة ژئوفیزیک، دانشگاه تهران، ایران | ||
2دانشیار، گروه فیزیک زمین، مؤسسة ژئوفیزیک، دانشگاه تهران، ایران | ||
3استاد، گروه فیزیک زمین، مؤسسة ژئوفیزیک، دانشگاه تهران، ایران | ||
چکیده | ||
انحراف استاندارد پنجرههای گوسی مورد استفاده در تبدیل S برای هر مؤلفة بسامدی بهصورت وارون بسامد تعریف میشود. در این مقاله الگوریتمی پیشنهاد میشود که برای هر مؤلفة بسامدی، انحراف استاندارد پنجرة گوسی مورد استفاده در تبدیل S به وسیلة یک فرایند بهینهسازی و از طریق استفاده از یک معیار تمرکز انرژی به صورتی پیدا شود که نقشة زمان- بسامد حاصل، بیشترین تمرکز انرژی را داشته باشد. آزمایش روی یک سیگنال ناپایا، برتری عملکرد روش پیشنهادی را در مقایسه با روشهای STFT و SST به لحاظ کیفی و کمّی نشان میدهد. همچنین در این مقاله تعدادی نشانگر طیفی محلی از تحلیل زمان- بسامد مجموعهای دادة لرزهای مربوط به یک مخزن گازی در ایران استخراج و از آنها در آشکارسازی نواحی گازدار و سایههای کم- بسامد استفاده میشود. نشان داده میشود که نشانگرهای بهدستآمده از روش زمان- بسامد پیشنهادی در این مقاله تفکیکپذیری و تمرکز انرژی بیشتری در مقایسه با نشانگرهای حاصل از تبدیل S دارند و بنابراین با روش پیشنهادی، تعبیر و تفسیر نواحی گازدار و سایههای کم-بسامد با دقت بیشتری انجام میگیرد. | ||
کلیدواژهها | ||
بهینهسازی؛ تبدیل S؛ تحلیل زمان- بسامد؛ تمرکز انرژی؛ مخزن گازی؛ نشانگر | ||
مراجع | ||
Boashash, B., 1991, Time-frequency signal analysis in advances in spectrum analysis and array processing, Prentice Hall, Englewood Cliffs, NJ.
Castagna, J. P., Sun, S. and Seigfried, R. W., 2003, Instantaneous spectral analysis: Detection of low-frequency shadows associated with hydrocarbons, The Leading Edge, 22, 120–127.
Chopra, S. and Marfurt, K. J., 2005, Seismic attributes-A historical perspectives, Geophysics, 70, 3SO-28SO.
Djurovic, I., Sejdic, E. and Jiang, J., 2008, Frequency-based window width optimization for S-transform, Int. J. Elect. Commun., 62, 245–250.
Gabor, D., 1946, Theory of communication: J. Inst. Elect. Eng., 93, 429–457.
Gholami, A., 2013, Sparse time-frequency decomposition and some applications, IEEE Transactions on Geoscience and Remote Sensing, 51, 3598–3604.
Hart, B. S., 2008, Channel detection in 3-D seismic data using sweetness, AAPG Bulletin, 92, 733-742.
Herrera, R. H., Han, J. and van der Baan, M., 2014, Applications of the synchrosqueezing transform in seismic time-frequency analysis, Geophysics, 79, V55–V64.
Hurley, N. and Rickard, S., 2009, Comparing measures of sparsity, IEEE Transactions on Information Theory, 55, 4723–4741.
Jones, D. and Baraniuk, G., 1994, A simple scheme for adapting time-frequency representation, IEEE Transactions on Signal Processing, 42, 3530–3535.
Jones, D. and Parks, T., 1990, A high resolution data-adaptive time-frequency representation: IEEE Transactions on Acoustics, Speech and Signal Processing, 38, 2127–2135.
Liu, G., Fomel, S. and Chen, X., 2011, Time-frequency analysis of seismic data using local attributes, Geophysics, 76, P23–P34.
Mallat, S., 1999, A wavelet tour of signal processing, 2 ed., Academic Press, San Diego, California.
Marfurt, K. J. and Kirlin, R. L., 2001, Narrow-band spectral analysis and thin-bed tuning, Geophysics 66, 1274–1283.
McFadden, P. D., Cook, J. G. and Forster, L. M., 1999, Decomposition of gear vibration signals by the generalized S-transform, Mechanical Systems and Signal Processing, 13, 691–707.
Perz, M., 2001, Coals and their confounding effects, CSEG Recorder, 26, 34–53.
Pinnegar, R. C. and Mansinha, L., 2003, The S-transform with windows of arbitrary and varying shape, Geophysics, 68, 381–385.
Rankine, L., Stevenson, N., Mesbah, M. and Boashash, B., 2005, A quantitative comparison of non-parametric time-frequency representations, 13th European Signal Processing Conference (EUSIPCO2005), Antalya, Turkey.
Riedel, M., Collett, T. S., Kumar, P., Sathe, A. V. and Cook, A., 2010, Seismic imaging of a fractured gas hydrate system in the Krishnae-Godavari Basin offshore India, Marine and Petroleum Geology, 27, 1476-1493.
Rutherford, S. R. and Williams, R. H., 1989, Amplitude-versus-offset variations in gas sands, Geophysics, 54, 680–688.
Sahu, S. S., Panda, G. and George, N. V., 2009, An Improved S-Transform for Time-Frequency Analysis, IEEE International Advance Computing Conference, Patiala, India.
Sinha, S., Routh, P. S., Anno, P. D. and Castagna, J. P., 2005, Spectral decomposition of seismic data with continuous-wavelet transform, Geophysics, 70, P19–P25.
Stockwell, R. G., Mansinha, L. and Lowe, R., 1996, Localization of the complex spectrum: The S-transform, IEEE Transactions on Signal Processing, 44, 998–1001.
Stockwell, R. G., 2007, Why use the S-Transform?, AMS Pseudo differential operators: partial differential equations and time-frequency analysis, 52, 279-309.
Stankovic, L., 2001. A measure of some time-frequency distributions concentration, Signal Processing, 81, 212–223.
Van der Baan, M., Fomel, S. and Perz, M., 2010, Non-stationary phase estimation: A tool for seismic interpretation?, The Leading Edge, 29, 1020–1026.
Wu, X. and Liu, T., 2009, Spectral decomposition of seismic data with reassigned smoothed pseudo Wigner-Ville distribution, Journal of Applied Geophysics, 68, 386–393.
Xue, Y. J., Cao, J. X. and Tian, R. F., 2013, A comparative study on hydrocarbon detection using three EMD-based time-frequency analysis methods, Journal of Applied Geophysics, 89, 0926–9851. | ||
آمار تعداد مشاهده مقاله: 2,626 تعداد دریافت فایل اصل مقاله: 1,282 |