1

fundamentos
 tipos de ganancia se discuten en la Sección 1.5. La ganancia es una escala variante en

1.1 INTRODUCCIÓN el tiempo en el que la función de escala comúnmente se deriva de los datos. Ganancia
menudo se aplica a los datos sísmicos con fines de exhibición. Otro ejemplo de
aplicación de ganancia es la corrección para la divergencia de frente de onda, que se
realiza temprano en el procesamiento. (Wavefront divergencia es la disminución de la
La transformada de Fourier es un elemento fundamental ingrediente de
amplitud de un frente de onda debido a geométrico propagación de las ondas sísmicas.)
análisis de datos sísmicos. lt aplica a casi todas las etapas de procesamiento.
Un ejemplo adicional de ganancia es el control automático de ganancia (AGC). que
Una serie de tiempo dado, tal como una traza sísmica, puede ser única y
mostrará zonas de reflexión débiles en los datos sísmicos. Sin embargo. Una ganancia
completamente descrita como una suma de un número de sinusoides. cada
de tipo AGC puede destruir el carácter de la señal y debe, por tanto. Considerarse con
uno con una amplitud único pico, frecuencia y un desfase de fase (alineación
precaución.
relativa). Este proceso se logra mediante la transformada directa de Fourier.
A la inversa. la traza sísmica se puede sintetizar dado los componentes de
frecuencia individuales. Este proceso se logra mediante la transformada
inversa de Fourier. Un breve tratado matemático de la transformada de
El (2-D) de Fourier bidimensional transformar (Sección 1.6) es una manera de
Fourier se da en el Apéndice A.
descomponer un campo de onda sísmica. tal como un disparo común se reúnen,
en sus componentes de onda plana, cada uno con una cierta frecuencia de
propagación en un cierto ángulo respecto a la vertical. Por lo tanto.
el 2-D de Fourier
algoritmos de procesamiento de datos sísmicos a menudo pueden ser descritos o
transformar puede describir procesos como la migración y la frecuencia-número
aplicadas más simplemente en el dominio de la frecuencia que en el dominio del tiempo.
de ondas (/ - £) filtración. Una común
En la Sección 1.2. la unidimensional (1-
aplicación de filtrado de fk es el rechazo de ruido coherente mediante filtración por inmersión.
D) transformada de Fourier se introduce y se discuten algunas
Este procedimiento se ilustra mediante ejemplos de datos de campo.
propiedades básicas de series de tiempo en los dos dominios de tiempo y
frecuencia. muchos de el procesamiento
técnicas (single-o multi-canal) implican un operando (traza sísmica) y un
operador (filtro). Una sencilla aplicación del análisis de Fourier es en el diseño
de filtros de frecuencia zerophase. típicamente en la forma de filtrado de paso
1,2 de Fourier 1-D TRANSFORMADA
de banda.

En la Sección 1.3, 40common-sho! T frunces que se registraron en

Considere el siguiente experimento. Mantenga un resorte en un extremo y
diferentes partes del mundo con diferentes tipos de fuentes e instrumentos
adjuntar un peso en el otro extremo. Tire del peso hacia abajo una cierta
de grabación se examinan (Yilmaz y Cumro. 1983). se introducen varios
cantidad, digamos 0,8 unidades de distancia. Soltar el peso. Supongamos que
tipos de energía sísmica; a saber. reflexiones. refracciones, ruido
el resorte es elástico: 1.e., 1 rebota hacia arriba y hacia abajo hasta el infinito.
coherente como múltiplos. ondas guiadas. sidescattered energía y el
Establecer el tiempo a cero en el inicio del movimiento. El desplazamiento del
rodillo suelo. y ruido aleatorio ambiente.
peso como una función del tiempo debe variar entre las amplitudes de pico
(+0,8, -0,8). Si tuviera un dispositivo que podría trazar la amplitud del
desplazamiento como una función de tiempo, se produciría una curva
sinusoidal como se muestra en la Figura 1-1 (estructura 1). Medir el intervalo
En la Sección 1.4. un resumen de la secuencia básica de procesamiento de datos
de tiempo entre dos picos consecutivos: a encontrar que es 0.080 s (80 ms).
se presenta con ejemplos de datos de campo. Hay tres etapas primarias de
Este intervalo de tiempo se denomina período de la primavera y que depende
procesamiento de datos sísmicos: cada uno está dirigido a mejorar la resolución
de la constante del resorte, una medida de stifiness primavera. Decimos que la
sísmica. (Resolución sísmica se refiere a la capacidad de separar dos eventos que
primavera ha completado un ciclo de movimiento en un solo período de tiempo.
están muy cerca juntos).
Contar el número de ciclos dentro de un segundo. Esto debería ser de 12,5
ciclos, que se llama la frecuencia asociada con el movimiento del resorte. Un
ciclo por segundo (cps) es una hertz (Hz). Tenga en cuenta que 1 / 0.080 s =
1. deconvolución se lleva a cabo a lo largo del eje de tiempo para aumentar la
12,5 Hz: es decir. la frecuencia es la inversa del periodo.
resolución temporal mediante la compresión de la wavelet sísmica básica a
aproximadamente un pico y la supresión de trenes de ondas reverberantes.

