科研動(dòng)態(tài)
基于平滑?MUSIC 的高分辨率方向性被動(dòng)源面波頻散譜成像方法
中文題目：基于平滑 MUSIC 的高分辨率方向性被動(dòng)源面波頻散譜成像方法
論文題目：High-resolution Directional Passive Surface Waves Dispersion Imaging Based on Smoothing MUSIC
錄用期刊/會(huì)議：IEEE Geoscience and Remote Sensing Letters (中科院大類(lèi)3區(qū))
原文DOI：10.1109/LGRS.2024.3506165
錄用/見(jiàn)刊時(shí)間：2024.11.20
作者列表：
1） 薛亞茹 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 電子系教師
2） 梁 琪 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 碩21
3） 曹靜杰 自然資源部京津冀城市群地下空間智能探測(cè)與裝備重點(diǎn)實(shí)驗(yàn)室
4） 姜 明 鵬城實(shí)驗(yàn)室
5） 馮璐瑜 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 博20
6） 蘇軍利 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 碩21
7） 張 程 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 博24
摘要:
被動(dòng)源面波頻散成像廣泛應(yīng)用于淺地表橫波速度反演中。然而，由于強(qiáng)方向性噪聲源的存在導(dǎo)致頻散譜往往偏離真實(shí)值。傳統(tǒng)的波束形成方法能夠校正頻散譜，但分辨率有限。此外，實(shí)際記錄包含隨機(jī)噪聲，會(huì)進(jìn)一步降低了成像質(zhì)量。為了解決頻散譜成像分辨率較低及抗噪性問(wèn)題，我們基于多重信號(hào)分類(lèi)算法（MUSIC）及陣列空間平滑處理技術(shù)，提出了一種高分辨率的頻散成像方法(SV-MUSIC)。首先，在MUSIC算法中引入速度變量來(lái)識(shí)別環(huán)境噪聲的主導(dǎo)方位，提取稀疏的f-v譜。為進(jìn)一步消除隨機(jī)噪聲的影響，對(duì)整個(gè)陣列進(jìn)行劃分及對(duì)空間相關(guān)矩陣進(jìn)行平滑處理。模擬實(shí)驗(yàn)及現(xiàn)場(chǎng)試驗(yàn)證明了方法的有效性，能夠在隨機(jī)噪聲條件下實(shí)現(xiàn)高分辨率的頻散譜估計(jì)。
背景與動(dòng)機(jī):
近年來(lái)，在淺地表面波成像中，利用環(huán)境背景噪聲（潮汐、微震或交通噪聲）反演地層S波速度的面波方法引起了廣泛的關(guān)注。與主動(dòng)源面波成像方法不同，被動(dòng)源面波成像方法易于部署，對(duì)環(huán)境友好，且能夠提供更寬的低頻信息反演更深層次的地質(zhì)構(gòu)造。該方法通常假設(shè)噪聲源在空間上均勻分布，各方向振幅能量基本一致。然而，這一假設(shè)在實(shí)際環(huán)境中很難滿(mǎn)足，使得經(jīng)驗(yàn)格林函數(shù)出現(xiàn)不對(duì)稱(chēng)和虛假到時(shí)的情況，導(dǎo)致面波頻散譜估計(jì)偏高。近年來(lái)，越來(lái)越多的學(xué)者關(guān)注在非均勻噪聲源分布下提取準(zhǔn)確頻散譜。目前，大多數(shù)方法考慮常規(guī)的波束形成方法對(duì)頻散譜進(jìn)行方位校正，分辨率有限，且未考慮到隨機(jī)噪聲的干擾。
設(shè)計(jì)與實(shí)現(xiàn):
本文提出了一種基于多重信號(hào)分類(lèi)算法（MUSIC）與空間平滑處理技術(shù)的被動(dòng)源面波頻散成像方法，能夠有效提高頻散譜的分辨率，并且克服了基于MUSIC算法的頻散成像方法在噪聲情況下頻散譜質(zhì)量下降的問(wèn)題。
基于常規(guī)的波束形成（傾斜疊加）的頻散成像方法，如下式所示。
