Orientador: Renato da Rocha Lopes

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação

Resumo: Nesta dissertação, nós discutimos o cálculo de funções de coerência de alta resolução para a estimação dos parâmetros de empilhamento em processamento de sinais sísmicos. Nosso foco é o algoritmo de estimação por Classificação de Sinais Múltiplos (MUSIC, do inglês MUltiple SIgnal...

Resumo: Nesta dissertação, nós discutimos o cálculo de funções de coerência de alta resolução para a estimação dos parâmetros de empilhamento em processamento de sinais sísmicos. Nosso foco é o algoritmo de estimação por Classificação de Sinais Múltiplos (MUSIC, do inglês MUltiple SIgnal Classification). Este pode superar a tradicional função de coerência semblance em casos em que há reflexões próximas ou interferentes. Nossa principal contribuição é a proposta de diversas simplificações para sua implementação. Primeiro, mostramos como obter os valores da função MUSIC a partir do subespaço de sinais do dado sísmico, que possui dimensão menor do que o subespaço de ruído, usualmente empregado. Depois disso, mostramos como obter o subespaço de sinais a partir do método da potência. Chamamos esta técnica de MUSIC com Método da Potência (PM-MUSIC). Também propusemos uma nova maneira de obtenção do espectro de MUSIC, baseada na decomposição em autovalores e autovetores da matriz de correlação temporal do dado sísmico. Este método contrasta com os algoritmos presentes na literatura, que se baseiam na correlação espacial. A partir do uso do Método da Potência, obtivemos reduções de complexidade tanto para a variante espacial quanto para a temporal do algoritmo MUSIC. Finalmente, também propusemos uma nova função de normalização para o cálculo de MUSIC, a qual chamamos de ponderação por semblance. Esta função leva em conta o espectro de velocidades obtido com a função de coerência semblance e lida com a alta variação dinâmica produzida pelo espectro de velocidades calculado com MUSIC. Nós comparamos a implementação de PM-MUSIC, a partir das correlações temporal e espacial. Exemplos numéricos com dados sísmicos sintéticos e de levantamentos reais demonstraram que o algoritmo PM-MUSIC supera o semblance e que sua variante temporal possui alta resolução, assim como sua variante espacial. Além disso, PM-MUSIC obtido a partir da correlação temporal mostrou-se extremamente robusto ao lidar com sinais correlacionados

Abstract: In this dissertation we discuss high-resolution coherence functions for the estimation of the stacking parameters in seismic signal processing. We focus on the MUltiple SIgnal Classification (MUSIC) algorithm, which uses the eigendecomposition of the seismic data to measure the coherence....

Abstract: In this dissertation we discuss high-resolution coherence functions for the estimation of the stacking parameters in seismic signal processing. We focus on the MUltiple SIgnal Classification (MUSIC) algorithm, which uses the eigendecomposition of the seismic data to measure the coherence. MUSIC can outperform the traditional semblance in cases of close or interfering reflections. Our main contribution is to propose several simplifications to the implementation of MUSIC. First, we show how to compute MUSIC coherence measure in terms of the signal subspace of seismic data, which has lower dimension than the one currently used, the noise subspace. After that, we show how to obtain the signal subspace, iteratively, with the power method. We called this technique of Power Method MUSIC (PM-MUSIC). We also propose a new way to obtain the MUSIC spectrum, based on the eigendecomposition of the temporal correlation matrix of the seismic data. This is in contrast to the algorithms in the literature, which are based on the spatial correlation. Complexity reductions are obtained and discussed with the use of Power Method for both spatial and temporal variant of MUSIC. Finally, we propose a new normalization function for MUSIC, which we called semblance weighting. This function takes into account semblance coefficient and deals with high dynamic range in MUSIC velocity spectrum. We compared spatial and temporal correlation matrices, implemented with PM-MUSIC. Numerical examples with synthetic and real seismic data indicated that PM-MUSIC outperforms semblance and that the temporal variant of PM-MUSIC can present the same high-resolution as its spatial counterpart. Moreover, temporal PM-MUSIC is particularly useful when dealing with correlated signals