2. Apilamiento comprime la dimensión offset, así

reducir el volumen de datos sísmicos al plano de la relación de cero
Para continuar, repetir el experimento anterior utilizando un resorte con una
offsetseismicsectionandincreasingthesignal a ruido (S / N).
stifíness superior. Dar el segundo muelle una amplitud de desplazamiento
máximo de 0,4 unidades. El movimiento de la primavera se traza como otra
sinusoide en la figura 1-1 (marco
3. Migración comúnmente se realiza en la sección de apilado (que se supone que es
2). El período y la frecuencia de la primavera son 0,040 s y 25 Hz, respectivamente.
la sección de compensación de cero) para aumentar la resolución lateral por el
Para seguir la pista de estas mediciones, representar gráficamente la amplitud de pico
colapso de difracciones y moviendo eventos de inmersión a sus posiciones
de cada muelle como una función de la frecuencia. Estos son los espectros de
verdaderas del subsuelo.
amplitud se muestra en la Figura 1-1.

Secundario processesareimplementedatcertainstagesto
condicionar los datos y mejorar el rendimiento de deconvolución, apilamiento,
Trabajar con dos muelles idénticos, resorte de liberación | a partir de un desplazamiento
y la migración. Cuando el ruido es coherente inmersión filtrada. por ejemplo,
de amplitud de pico de 0,8 unidades y establecer el tiempo a cero en el inicio del
deconvolución y análisis de la velocidad pueden ser mejoradas. estática
movimiento. Cuando la primavera | pasa a través de la posición de amplitud cero, ajuste
correcciones residuales también mejoran análisis de la velocidad y, de ese
de resorte 2 en movimiento desde el mismo desplazamiento amplitud de pico
modo. la calidad de la sección de apilado.
HIGO. 1-1. Rastreando el movimiento de un muelle en el tiempo produce una curva sinusoidal. La amplitud pcak representa el desplazamiento máximo del peso al final de
los scorresponds a muelle de movimiento en la dirección hacia arriba.) El tiempo entre la frecuencia tcalled. Por último, el tiempo de retardo la sinusoide, la inversa de la que
es Pring desde la posición no estirada. (Amplitud positiva él dos picos consecutivos es el período de elay de la aparición de un resorte con respecto a otro se define como
un espectro de fase de retardo de fase (el negativo de los espectros de retardo de fase) distinguir sinusoides |. Y 3.

(0.8). El movimiento del muelle 1 se representa en el marco 1, mientras que el
movimiento de resorte 2 se representa en el marco 3 de la Figura 1-1. Debido a que
los resortes se establecieron para el movimiento con el mismo desplazamiento de
amplitud pico, los espectros de amplitud de las dos funciones de tiempo sinusoidales
debe ser idéntico. Sin embargo, se observó una diferencia entre las funciones de
tiempo en tramas 1 y 3. En particular, cuando la sinusoide en marco 1 toma el valor
de amplitud pico. la sinusoide en marco 3 toma el valor de amplitud cero. Hubo un
retraso de tiempo (20 ms) equivalente a una cuarta parte de un ciclo completo en la
fijación de resorte 2 en movimiento relativo a la primavera 1. Este retardo de tiempo
es la diferencia entre las dos sinusoides que se muestran en los marcos 1 y 3. Un
ciclo completo es equivalente a 360 grados o 27 radianes. Por lo tanto, un retardo de
tiempo de un cuarto de un ciclo es equivalente a un retardo de fase + 90 grados.
nos enseña cómo describir el movimiento de resorte en función del tiempo y la
frecuencia.
Ahora imaginar un conjunto de muchos muelles, cada uno con un movimiento
sinusoidal con una frecuencia específica, la amplitud de pico, y la fase. Las
respuestas sinusoidales de todos los miembros se muestran en la Figura 1-2.
Supongamos que los movimientos de los muelles individuales se superponen
mediante la adición de todas las trazas. El resultado es una señal dependiente del
tiempo que está representado por la primera traza en la figura 1-2 (como se indica
por el asterisco). La superposición (o síntesis) nos permite transformar el
movimiento de la frecuencia al dominio del tiempo. Esta transformación es
reversible: es decir, la señal de dominio de tiempo puede ser dividido (o analizada)
en sus componentes sinusoidales en el dominio de frecuencia.

