宾川主动源发射站自2012年建成以来,积累了长期的观测资料,在探测地壳浅部结构和波速变化方面开展了应用探索(王伟涛等,2017),取得了多方面的研究成果。如张云鹏等(2017)对2011年以来云南宾川地震信号发射台的所有流动观测数据进行整理,构建了统一的数据库; 蒋生淼等(2017)提出了一种利用信号记录中噪声特征的主动源数据筛选方法RMS方法,服务于气枪数据的自动化处理; 陈佳等(2017)利用主动源信号对云龙M_S5.0地震前后波速变化特征进行了对比研究; 叶泵等(2017)利用主动源数据对宾川地区的地壳的各向异性进行了研究; 向涯等(2017)将气枪主动源信号与天然地震信号的传播特征进行了对比研究。这些都为主动源的探测研究奠定了较好的研究基础(王彬等,2015)。这种探测技术手段的革新对监测地球介质波速的时空变化,研究区域地层构造及地震的孕育过程意义重大(杨微,2014)。

地震活动与活动构造密切相关,包含了丰富的构造信息(杨润海等,2014)。在利用气枪主动源技术进行区域尺度地球内部介质结构及其变化的探测中(胡久鹏等,2018),介质波速的精细化计算依赖于地震信号信噪比和分辨率(陈蒙等,2013)。地震信号从震源激发、传播到最后被检波器接收的过程中会受到噪声的干扰,在低信噪比(SNR)情况下,甚至会被噪声掩盖(刘自凤等,2015)。由于地球介质极其复杂,地震波在地球内部传播时会不断散射和衰减(陈颙等,2017),导致有效信号基本湮灭于干扰信号之中(邓攻等,2015); 人们生产生活产生的各种干扰导致噪声水平增加,采集数据时会导致地震信号信噪比下降,分辨率降低。

如何能从低信噪比的地震信号中提取有效信号是所有处理的前提。滤波是常用去噪手段之一,传统的滤波方法都是基于全局的频率域滤波方法,因此难以分析信号的局部特性(李玲俐等,2012)。经过不断的发展和改进,通过增加窗函数可以实现信号的局部分析,如短时傅里叶变换,小波变换,Gabor变换(Garbor,1946),Wigner-Ville时频分析等(郑成龙,王宝善,2015),但当有效信号与干扰信号频带没有差别时,传统的频率域滤波方法达不到理想的效果。

S变换是一种对非平稳信号进行时频分析的有效方法,它能将一维时域信号映射成时频面上的二维信号(陈学华,贺振华,2005)。Zheng等(2018)将该方法应用到安徽长江流域气枪信号的处理中,取得了很好的效果。由于S变换具有其独特的多尺度聚焦性,可直接与Fouirer谱联系,保持频率的绝对相位(刘喜武等,2006a),且其基本变换函数无须满足容许性等条件(Stocwell et al,1996),即变换的核函数的时频窗随着频率的变化来调节其时长与频宽(武国宁等,2011)。但S变换中窗函数形态固定,导致其在应用中受到一定的限制,Mansinhan等(1997)给出非对称窗口的GST以改进S变换,并用于分析 Wolf太阳黑子序列和地震数据。S变换时频分析方法应用比较广泛,如Q值估计方法(刘国昌等,2011)利用S变换分析地震信号的振幅谱,并结合整形正则化方法对信号频谱比做光滑处理,以此来估计Q值; 刘喜武等(2006b)提出基于S变换的能量衰减分析方法,用于油气检测以及指示油气层厚度分布的研究。本文利用S变换时频域滤波方法对主动源资料进行弱信号增强处理,并通过与其它处理方法对比来验证它的适用性。

气枪震源的优势是多方面的,重复性强是其中重要的一个特点。根据王宝善等(2016)研究结果可知,同一台站不同时间得到的波形的相似性往往能达到0.99,相似性极高,因此进行不同

图4 原始二维地震信号(a)及加噪信号(b)
Fig.4 Original 2-D signal(a)and add random signal to it(b)

