阅读说明：本技术 有效地震信号的提取方法、装置、设备和存储介质 (Method, device, equipment and storage medium for extracting effective seismic signals ) 是由 高少武 张少华 于 2020-05-18 设计创作，主要内容包括：本公开是关于一种有效地震信号的提取方法、装置、设备和存储介质,属于地震处理技术领域。该方法包括获取地震数据；对获取的地震数据进行噪声压制处理,得到预测地震信号和预测噪声干扰信号；获取预测地震信号的第一自相关函数、预测噪声干扰信号的第二自相关函数以及预测地震信号和预测噪声干扰信号的互相关函数；基于第一自相关函数、第二自相关函数以及互相关函数,确定有效地震信号的能量系数特征方程；基于有效地震信号的能量系数特征方程,确定有效地震信号的最佳有效地震信号能量系数；基于最佳有效信号能量系数和预测地震信号确定有效地震信号。(The disclosure relates to a method, a device, equipment and a storage medium for extracting effective seismic signals, and belongs to the technical field of seismic processing. The method includes acquiring seismic data; carrying out noise suppression processing on the acquired seismic data to obtain a predicted seismic signal and a predicted noise interference signal; acquiring a first autocorrelation function of a predicted seismic signal, a second autocorrelation function of a predicted noise interference signal and a cross-correlation function of the predicted seismic signal and the predicted noise interference signal; determining an energy coefficient characteristic equation of the effective seismic signal based on the first autocorrelation function, the second autocorrelation function and the cross-correlation function; determining the optimal effective seismic signal energy coefficient of the effective seismic signals based on the energy coefficient characteristic equation of the effective seismic signals; an effective seismic signal is determined based on the optimal effective signal energy coefficient and the predicted seismic signal.)

有效地震信号的提取方法、装置、设备和存储介质

技术领域

本公开涉及地震处理技术领域，特别涉及一种有效地震信号的提取方法、装置、设备和存储介质。

背景技术

地震数据处理，是指去除地震数据中的噪声干扰信号，保留地震数据中有效地震信号。

频率-空间域预测滤波方法是目前最常用的一种地震数据处理的方法。频率-空间域预测滤波方法是，沿有效地震信号的传播方向，在有效地震信号的传播路径上，设置空间预测滤波器，通过空间预测滤波器将地震数据中的噪声干扰信号去除，保留地震数据中的有效地震信号。

如果干扰的强度大，信噪比太低，通过空间预测滤波器去除的噪声干扰信号中会包含有效地震信号，也即是，频率-空间域预测滤波不能完全将有效地震信号与噪声干扰信号分离开来，使得处理后的有效地震信号的保真度较差。

发明内容

本公开实施例提供了一种地震数据中有效信号的提取方法、装置、设备和存储介质，可以有效提取地震数据中的有效信号。所述技术方案如下：

一方面，本公开提供了一种有效地震信号的提取方法，所述方法包括：

获取地震数据；

对获取的所述地震数据进行噪声压制处理，得到预测地震信号和预测噪声干扰信号；

获取所述预测地震信号的第一自相关函数、所述预测噪声干扰信号的第二自相关函数以及所述预测地震信号和所述预测噪声干扰信号的互相关函数；

基于所述第一自相关函数、所述第二自相关函数以及所述互相关函数，确定有效地震信号的能量系数特征方程，所述有效地震信号的能量系数特征方程用于表示有效地震信号的能量系数和特征因子间关系的方程，所述特征因子表示所述第一自相关函数、所述第二自相关函数以及所述互相关函数间的关系；

基于所述有效地震信号的能量系数特征方程，确定有效地震信号的最佳有效地震信号能量系数，所述有效地震信号的最佳有效地震信号能量系数是第二自相关函数能量值最小时的有效地震信号的能量系数；