Fase se define como el negativo de retardo de fase (Robinson y Treitel, 1980). Por lo
tanto, un desplazamiento de tiempo negativo corresponde a un valor de fase positivo.
Tenga en cuenta que en la Figura 1-1, Si aplicamos un desplazamiento de tiempo de un
cuarto de un ciclo completo (1.e., 20 ms) a la sinusoide en marco 3 en la dirección de
tiempo negativo, obtenemos la sinusoide en marco 1 . Aunque sus espectros de
amplitud son idénticos,
estos dos sinusoides pueden ser
distinguirse en base a sus espectros de fase, como se ve en la Figura 1-1.
El experimento se completa. Lo que se aprende? En primer lugar, el movimiento
de un resorte clástico puede ser descrita por una función de tiempo sinusoidal.
Segundo, y más importante, una descripción completa de un movimiento
sinusoidal está dada por su frecuencia, amplitud de pico, y la fase. este
experimento
Matemáticamente, este proceso de dos vías se logra mediante la transformada de Fourier.
En la práctica, el algoritmo estándar que se utiliza en las computadoras digitales es la
Transformada Rápida de Fourier (FFT). El análisis de una señal dependiente del tiempo en
sus componentes de frecuencia de Fourier se realiza mediante la transformada directa,
mientras que la síntesis de todos los componentes de frecuencia de la señal de dominio del
tiempo se realiza mediante Fourier transformada inversa.
La Figura 1-3 es una muestra de la transformada de Fourier de la señal de
timedependent º de la Figura 1-2. Los espectros de amplitud y fase constituyen
una representación dominio de la frecuencia más condensada de los
sinusoides en la Figura 1-2. Podemos ver claramente el paralelismo entre los
dos tipos de pantallas. En particular, el espectro de amplitud tiene una gran y
un relativamente pequeño pico a aproximadamente 20 y 40 H
HIGO. 1-2. Un conjunto de movimientos sinusoidales con diferentes frecuencias. amplitud de pico. y de retardo de fase se puede superponer para sintetizar una forma de onda
dependiente del tiempo en la traza como se indica por el asterisco.
respectivamente. bandas más oscuras corresponden a amplitudes de pico más
grandes se producen en la figura 1-2 a aproximadamente las mismas frecuencias.
Por otra parte. zonas de amplitudes débiles a aproximadamente 30 Hz y en los
extremos de baja y alta frecuencia del espectro también son evidentes
en ambos tipos de
representaciones. Recuerde que la curva del espectro de amplitud representa
las amplitudes de pico de los componentes sinusoidales individuales como
función de la frecuencia.
Ahora examinar el espectro de fase. A partir del experimento de primavera,
recordemos que el retardo de tiempo de un componente de frecuencia particular
también se expresó como un retardo de fase. Para rastrear mejor de retardo de fase
en función de la frecuencia. aparte de la figura 1-2 se magnifica en la Figura 1-4.
Siga los picos positivos que están atravesados ​por el lince tiempo cero. Tenga en
cuenta que los picos caen encima de la línea de tiempo cero (1.e .. los valores de
tiempo negativos) en el extremo de baja frecuencia del espectro. A continuación, se
cruzan al lado positivo del eje de tiempo a aproximadamente 20 Hz y permanecer en
ese lado sobre el resto del eje de frecuencia. El camino que siguieron en la figura
1-4 se puede trazar como el espectro de fase de la Figura 1-3. Si todos los picos
fueron alineadas a lo largo de la línea de tiempo cero en la Figura 1-4, a
continuación, la señal de dominio de tiempo correspondiente sería tener un espectro
de fase cero. En este caso, todos los sinusoides se refuerzan entre sí. causando un
valor máximo pico a cero del tiempo (Figura 1-11).
El significado físico del espectro de amplitud es más fácil de entender que
la del espectro de fase. Estos dos espectros se discuten más adelante en
este capítulo. detalles matemáticos básicos de la transformada de Fourier
se dan en el Apéndice A.
Aliasing 1.2.1 Frecuencia
Una señal sísmica es una función de tiempo continuo. En la grabación digital.
la señal sísmica continua (analógica) es
muestreada a una tasa fija en el tiempo, llamado el (o velocidad de muestreo)
intervalo de muestreo. Los valores típicos de intervalos de muestreo varían entre | y 4
ms para trabajos de sísmica de reflexión más. estudios de alta resolución requieren
intervalos de muestreo tan pequeñas como de 0,25 ms. La Figura 1-5 muestra una
señal continua en el tiempo. Las muestras discretas que en realidad podría ser
grabadas se muestran por puntos. Una función de tiempo discreto se llama una serie
de tiempo. La curva inferior en la figura 1-5 es un intento de reconstrucción de la
señal original continua. que se muestra como la curva en la parte superior. Tenga en
cuenta que la señal reconstruida carece de los detalles presentes en los detalles de
los presentes en la señal analógica original. Estos detalles corresponden a
highfrecuency componentes que se perdieron por muestreo. Si una
intervalo de muestreo menor se eligieron, entonces el
señal reconstruida representaría mayor precisión la señal original. Para el
caso extremo de un intervalo de muestreo cero, la señal continua se
puede representar exactamente.

