[논문 리뷰] Time-Frequency Representation of Microseismic Signals using the Synchrosqueezing Transform

Roberto Henry Herrera, Jean Baptiste Tary외 1명|arXiv (Cornell University)|2013. 01. 07.

Seismic Imaging and Inversion Techniques참고 문헌 6인용 수 13

한 줄 요약

이 논문은 밀리지질 신호의 고해상도 시간-주파수 분석을 위한 동기화압축변환(SST)을 제안하며, STFT와 웨이블릿 변환의 한계를 극복한다. 특히 밀접하게 배치된 주파수나 시간에 따라 변하는 순간 주파수를 해상도 있게 분리하는 데에 유리하다. SST는 연속 웨이블릿 변환 계수를 농축된 시간-주파수 성분으로 재할당함으로써 더 뚜렷한 스펙트럼 해상도를 달성하여, 합성 및 실제 노이즈 있는 밀리지질 데이터에서 공진 주파수를 정밀하게 추적할 수 있다.

ABSTRACT

Resonance frequencies can provide useful information on the deformation occurring during fracturing experiments or $CO_2$ management, complementary to the microseismic event distribution. An accurate time-frequency representation is of crucial importance prior to interpreting the cause of resonance frequencies during microseismic experiments. The popular methods of Short-Time Fourier Transform (STFT) and wavelet analysis have limitations in representing close frequencies and dealing with fast varying instantaneous frequencies and this is often the nature of microseismic signals. The synchrosqueezing transform (SST) is a promising tool to track these resonant frequencies and provide a detailed time-frequency representation. Here we apply the synchrosqueezing transform to microseismic signals and also show its potential to general seismic signal processing applications.

연구 동기 및 목표

• 밀리지질 신호에서 겹치거나 급격히 변화하는 주파수 성분을 다룰 때 기존의 시간-주파수 방법(예: STFT 및 웨이블릿 변환)에서 나타나는 낮은 스펙트럼 해상도 문제를 해결한다.
• 균열 실험 및 CO2 관리 과정에서의 지하 구조 변형 이해에 핵심적인 역할을 하는 밀리지질 데이터 내 공진 주파수의 식별을 향상시킨다.
• 합성 및 실제 밀리지질 신호에서 서로 가까이 위치한 주파수 성분과 진폭 변조가 있는 주파수 성분을 해상도 있게 분리하는 데에 동기화압축변환(SST)의 효과성을 입증한다.
• 현장에서 흔히 발생하는 고강도 노이즈 조건에서도 SST가 높은 시간-주파수 해상도를 유지할 수 있음을 검증한다.
• SST가 순순한 주파수를 고정밀도로 추출할 수 있음을 통해 지반 신호 처리 도구로서의 강건성을 입증하고, 원천 메커니즘과 저류체 거동 해석에 더 나은 기초를 제공한다.

제안 방법

• 밀리지질 신호를 시간에 따라 변하는 조화 성분의 합으로 모델링: $ s(t) = \sum_{k=1}^{K} A_k(t)\cos(\theta_k(t)) + \eta(t) $, 여기서 $ A_k(t) $는 순순한 진폭이고 $ f_k(t) = \frac{1}{2\pi} \frac{d}{dt}\theta_k(t) $는 순순한 주파수이다.
• 복소 어미 웨이블릿을 사용하여 단위 스케일에서의 위상과 주파수 정보를 캡처하기 위해 연속 웨이블릿 변환(CWT)을 적용: $ W_s(a,b) = \frac{1}{\sqrt{a}} \int s(t) \psi^*\left(\frac{t-b}{a}\right) dt $.
• 각 점에서 $ W_s(a,b) \neq 0 $ 인 경우에 순순한 주파수 $ \omega_s(a,b) = \frac{-j}{W_s(a,b)} \frac{\partial W_s(a,b)}{\partial b} $ 를 계산하여 시간-스케일 평면에서 주파수 추적을 가능하게 한다.
• 실재배치를 통한 동기화압축을 수행: CWT 계수를 시간-스케일 평면에서 시간-주파수 평면으로 매핑함으로써 에너지를 진짜 주파수에 집중시킴. 공식은 $ T_s(\omega_l, b) = \frac{1}{\Delta\omega} \sum_{a_k: |\omega(a_k,b) - \omega_l| \leq \Delta\omega/2} W_s(a_k,b) a_k^{-3/2} \Delta a_k $.
• 안정적이고 고해상도의 시간-주파수 표현을 확보하기 위해 중심 주파수 대역폭 비율이 50인 버블 웨이블릿과 64개의 스케일 이산화를 사용한다.
• 해상도와 노이즈에 대한 강건성을 평가하기 위해 기준 기준선으로서 2초 Hanning 윈도우와 50% 겹침을 사용한 STFT와 SST 결과를 비교한다.

실험 결과

연구 질문

• RQ1 SST는 STFT 및 웨이블릿 변환보다 밀리지질 신호에서 서로 가까이 위치한 주파수 성분과 시간에 따라 변하는 순순한 주파수를 더 효과적으로 분리할 수 있는가?
• RQ2 실제 밀리지질 데이터에서 흔히 발생하는 고강도 노이즈 조건에서 SST는 공진 주파수를 어떻게 식별하는가?
• RQ3 STFT 표현에서 뒤섞여 보이는 18 Hz와 31 Hz 선과 같은 겹치는 스펙트럼 성분을 SST는 어느 정도 정확하게 구분할 수 있는가?
• RQ4 합성 신호에서 시간에 따라 변하는 주파수를 띤 10 Hz와 33 Hz 성분과 같은 부드럽고 급격한 주파수 변조를 SST는 정확하게 추적할 수 있는가?
• RQ5 실제 밀리지질 자료에서 복잡하고 동적인 주파수 성분을 가지는 경우, SST는 STFT보다 더 정확하고 세밀한 시간-주파수 표현을 제공하는가?

주요 결과

• SST는 합성 신호의 네 가지 성분을 모두 성공적으로 분리하였으며, 10 Hz에서 33 Hz로 변화하는 순순한 주파수를 가지는 진폭 변조 신호까지도 이론적 값과 거의 완벽하게 일치시켰다.
• 합성 사례에서 SST는 STFT보다 훨씬 더 뚜렷한 시간-주파수 표현을 확보하였고, 6초 시점에서 겹쳐진 성분을 흐리게 만드는 스메어링 효과를 제거하였다.
• 실제 밀리지질 자료에서 SST는 18 Hz, 31 Hz, 35 Hz, 52 Hz의 공진 주파수를 명확히 구분하였으며, 특히 18 Hz 성분이 인근 성분과 구분되는 데서 STFT보다 뛰어난 해상도를 보였다.
• SST는 약 90초 시점에서 31 Hz 성분이 27 Hz로 급격히 떨어지는 것을 감지하였고, 이 변화는 STFT에서는 해상도가 낮아 거의 확인되지 않았다.
• 고강도 노이즈 조건에서도 SST는 안정적이고 농축된 스펙트럼 성분을 유지하여, STFT 표현에서 가려져 있던 주파수 변화와 일시적 사건을 드러내었다.
• SST는 창 크기에 의존하지 않아도 높은 시간 해상도를 확보할 수 있으며, 고정된 길이의 윈도우에 의존하지 않기 때문에 순순한 주파수 변화를 시간에 따라 정밀하게 추적할 수 있다.