基于最佳有效信号能量系数和预测地震信号确定有效地震信号。

在本公开实施例的一种实现方式中，所述第二自相关函数为：

所述第一自相关函数为：

所述互相关函数为：

其中，N_i表示i时刻的预测噪声干扰信号，N_i+k表示i+k时刻的预测噪声干扰信号，S_i表示i时刻的预测地震信号，S_i+k表示i+k时刻的预测地震信号；

k表示自相关函数延迟样点顺序号，k＝0,1,2，…，L，L为整数；

i表示时间样点顺序号，i＝1,2，…，M，M表示时间样点的总数，M为正整数，且L≤M。

在本公开实施例的一种实现方式中，基于所述第一自相关函数、所述第二自相关函数以及所述互相关函数，确定有效地震信号的能量系数特征方程，包括：

采用如下公式作为有效地震信号的能量系数特征方程：

其中，

α表示有效地震信号的能量系数，f₁、f₂、f₃、f₄和f₅分别表示特征因子。

在本公开实施例的一种实现方式中，基于所述有效地震信号的能量系数特征方程，确定有效地震信号的最佳有效地震信号能量系数，包括：

基于所述有效地震信号的能量系数特征方程确定三次特征方程；

确定所述三次特征方程的特征根；

如果所述三次特征方程有一个特征根，则基于所述一个特征根确定最佳有效地震信号能量系数；

如果所述三次特征方程有多个特征根，则基于所述多个特征根确定多个有效信号能量系数；基于所述多个有效信号能量系数，分别确定对应的第二自相关函数能量值；比较确定出的第二自相关函数能量值的大小，将最小的第二自相关函数能量值对应的有效地震信号能量系数作为最佳有效地震信号能量系数。

在本公开实施例的一种实现方式中，基于所述有效地震信号的能量系数特征方程确定三次特征方程包括：

基于有效信号能量系数表达式和所述有效地震信号的能量系数特征方程，确定三次特征方程；

其中，所述有效信号能量系数表达式为：

所述三次特征方程为：

γ³+g₁γ+g₂＝0，

其中：

所述三次特征方程的三个特征根分别为：

其中：

ω表示虚数常数因子，l表示虚数单位，l²＝-1。

在本公开实施例的一种实现方式中，基于所述多个有效信号能量系数，分别确定对应的第二自相关函数能量值，包括：

基于如下公式计算第二自相关函数能量值:

Q₁、Q₂和Q₃表示第二自相关函数能量值，α₁、α₂和α₃表示有效信号能量系数。

在本公开实施例的一种实现方式中，所述基于最佳有效信号能量系数和预测地震信号确定有效地震信号，包括：

基于如下公式确定有效地震信号：

其中：β_best＝1+α_best；

表示有效地震信号，S_i表示预测地震信号，α_best表示最佳有效信号能量系数。

另一方面，本公开提供了一种有效地震信号的提取装置，所述有效地震信号的提取装置包括：

第一获取模块，被配置为获取地震数据；

处理模块，被配置为对获取的所述地震数据进行噪声压制处理，得到预测地震信号和预测噪声干扰信号；

第二获取模块，被配置为获取所述预测地震信号的第一自相关函数、所述预测噪声干扰信号的第二自相关函数以及所述预测地震信号和所述预测噪声干扰信号的互相关函数；

第一确定模块，被配置为基于所述第一自相关函数、所述第二自相关函数以及所述互相关函数，确定有效地震信号的能量系数特征方程，所述有效地震信号的能量系数特征方程用于表示有效地震信号的能量系数和特征因子间关系的方程，所述特征因子表示第一自相关函数、所述第二自相关函数以及所述互相关函数间的关系；

第二确定模块，被配置为基于所述有效地震信号的能量系数特征方程，确定有效地震信号的最佳有效地震信号能量系数，所述有效地震信号的最佳有效地震信号能量系数是第二自相关函数能量值最小时的有效地震信号的能量系数；

第三确定模块，被配置为基于最佳有效信号能量系数和预测地震信号确定有效地震信号。

另一方面，本公开提供了一种计算机设备，所述计算机设备包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述任一项所述的有效地震信号的提取方法。

另一方面，本公开提供了一种存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行实现如上述任一所述的有效地震信号的提取方法。

本公开实施例提供的技术方案带来的有益效果是：

在本公开实施例中，通过预测地震信号的第一自相关函数、预测噪声干扰信号的第二自相关函数以及预测地震信号和预测噪声干扰信号的互相关函数，确定有效地震信号的能量系数特征方程。有效地震信号的能量系数特征方程用于表示有效地震信号的能量系数和特征因子间关系的方程，而特征因子可以表示第一自相关函数、第二自相关函数以及互相关函数间的关系，因此基于有效地震信号的能量系数特征方程，可以确定出第二自相关函数能量值最小时的有效地震信号的能量系数。基于第二自相关函数能量值最小时的有效地震信号的能量系数，可以将预测噪声干扰信号中包含的有效地震信号提取出来，避免有效地震信号被当成噪声干扰信号剔除，使得最终确定的有效地震信号更加准确，提高有效地震信号的保真度。