¿Existe una medida del ancho de banda de frecuencia restaurable de los datos
digitalizados? Una serie de tiempo (por ejemplo. Un traza sísmica) con un
intervalo de muestreo de 2 ms y el espectro de amplitud correspondientes se
muestran en la parte superior de la Figura 1-6. En general. dado el intervalo de
muestreo Ar, la frecuencia más alta que se puede restaurar es 1 / (2A7). Esto se
conoce como la frecuencia de Nyquist. Para este ejemplo. Ar = 2 ms. Hay tanto,
la frecuencia de Nyquist es de 250 Hz. La serie de tiempo original se vuelve a
muestrear para obtener una serie de intervalos de muestreo de 4 y 8 ms. Los
correspondientes frecuencias de Nyquist son 125 y 62,5 Hz, respectivamente.
Figura 1-6 muestra también la serie (como reconstruido de nuevo a 2 ms para los
propósitos de trazado) muestreada a 4 y 8 ms con sus espectros de amplitud.
Tenga en cuenta que el grueso del intervalo de muestreo, más suave será la
serie. resultados de lisura de una pérdida de altas frecuencias como se ve en los
espectros de amplitud. componentes de frecuencia entre 125 y 250 Hz, que
están presentes en la serie de tiempo con el intervalo de muestreo de 2 ms,
parecen estar ausentes en la serie remuestreada a 4 ms. Del mismo modo, los
componentes de frecuencias entre 62,5 y 250 Hz parecen estar ausentes de la
serie remuestreada a 8 ms. Se pueden recuperar estas frecuencias? No. Una
vez que una señal continua es digitalizada, la frecuencia más alta que se puede
restaurar es la frecuencia de Nyquist.

Podemos pensar que cuando la serie de tiempo muestreado a 4 u 8 ms se

interpola de nuevo a un intervalo de muestreo de 2 ms, esas altas frecuencias
deben volver. Como se dijo anteriormente. la serie de tiempo en la Figura 1-6 con
intervalos de muestreo de 4 y 8 ms en realidad se reconstruyó por interpolación
de nuevo a 2 ms para obtener el mismo número de muestras que la serie original
para el trazado con la misma escala. Interpolación no se recupera las frecuencias
perdidas por muestreo; sólo genera muestras adicionales.

La implicación para el muestreo de la señal continua en el campo es una

importante. Si la señal de tierra tenía
frecuencias, dicen que hasta 150 Hz, entonces el intervalo de muestreo de 4 ms
podría causar la pérdida de la banda entre 125 y 150 Hz.

