[论文解读] Time-Frequency Representation of Microseismic Signals using the Synchrosqueezing Transform

Roberto Henry Herrera, Jean Baptiste Tary+1 more|arXiv (Cornell University)|Jan 7, 2013

Seismic Imaging and Inversion Techniques参考文献 6被引用 13

一句话总结

本文提出同步挤压变换（SST）用于微地震信号的高分辨率时频分析，克服了STFT和小波变换在解析紧密间隔及时变瞬时频率方面的局限性。SST通过将连续小波变换系数重新分配至集中化的时频分量，实现更锐利的频谱分辨率，从而在合成与真实噪声微地震数据中精确追踪共振频率。

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.

研究动机与目标

• 解决传统时频方法（如STFT和小波变换）在分析具有重叠或快速变化频率分量的微地震信号时存在的低频谱分辨率问题。
• 提升微地震数据中共振频率的识别能力，这些频率对于理解压裂实验和CO2管理过程中的地下变形至关重要。
• 展示同步挤压变换（SST）在解析合成与真实微地震信号中紧密间隔和幅值调制频率分量方面的有效性。
• 验证SST在高幅值噪声环境下的高时频分辨率保持能力，这是野外微地震记录中的常见问题。
• 通过展示SST能够以高精度提取瞬时频率，确立其作为地震信号处理稳健工具的地位，支持对震源机制和储层行为的更好解释。

提出的方法

• 将微地震信号建模为时变谐波分量之和：$ s(t) = \sum_{k=1}^{K} A_k(t)\cos(\theta_k(t)) + \eta(t) $，其中 $ A_k(t) $ 为瞬时振幅，$ f_k(t) = \frac{1}{2\pi} \frac{d}{dt}\theta_k(t) $ 为瞬时频率。
• 应用连续小波变换（CWT）计算 $ W_s(a,b) = \frac{1}{\sqrt{a}} \int s(t) \psi^*\left(\frac{t-b}{a}\right) dt $，采用复母小波以捕捉相位与频率信息。
• 在 $ W_s(a,b) \neq 0 $ 的每个点计算瞬时频率 $ \omega_s(a,b) = \frac{-j}{W_s(a,b)} \frac{\partial W_s(a,b)}{\partial b} $，实现在时-尺度平面上的频率追踪。
• 通过重分配执行同步挤压：将CWT系数从时-尺度平面映射至时-频率平面，公式为 $ 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 $，使能量集中于真实频率。
• 采用中心频率与带宽比为50的bump小波，并使用64个尺度离散化，以确保稳定且高分辨率的时频表示。
• 将SST结果与使用2秒汉宁窗和50%重叠的STFT进行比较，作为分辨率与抗噪能力的基线参考。

实验结果

研究问题

• RQ1 同步挤压变换（SST）是否能比STFT和小波变换更有效地解析微地震信号中紧密间隔且时变的瞬时频率？
• RQ2 在典型真实微地震数据中常见的高幅值噪声条件下，SST在识别共振频率方面的表现如何？
• RQ3 SST在多大程度上能够区分STFT表示中因模糊而难以分辨的重叠谱分量（如18 Hz与31 Hz线）？
• RQ4 SST能否准确追踪合成信号中平滑与突变的频率调制，如10 Hz与33 Hz分量的时变频率？
• RQ5 对于具有复杂动态频率内容的真实微地震数据，SST是否提供比STFT更精确、更详细的时频表示？

主要发现

• SST成功解析了所有四个合成分量，包括瞬时频率在10 Hz至33 Hz之间变化的幅值调制信号，其结果与理论值近乎完美对齐。
• 在合成示例中，SST的时频表示显著优于STFT，消除了在6秒处因重叠分量导致的模糊效应。
• 在真实微地震数据中，SST清晰地勾勒出18 Hz、31 Hz、35 Hz和52 Hz的共振频率，其分辨率明显优于STFT，尤其能有效区分18 Hz线与邻近分量。
• SST检测到约90秒时31 Hz分量从31 Hz骤降至27 Hz，而STFT因频率分辨率有限，几乎无法察觉此变化。
• 尽管存在高幅值噪声，SST仍保持稳定且集中的谱分量，揭示了STFT中被掩盖的频率变化与瞬态事件。
• SST的高时间分辨率与窗长无关，因其不依赖固定长度窗，从而可精确追踪随时间变化的瞬时频率。