附图说明

为了更清楚地说明本公开实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本公开实施例提供的一种有效地震信号的提取方法的流程示意图；

图2是本公开实施例提供的一种有效地震信号的提取方法的流程示意图；

图3示出了一种包含噪声的共中心点道集地震数据；

图4示出了一种预测地震信号的共中心点道集数据；

图5示出了一种预测噪声干扰信号的共中心点道集数据；

图6示出了一种包含噪声的共中心点道集地震数据振幅谱；

图7示出了一种预测地震信号的共中心点道集数据振幅谱；

图8示出了一种预测噪声干扰信号的共中心点道集数据振幅谱；

图9是本公开实施例提供的一种有效地震信号的共中心点道集数据；

图10是本公开实施例提供的一种噪声干扰信号的共中心点道集数据；

图11是本公开实施例提供的一种有效地震信号的共中心点道集数据振幅谱；

图12是本公开实施例提供的一种噪声干扰信号的中心点道集数据振幅谱；

图13是本公开实施例提供的一种有效地震信号的提取装置的框图；

图14是本公开实施例提供的一种计算机设备的框图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。

图1是本公开实施例提供的一种有效地震信号的提取方法的流程示意图。参见图1，该方法包括：

步骤S11：获取地震数据。

在本公开实施例中，该地震数据可以为人工模拟的地震数据。例如，可以是气枪激发的子波通过地层反射后接收点接收到的数据，该数据即为人工模拟的地震数据。当然该地震数据也可以为真实的地震数据，本公开对此不做限定。

步骤S12：对获取的地震数据进行噪声压制处理，得到预测地震信号和预测噪声干扰信号。

在本公开实施例中，可以通过随机噪声衰减方法对地震数据进行噪声压制处理。例如，通过频率-空间域预测滤波的方法对地震数据进行噪声压制处理。

步骤S13：获取预测地震信号的第一自相关函数、预测噪声干扰信号的第二自相关函数以及预测地震信号和预测噪声干扰信号的互相关函数。

在本公开实施例中，获取预测地震信号的第一自相关函数、预测噪声干扰信号的第二自相关函数以及预测地震信号和预测噪声干扰信号的互相关函数，便于后续确定有效地震信号能量系数。

其中，第一自相关函数表示预测地震信号中任意两个时刻的相关性；第二自相关函数表示预测噪声干扰信号中任意两个时刻的相关性；互相关函数表示预测地震信号和预测噪声干扰信号的相关性。

步骤S14：基于第一自相关函数、第二自相关函数以及互相关函数，确定有效地震信号的能量系数特征方程。

其中，有效地震信号的能量系数特征方程用于表示有效地震信号的能量系数和特征因子间关系的方程，特征因子表示第一自相关函数、第二自相关函数以及互相关函数间的关系。

在本公开实施例中，确定出有效地震信号的能量系数特征方程，便于后续通过有效地震信号的能量系数特征方程确定出有效地震信号的能量系数。

步骤S15：基于有效地震信号的能量系数特征方程，确定有效地震信号的最佳有效地震信号能量系数。

其中，有效地震信号的最佳有效地震信号能量系数是第二自相关函数能量值最小时的有效地震信号的能量系数。

在本公开实施例中，第二自相关函数能量可以用第二自相关函数的平方求和表示，当第二自相关函数能量的能量最小时，表示采用该有效地震信号的能量系数能够准确地反映出预测噪声干扰信号中的有效地震信号的比例，进而基于该有效地震信号的能量系数可以提取出预测噪声干扰信号中的有效地震信号。

步骤S16：基于最佳有效信号能量系数和预测地震信号确定有效地震信号。

在本公开实施例中，将第二自相关函数能量值最小时的有效地震信号的能量系数作为最佳有效信号能量系数，此时从预测噪声干扰信号中提取出的有效地震信号更准确，提高处理得到的有效地震信号的保真度。