Considere la sinusoide en la Figura 1-7. esta señal es

resampled como antes para 4 y 8 ms. Los espectros de amplitud indicar que
los tres tienen la misma frecuencia. 25 Hz. No pasó nada a la señal después
de remuestreo con un intervalo de muestreo más grueso. Ahora examinar el
mayor sinusoide de frecuencia (75 Hz) en la figura 1-8. Parece que el mismo
tanto en el muestreo de 2 y 4 ms. Sin embargo, el remuestreo a 8 ms cambió
la señal y hace que parezca ser una sinusoide de baja frecuencia. La señal
remuestreada tiene una frecuencia de 50 Hz como se ve en el espectro de
amplitud. La frecuencia de Nyquist para un intervalo de muestreo de 8-MS es
62.5 Hz. La verdadera frecuencia de la señal es de 75 Hz. Como resultado de
remuestreo, la señal se perdió, pero volvió a aparecer como una señal con una
frecuencia inferior (50 Hz). Decimos que se pliega hacia atrás en el espectro después
de remuestreo. Finalmente. una sinusoide 150-Hz resampled a 4 y 8 ms se muestra
en la Figura 1-9. Esta vez, el muestreo 4-ms hizo la señal aparece como una señal de
100 Hz, mientras que el muestreo de 8 ms hizo aparecer como una señal de 25 Hz.
HIGO. 1-3, La información de la figura 1-2 se puede condensar en espectros
de amplitud y fase. Cada punto a lo largo de la curva de espectro de amplitud
se corresponde con la amplitud de pico de la sinusoide en esa frecuencia
trazada como una traza en la Figura 1-2. Tenga en cuenta la equivalencia de
los dos picos en el espectro de amplitud con las dos zonas highamplitude en la
Figura 1-2. Cada punto a lo largo del espectro de fase corresponde al retardo
de tiempo de un pico o valle a lo largo de la sinusoide en esa frecuencia con
respecto a la línea de temporización a = 0 Nota a la equivalencia de la curva
de fase con la tendencia de un pico positivo de rastreo para rastrear en la
Figura 1-4.
HIGO. 1-4. Una porción de la figura 1-2 se agranda para delinear mejor la tendencia de la curva de fase de rastreo para rastrear: 1.e .. de un componente de frecuencia a
otra. Comparar la tendencia indicada por el pico P positiva con el espectro de fase en la Figura 1-3.