基于MUSIC算法頻散成像方法，其大致流程如圖1所示。首先構(gòu)造頻域的空間相關(guān)矩陣（SCM）。
利用特征值分解，在不考慮隨機(jī)噪聲的情況下，根據(jù)特征值大小將SCM劃分為面波信號(hào)子空間和零子空間。其中，面波信號(hào)子空間由第一個(gè)大特征向量構(gòu)造，而零子空間則由其他較小的特征向量構(gòu)造。利用零子空間與導(dǎo)向矢量的正交性，從而獲得高分辨率的頻率-方位-速度譜。
將上述的三維張量沿速度方向進(jìn)行疊加，得到頻率-方位譜。其中，譜峰值處對(duì)應(yīng)的方位作為噪聲源的主導(dǎo)方位。
在頻率-方位-速度譜中沿主導(dǎo)方位切片提取主導(dǎo)方位下的頻率-速度譜，形成最終的頻散譜。
圖1 基于MUSIC算法的頻散成像基本流程
為了提高方法在噪聲環(huán)境下的魯棒性，本文設(shè)計(jì)了一種空間平滑方法來(lái)減輕噪聲的影響。首先，確定優(yōu)勢(shì)方位角。隨后，將L型陣列分解為兩個(gè)垂直的線(xiàn)陣，并選擇與主導(dǎo)方位更對(duì)齊的最優(yōu)線(xiàn)陣，并構(gòu)造相應(yīng)的導(dǎo)向矢量。
將線(xiàn)陣分成若干組，分別計(jì)算每組子陣列的空間相關(guān)矩陣，對(duì)所有子陣的空間相關(guān)矩陣取平均，得平滑后的空間相關(guān)矩陣：
基于空間平滑的MUSIC算法頻散成像方法，其方法流程如圖2所示。
圖2 基于SV-MUSIC方法頻散成像基本流程
實(shí)驗(yàn)結(jié)果及分析:
我們依據(jù)理論的地層模型模擬面波頻散特性，生成不同噪聲源模型下的地震記錄，并對(duì)比不同方法下形成的頻率-方位譜與頻散譜，其相應(yīng)結(jié)果如圖3、4、5所示。
A. 模擬數(shù)據(jù)-單/多主導(dǎo)噪聲源模型
圖3 方向性噪聲源模型及合成記錄
(a)和(b)單主導(dǎo)噪聲模型和合成記錄; (c)和(d)多主導(dǎo)噪聲模型和合成記錄
圖4 頻率-方位譜
(a)和(b)單主導(dǎo)噪聲模型下的傾斜疊加與MUSIC方法下的結(jié)果;
(c)和(d)多主導(dǎo)噪聲模型下的結(jié)果; (e)是在8Hz下從(c)和(d)中提取的方位譜對(duì)比
圖5 方向性噪聲模型下的頻散譜
(a)-(c)為傾斜疊加、MUSIC和SV-MUSIC形成的單主導(dǎo)噪聲模型;
(d)-(f)分別為多主導(dǎo)噪聲模型下的結(jié)果
為了進(jìn)一步證明本文方法的有效性，我們將其應(yīng)用于實(shí)際數(shù)據(jù)，試驗(yàn)地點(diǎn)及觀(guān)測(cè)系統(tǒng)如圖6（a）和圖6（b）所示。圖7為檢波器所接收到的地震記錄。圖8和圖9為實(shí)際數(shù)據(jù)下采用常規(guī)波束形成、傳統(tǒng)MUSIC及SV-MUSIC方法得到的頻率-方位譜與頻散譜。
B. 實(shí)際數(shù)據(jù)
圖6 現(xiàn)場(chǎng)試驗(yàn)
(a) 試驗(yàn)場(chǎng)地衛(wèi)星圖像; (b)觀(guān)測(cè)系統(tǒng)和震源分布情況
圖7 實(shí)際地震數(shù)據(jù)
(a) 單個(gè)檢波器記錄; (b) 含有強(qiáng)方向噪聲源的地震記錄
圖8 頻率-方位譜
(a) 傾斜疊加法; (b) 基于MUSIC方法
圖9 實(shí)際數(shù)據(jù)下的頻散譜
(a) 傾斜疊加結(jié)果; (b) MUSIC結(jié)果; (c) SV-MUSIC結(jié)果
結(jié)論:
本文提出了基于空間平滑的SV-MUSIC被動(dòng)源面波頻散譜成像方法，該方法結(jié)合了MUSIC算法的高分辨率和常規(guī)波束形成方法的魯棒性?xún)?yōu)點(diǎn)。通過(guò)合成數(shù)據(jù)驗(yàn)證了該方法的可行性，能夠在不同的噪聲模型下保持良好的性能；通過(guò)試驗(yàn)數(shù)據(jù)表明，該方法不僅能獲得準(zhǔn)確高分辨的頻散譜，且有效地抑制隨機(jī)噪聲的干擾。
作者簡(jiǎn)介:
薛亞茹，副教授，博士生導(dǎo)師/碩士生導(dǎo)師。主要從事信號(hào)處理、圖像處理、人工智能、地球物理反演等方面研究。