图5 加噪信号经S变换时频域滤波后信号(a)及滤波处理前后互相关对比分析(b)
Fig.5 Denoising signal is transfromed by S-transfrom time-frequency filtering(a)and cross correlation analysis before and after filtering processing(b)

时间的数据叠加能在一定程度上提高信号信噪比。

为了进一步验证S变换时频域滤波方法的实用性,对同一台站不同时间的数据进行叠加提高信噪比,但当信号的整体信噪比极低时,叠加信号也并不能满足震相识别及走时精确计算等处理要求,因此要对叠加信号做进一步的滤波处理。本文采用S变换时频域滤波设计模板滤波,取宾川主动源高兴台(5325)的数据进行3 501次信号叠加,如图6a所示。从图中可见,有效信号分布在2～15 s,再对叠加信号进行时频域转换,如图6b所示。在图6b的基础上进行时频域阈值控制,需要选取合适的滤波因子λ,这里取λ=0.05,得到滤波模板如图6c所示。从图中可以看到,信噪比明显提高,可以清晰识别P波和S波的震相,时间精度提高,并且可识别2倍S波的时间出现的尾波。

本文重点选取高兴台(53251)不同时间的有效信号(图7a)进行处理。高兴台东邻宾川,距离宾川气枪震源发射站约27 km,由于距离相对较远,其地震信号的信噪比较低。

图6 创建滤波模板
Fig.6 Creating filter templates

图7 不同滤波方法对原始数据处理前后效果对比
Fig.7 Comparison of effects before and after processing the raw data by different filtering methods

首先对原始信号进行频率域滤波处理,见图7b。从图中可以看到,部分有效信号也被去除,信噪比依然很低,改善效果不明显。再通过S变换时频域滤波进行处理见图7c。通过对比发现一些明显的线性干扰被去除,同相轴的连续性增强,地震信号信噪比提高。对两种方法处理前后进行互相关分析,如图8所示。从图中可以看到,经S变换时频域滤波处理后信号的互相关系数明显增高。有效信号被明显增强,频带较宽、地质特征明显、波阻抗易于追踪、地震剖面的信噪比被明显加强,处理效果表明S变换时频域滤波方法优于频率域滤波方法。

通过S变换时频域滤波处理之后,发现依然存在一些互相关系数在0.6以下的信号,这是由于一些信噪比较低的信号的随机噪声较大所导致。

图8 两种方法处理前后互相关对比分析
Fig.8 Comparison of cross correlation analysis before and after processing by two methods

气枪主动源探测的最终目的是为了探测地球介质波速的时空变化,这种精细的波速变化计算需要地震信号满足高信噪比和高互相关系数,其中信号滤波是把弱有效信号增强的关键技术。在地震波走时变化的监测中,走时计算是根据2个台站的波形互相关来计算时延估计。如果信号的信噪比不满足要求就会导致时延误差变大,最终影响波速的计算。因此提高信号信噪比是进行走时变化监测的关键点之一。

本文针对主动源探测中部分资料信噪比较低的情况,利用S变换时频域滤波进行处理。主要步骤为选取部分信号信噪比高的接收信号进行叠加,得到信噪比较高的信号滤波模板,并以此滤波模板对原始数据进行批处理。通过一维、二维数据进行模拟计算,数据处理结果显示:S变换时频域滤波方法在主动源资料处理中能够提高地震资料信噪比,压制线性及非线性等干扰,处理效果明显好于频率域滤波。

在模拟信号中,即使模拟信号的信噪比为-10 dB,有效信号也完全湮灭于随机噪声中,通过S变换时频域滤波依然能够达到很好的滤波效果,并且信噪比最低的信号经处理后其互相关系数达到0.98以上。在模拟信号中加入随机信号,能够对随机信号进行有效识别。

在实际的信号处理中,用两种方法对主动源信号进行处理,处理结果表明S变换时频域滤波方法优于一般的频率域滤波方法。对信号进行S变换时频域滤波之后,我们发现依然有一些相关系数较小的信号存在,这是由于信号本身的信噪比较低,包含的随机噪声较大所导致。这说明该方法对信噪比较低的信号的处理还是有一定的局限性。