HIGO. 1-5. Cuando digitalizada. una señal analógica continua pierde frecuencias por HIGO. 1-6. Una serie de tiempo muestreada a 2 ms tiene una frecuencia de Nyquist de
encima de la frecuencia de Nyquist: (a) de la señal analógica continua. (B) de la 250 Hz. Remuestreo a 4 y 8 ms limita la banda de frecuencias de 125 y 62,5 Hz.
señal digitalizada. (C) reconstruido señal analógica. (Adaptado de Rothman. 1981.) respectivamente. Tenga en cuenta la pérdida de altas frecuencias en intervalos de
muestreo más grandes.
Mediante el uso de una sinusoide de frecuencia única, vemos que las
frecuencias por encima de la de Nyquist en realidad no se pierden
después del muestreo. pero a aparecer a frecuencias inferiores a la de
Nyquist. Consideremos ahora la superposición de dos sinusoides con
12.5- y frecuencias de 75 Hz, como se muestra en la figura 1-10. La
digitalización de esta señal en 2y intervalos de muestreo de 4 ms no altera
la señal original, ya que sus componentes de frecuencia están por debajo
de las frecuencias de Nyquist asociados con 2y intervalos de muestreo de
4 ms (250 y 125 Hz, respectivamente). Sin embargo, cuando la señal se
digitaliza en un intervalo de muestreo más grueso. tal como 8 ms, los
cambios del espectro de amplitud.
El 12,5 Hz
componente no es affect-
HIGO. 1-7. Una sinusoide de 25 Hz muestreada a 2 ms permanece sin
cambios cuando resampled a 4 o 8 ms.
HIGO. 1-8. Una sinusoide de 75 Hz muestreada a 2 ms permanece sin
cambios cuando remuestreada en 4 ms, pero aparece como una sinusoide
50-Hz cuando remuestreada en 8 ms. Por lo tanto, este último es el alias de la
sinusoide inicial.
ed. porque de muestreo de 8-ms todavía es suficiente para
muestrear este componente de baja frecuencia. Por otra parte. el
componente de 75-Hz es visto como un componente lowerfrequency (50
Hz). Una vez más, tenga en cuenta que esas frecuencias en la señal
original por encima de la frecuencia de Nyquist correspondiente al
intervalo de muestreo elegido se doblan hacia atrás en el espectro de
amplitud de la versión digitalizada de la señal. Este análisis se puede
extender a muchas sinusoides de frecuencias diferentes. En particular, la
serie de tiempo discreto deriva
de muestreo demasiado gruesa
(Submuestreo) de una señal continua contiene en realidad
contribuciones de alta frecuencia
componentes de ese sig- continua
HIGO. 1-9. Una sinusoide de 150 Hz muestreada a 2 ms aparece como
una sinusoide 100 Hz cuando remuestreada en 4 ms y como una sinusoide
25-Hz cuando remuestreada en 8 ms. (Modulación de amplitud en la
sinusoide 2-ms es debido a las limitaciones en el trazado de señales de
muy alta recuencia).
HIGO. 1-10, A series de tiempo sintetizado a partir de dos sinusoides en
12,5 y 75 Hz a una tasa de muestreo de 2 ms-permanece sin cambios
cuando remuestreada en 4 ms. Sin embargo. en 8 ms, sus componentes
turnos de alta frecuencia de 75 a 70 Hz, mientras que su componente de
baja frecuencia sigue siendo el mismo.
nal. Esos altos frequencics se pliegan de nuevo en el espectro de la serie
de tiempo discreto y aparecen como frecuencias más bajas. El fenómeno
que se produce por submuestreo de la señal continua se denomina
aliasing.
Para calcular la frecuencia de alias / ,,. utilizar la relación f, = 2MF, - f |.
donde fy es la frecuencia de plegado. F. es la frecuencia de la señal. y m
es un número entero tal que ps ZE. Por ejemplo. suponer que f. = 65 Hz. fx
= S Hz que corresponde a 8 ms tasa amp ne. La “frecuencia alias
entonces es F, - [2 x 62,5 - 65] = 60 Hz.
En conclusión, edersampling tiene dos efectos: (a) de la banda que limita
el espectro de la señal continua, con la máxima frecuencia ser el Nyquist.
y (b) la contaminación del espectro de señal digital por altas frecuencias
más allá de la de Nyquist. que puede haber estado presente en la señal
continua. Nada se puede hacer sobre el primer problema. El segundo
problema es el de la práctica
importancia. Para mantener el
banda de frecuencia recuperable entre cero y la frecuencia de Nyquist libre
de frecuencias alias se aplica un filtro antialiasing de corte alto en el
campo antes de analógico a digital (A / D) conversión de las señales
sísmicas. Este filtro elimina los componentes de frecuencia que tienen un
alias durante el muestreo. Típicamente. El filtro antialiasing de corte alto
tiene una frecuencia de corte que es ya sea tres cuartas partes o la mitad
de la frecuencia de Nyquist. Este filtro rollos fuera abruptamente de modo
que las frecuencias por encima de la de Nyquist son altamente atenuadas.
HIGO. 1-11. La suma de un número discreto de sinusoides sin retardo de
fase. pero con la misma amplitud de pico, produce una onda simétrica de
banda limitada representado por la traza de la derecha (indicado por un
asterisco). Esta es una wavelet de fase cero.
1.2.2 Consideraciones Fase
En la Sección 1.2, se sintetizó una señal dependiente del tiempo
de su componentes de frecuencia.
Considere una señal con un espectro de fase cero. Figura 1-11 muestra
sinusoides con frecuencias que van desde aproximadamente 1 a 32 Hz.
Todas estas sinusoides tienen retraso de fase cero: de este modo. las
amplitudes pcak alinean en 1 = 0. La señal de dominio de tiempo en la
traza identificado por un asterisco en la figura 1-11 se deriva sumando
todos
estos sinusoides. Esta
sumatoria es la transformada de Fourier in- un verso. Dicha señal de
dominio de tiempo se denomina waveler. Un tren de ondas por lo general
se considera una señal transitoria, es decir. una señal con una duración
finita. Lt tiene una hora de inicio y una hora de finalización, y su energía
está confinada entre estas dos posiciones de tiempo. La wavelet que se
acaba de construida es simétrica alrededor de / = U y tiene un (positivo) de
amplitud pico a; = 0. Tal ts wavelet llamados de fase cero.
De hecho. wavelet era
sintetizado usando los sinusoides en fase cero de amplitud de pico igual.
A wavelet de fase cero es simétrica con respecto a tiempo cero y los picos
en el tiempo cero. Figura 1-12 muestra los resultados de aplicar un
desplazamiento de fase lineal a los sinusoides en la figura 1-11.
desplazamiento de fase lineal es
definida como fase = constante - frecuencia. El tren de ondas (identificado
por un asterisco) se ha desplazado en el tiempo por -0.2 s, pero su forma
no ha cambiado. Por lo tanto, un lineal
fase cambio es equivalente a una
HIGO. 1-12. Los mismos componentes sinusoidales como en la Figura 1- Il.
pero con retardo de tiempo constante a -0.2 s. Cuando se suman, producen
una onda simétrica de banda limitada que está representado por la traza de
la derecha (indicado por un asterisco). Este wavelet es la misma que la
mostrada en la figura 1-11, excepto que SIIT desplazada en el tiempo por
-0.2 s. Este desplazamiento de tiempo está relacionado con el espectro de
fase lineal asociado con los componentes de frecuencia sumadas.
HIGO. 1-13. A partir de un tren de ondas de fase cero (a). desplazamientos de fase lineal se aplican a desplazar la wavelet en el tiempo sin cambiar su forma. La pendiente de
la función de fase lineal está relacionado con el desplazamiento en el tiempo.
HIGO. 1-14. Los mismos componentes sinusoidales como en la Figura 1-1,
pero con un desplazamiento de fase de 90 grados constante aplicada a cada
uno. Los cruces por cero están alineados en t = 0. La suma de
estos sinusoides se obtiene una
wavelet antisimétrica que está representado por la traza de la derecha
(indicado por un asterisco).
cambio de tiempo constante. La pendiente de la línea que describe el
espectro de fase es proporcional a la de cambio de hora. La wavelet se
puede desplazar por cualquier cantidad de tiempo simplemente cambiando
la pendiente de la línea que describe el espectro de fase (figura 1-13). A
partir de la wavelet de fase cero, Figura 1-13 muestra el efecto de
aumentar las cantidades de desplazamiento de fase lineal en un tren de
ondas de fase cero. Aunque no se muestra. Al cambiar el signo de
la pendiente en la fase de
espectro, la wavelet se puede desplazar en la dirección del tiempo
opuesto.
Si un cambio de fase de 90 degrec se aplica a cada uno de los sinusoides
en la Figura! -11. como se muestra en la figura 1-14. A continuación, los
pasos por cero están alineados a + = 0. El resultado de esta suma se
obtiene la wavelet se muestra en la traza identificado por un asterisco. Un
wavelet antisimétrica se produce. Tenga en cuenta que las dos ondas de
las Figuras 1-11 y 1-14 tienen el mismo espectro de amplitud debido a que
tienen el mismo contenido de frecuencia. La diferencia radica en sus
espectros de fase. el tren de ondas
en la figura 1-11 tiene de fase cero
espectro, mientras que en la figura 1-14 tiene un espectro constantphase
(+90 grados). Por lo tanto, la
diferencia en la forma wavelet es debido a la diferencia en sus espectros
de fase.
Figura 1-15 muestra el efecto de diversas cantidades de desplazamiento
de fase constante en una onda de fase cero. El desplazamiento de fase de
90 grados convierte la wavelet de fase cero a una wavelet antisimétrica. El
desplazamiento de fase de 180 grados cambia la polaridad de la wavelet
zerophase. El desplazamiento de fase de 270 grados cambia la polaridad
de
la wavelet de fase cero, mientras
la conversión a una wavelet antisimétrica. Finalmente. el desplazamiento de fase
de 360 ​grados conserva la forma de la wavelet originales. Un desplazamiento de
fase constante cambia la forma de un tren de ondas. En particular, un
desplazamiento de fase de 90 grados convierte una wavelet syvmmetric a una
wavelet antisyvmmetric, mientras que un desplazamiento de fase de 180 grados
cambia su polaridad. Hasta aquí,
dos espectros de fase básica se han examinado: los
desplazamientos de fase constantes a saber, lineal y. El combinado
HIGO. 1-15. Comenzando con el tren de ondas cero phasc (a). su forma se cambia mediante la aplicación de los desplazamientos de fase constantes. Un desplazamiento de

