Orientador: Renato da Rocha Lopes

Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação

Resumo: Neste trabalho consideramos técnicas de processamento de sinais que têm como objetivo aumentar a resolução de imagens da subsuperfície geradas com dados sísmicos. Uma das técnicas consideradas é a deconvolução unidimensional, que tem como finalidade eliminar distorções causadas pelas...

Resumo: Neste trabalho consideramos técnicas de processamento de sinais que têm como objetivo aumentar a resolução de imagens da subsuperfície geradas com dados sísmicos. Uma das técnicas consideradas é a deconvolução unidimensional, que tem como finalidade eliminar distorções causadas pelas limitações em banda de frequência da fonte sísmica, bem como pela absorção de componentes e distorções de fase ocorridas durante a propagação da onda sísmica. Nesta tese, analisamos tanto métodos chamados supervisionados, em que estão disponíveis medidas adicionais às medidas sísmicas, que podem guiar o processo de deconvolução, quanto os métodos não supervisionados, em que apenas as medidas sísmicas são consideradas. Em particular, tratamos dos métodos de filtragem de Wiener e mínimos quadrados para os métodos supervisionados. Nos métodos não supervisionados, discutimos as hipóteses para o funcionamento dos métodos envolvendo as estatísticas referentes à refletividade de subsuperfície e do espectro de fase do pulso sísmico. Em particular, analisamos principalmente uso do filtro de erro de predição, que utiliza estatísticas de segunda ordem (SOS) e requer um pulso de fase mínima, e mostramos nossa contribuição sobre um método que utiliza estatísticas de ordem superior (HOS) chamado de "banded independent component analysis" (B-ICA) e que não exige que o pulso seja de fase mínima. Por fim, realizamos um estudo de caso envolvendo dados obtidos em um poço e dados sísmicos com fim de ilustrar nossa análise. Na deconvolução bidimensional são tratadas, além das distorções pela fonte sísmica consideradas na abordagem unidimensional, distorções causadas pela geometria de aquisição de dados e de variações de velocidade de propagação sísmica causadas por complexidades geológicas. Tais distorções podem ser quantificadas em imagens sísmicas obtidas pela técnica de imageamento chamada migração em profundidade pré-empilhamento (PSDM) por meio de uma relação de convolução bidimensional entre a refletividade da subsuperfície e uma função de resolução. Sob hipóteses adequadas, a função de resolução pode ser modelada como uma função de espalhamento pontual (PSF) e a deconvolução bidimensional, portanto, consiste em atenuar o efeito dessas PSFs. Neste trabalho revisamos os aspectos básicos desta modelagem e da estimação das PSFs, bem como do processo de imageamento, e mostramos a nossa contribuição para a deconvolução bidimensional por meio de um método de filtragem inversa

Abstract: In this work, we consider signal processing techniques that aim to improve the resolution of images of the subsurface of the Earth generated from seismic data. One such technique is uni-dimensional deconvolution, which aims to eliminate distortions caused by limitations in the seismic...

Abstract: In this work, we consider signal processing techniques that aim to improve the resolution of images of the subsurface of the Earth generated from seismic data. One such technique is uni-dimensional deconvolution, which aims to eliminate distortions caused by limitations in the seismic source frequency band, as well as distorting effects caused by frequency components absorption and phase changes during seismic propagation. We analyze both supervised methods, in which reference signals are used in addition to the seismic measurements to determine the decovolution filter, as well as unsupervised methods, in which only the seismic measurements are used. Particularly, we analyze Wiener filtering and least squares methods on the supervised case. As for the unsupervised algorithms, we discuss the hypotheses that underlie these methods, which are based on the statistics of the reflectivity of the subsurface and the phase spectrum of the wavelet pulse. We analyze especially the use of the prediction error filter, which uses second order statistics (SOS) and requires a minimum phase wavelet, and we show our contribution on a method that uses higher order statistics (HOS) called banded independent component analysis (B-ICA), which does not requires that the wavelet be minimum phase. We also present a case study using log data measured in a borehole and seismic data in order to illustrate our analysis. In bidimensional deconvolution, we consider, besides the seismic source distortions considered in the 1D approach, distortions in seismic imaging caused by the acquisition geometry and velocity model complexity associated with the geological structure of the subsurface. These distortions can be quantified in seismic images created through the technique called prestack depth migration (PSDM) using a 2D convolution model between the reflectivity of the subsurface and the so-called resolution function. Under appropriate hypotheses, the resolution function can be seen as a point spread function (PSF). Thus, the objective of 2D deconvolution is to attenuate the effect of these PSFs. In this work, we review the basic aspects of the 2D convolutional model and PSF estimation, as well as the imaging process, and we show our contribution on 2D deconvolution using an inverse filtering approach