fase de 90 grados convierte la wavelet de fase cero a una wavelet antisimétrica (b), mientras que un desplazamiento de fase de 180 grados invierte su polaridad (c). Un

desplazamiento de fase de 270 degrec invierte la polaridad, al tiempo que la antisimétrica wavelet (d) .Finalmente. un desplazamiento de fase de 360 ​grados no modifica la

wavelet (c).

efecto de los dos se considera ahora. El espectro de fase es una función

definida como a + b: frecuencia. donde a es el desplazamiento de fase
constante y b es la pendiente del desplazamiento de fase lineal. Figura
1-16 muestra los resultados de la aplicación de una constante de fase de
90 grados, más un componente de fase lineal para los sinusoides en la
figura 1-11. La wavelet de fase cero con el mismo espectro de amplitud
como la de la figura 1-11 se desplazó en el tiempo por - 0,2 s, debido a la
desviación de fase lineal, y convierte en una forma antisimétrica debido al
desplazamiento de fase de 90 grados constante.

Otras variaciones en el espectro de fase se muestran en la Figura I-17. La

wavelet de fase cero (Figura 1-17a) puede ser modificado para diferentes
formas simplemente cambiando el espectro de fase. Puede ser modificado
tanto que 11 puede no asemejarse a la forma original de wavelet como se
ilustra en el último ejemplo (Figura 117d). mantenimiento bv

el espectro de amplitud
sin cambios., la forma wavelet se puede cambiar III por modifving el
espectro de fase.

Operaciones 1.2.3 dominio del tiempo

Considere una secuencia de reflectividad representado por la serie de

tiempo (1. 0, 3). Ten en cuenta también una fuente impulsiva que causa
una explosión en; = O con una amplitud de 1. La respuesta de la
secuencia de reflectividad a un impulso se llama la respuesta de impulso.
Este proceso físico puede ser descrito como sigue:
HIGO. 1-16. A lineal (Figura 1-12) en combinación con un desplazamiento de
fase constante (Figura 1-14) resulta en una wavelet métrica antisym- desplazado
en el tiempo. el tren de ondas es

representado por la traza de la derecha (indicado por un asterisco).

HIGO. 1-17. La forma de un tren de ondas de fase cero (a) puede ser modificado mediante la introducción de un espectro de fase distinto de cero de cualquier forma como en (b). (do). (re)

Proceso se describe como:

Wavelet 1: (2. 1. -1,0, 0) Wavelet 2:

(0, 0, 2. 1, -1)

Tenga en cuenta que la respuesta es la secuencia de reflectividad

Aunque estos wavelets son idénticos en forma,
escalado por la fuerza de impulso. Desde una función fuente general se
wavelet 2 se desplaza por dos muestras con respecto a wavelet 1. El
considera que es una secuencia de impulsos explosivos y implosiva.
retraso de tiempo en la que son más similares se puede determinar. Para
el individuo impulso
ello, realice la operación de tren de ondas | como se describe en la Tabla
se añaden las respuestas para obtener la respuesta combinada. Este
1-3 sin invertir wavelet 2 (omitir el paso 0). Esto es de correlación cruzada
proceso se denomina superposición lineal y se describe en la Tabla 1-1.
y el resultado se muestra en la Tabla 1-5. medidas de correlación cruzada
cuánto dos series de tiempo se parecen entre sí. Correlación cruzada de
una serie temporal con ella misma es conocida como autocorrelación. De
En la Tabla 1-1. el asterisco denota convolución. La respuesta de la
la Tabla
secuencia de reflectividad (I, 0, 3) a la wavelet fuente (1, -3) se obtuvo
mediante la convolución de las dos series. Este ¡se realiza
1-5, Nota ese máximo
computacionalmente como se muestra en la Tabla 1-2.A matriz fija es de
correlationoccurs en -2 lag. Esto sugiere que si wavelet 2 se cambió dos
configuración desde la secuencia de reflectividad. La wavelet fuente se
muestras en el tiempo, entonces estos dos ondas tendrían máxima
invierte (doblado) y se trasladó (rezagado) una muestra a la vez. En cada
similitud.
lag, los elementos que se alinean se multiplican y los productos
resultantes se suman. La mecánica de convolución se describen en la
Tabla 1-6 muestra los valores de correlación cruzada que resultan cuando
Tabla 1-3. El número de elementos de la matriz de salida c (k) viene dada
se intercambian los arrays. Esta vez la correlación máxima se produce en
por m = n-- |, donde Mand »son las longitudes del operando array ati) y la
el retardo 2. De este modo. Si wavelet | hifted fueron dos muestras
matriz de operador b (j), respectivamente.
adelante en el tiempo. entonces estos dos ondas tendrían máxima
similitud. También tenga en cuenta que, a diferencia de convolución.
correlación cruzada no es conmutativa: 1. € .. la salida depende de la
matriz es fija y la que se está moviendo (comparar los resultados que
Cuando se intercambian los papeles de las matrices en la Tabla 1-2. la
figuran en las Tablas 1-5 y 1-6). Tabla 1-7 muestra la autocorrelación
matriz de salida en la Tabla 1-4 resulta. Tenga en cuenta que la respuesta
retardos de wavelet
de salida es idéntica a la de la Tabla 1-2, por lo tanto. 1t no importa qué
matriz es fija y que ¡se mueve como se realiza la convolución.
1. Nótese que correlación máxima se produce a retraso cero. Una
propiedad importante de autocorrelación. Además. La función de
autocorrelación es simétrica. Esta es una propiedad de series de tiempo
procesamiento sísmico a menudo requiere la medición de la alineación
real. Por lo tanto. sólo un lado de la autocorrelación necesita ser
similaritv o el tiempo de dos trazas. La correlación es otra operación de
computada. Itis heurísticamente muestra en la Sección 1.2.4 que la
dominio de tiempo que se utiliza para hacer tales mediciones. Considere
convolución en el dominio del tiempo es equivalente a la multiplicación en
los siguientes dos wavele.