在本公开实施例中，通过预测地震信号的第一自相关函数、预测噪声干扰信号的第二自相关函数以及预测地震信号和预测噪声干扰信号的互相关函数，确定有效地震信号的能量系数特征方程。有效地震信号的能量系数特征方程用于表示有效地震信号的能量系数和特征因子间关系的方程，而特征因子可以表示第一自相关函数、第二自相关函数以及互相关函数间的关系，因此基于有效地震信号的能量系数特征方程，可以确定出第二自相关函数能量值最小时的有效地震信号的能量系数。基于第二自相关函数能量值最小时的有效地震信号的能量系数，可以将预测噪声干扰信号中包含的有效地震信号提取出来，避免有效地震信号被当成噪声干扰信号剔除，使得最终确定的有效地震信号更加准确，提高有效地震信号的保真度。

图2是本公开实施例提供的一种有效地震信号的提取方法的流程示意图。参见图2，该方法包括：

步骤S21：获取地震数据。

在本公开实施例中，地震数据中含有噪声干扰信号。

步骤S22：对获取的地震数据进行噪声压制处理，得到预测地震信号和预测噪声干扰信号。

在本公开实施例中，可以通过频率-空间域预测滤波的方法对地震数据进行噪声压制处理得到预测地震信号和预测噪声干扰信号。

在本公开实施例中，地震数据等于预测地震信号和预测噪声干扰信号的合集。即：

T_i＝N_i+S_i (1)

公式(1)中，T_i表示i时刻的地震数据；N_i表示i时刻的预测噪声干扰信号；S_i表示i时刻的预测地震信号。

由于能量和频率泄露，预测噪声干扰信号中包含着有效地震信号，预测噪声干扰信号可以表示为：

公式(2)中：α表示有效地震信号的能量系数，即预测噪声干扰信号中包含的有效地震信号的比例；表示i时刻的噪声干扰信号。

根据公式(2)可以得出，地震数据中的噪声干扰信号为：

而地震数据又等于有效地震信号和噪声干扰信号的合集，地震数据可以表示为：

其中：表示i时刻的有效地震信号。

根据公式(3)和(4)可以得出：

公式(5)中，β为预测地震信号中的有效信号能量系数。

β＝1+α (6)

可以通过后续步骤求出的α值，然后通过α求出β的值，最终确定有效地震信号。

图3示出了一种包含噪声的共中心点(英文：Common Midpoint，简称：CMP)道集地震数据。图4示出了一种预测地震信号的共中心点道集数据。图5示出了一种预测噪声干扰信号的共中心点道集数据。图5所示的数据等于图3所示的数据减去图4所示的数据。其中，横坐标表示共中心点的序号，纵坐标表示接收点接受数据的时间，单位为毫秒(ms)。图中的数据的波形变化表示在该时刻接收点接收到了信号。

由图3、图4和图5可知，使用噪声压制处理地震数据后得到的预测噪声干扰信号中仍然含有较强的有效地震信号，说明能量泄露严重，得到的预测地震信号的保真度较差。

其中，中心点指在进行人工模拟的地震数据时，发射点和接收点的中心点，每进行一次模拟实验，得到了中心点的地震数据称为中心点道集数据。每次实验可以调整发射点和接收点的位置，保证中心点的位置不变，此时的中心点被称为共中心点。

图6示出了一种包含噪声的共中心点道集地震数据振幅谱。图7示出了一种预测地震信号的共中心点道集数据振幅谱。图8示出了一种预测噪声干扰信号的共中心点道集数据振幅谱。其中图6表示图3中的包含噪声的共中心点道集地震数据的振幅谱，图7表示图4中预测地震信号的共中心点道集数据的振幅谱，图8表示图5中预测噪声干扰信号的共中心点道集数据的振幅谱。其中，横坐标表示频率(f)，单位为赫兹(Hz)，纵坐标表示振幅(英文：Amplitude)

由图6、图7和图8同样可以得到，使用噪声压制处理地震数据后得到的预测噪声干扰信号中仍然含有部分有效地震信号。

步骤S23：获取预测地震信号的第一自相关函数、预测噪声干扰信号的第二自相关函数以及预测地震信号和预测噪声干扰信号的互相关函数。

在本公开实施例中，通过第一自相关函数、第二自相关函数和互相关函数可以确定出预测地震信号和预测噪声干扰信号之间的关系，并通过后续的步骤可以确定出预测噪声干扰信号中的有效地震信号。

在本公开实施例中，地震数据中的噪声干扰信号的自相关函数为：

公式(7)中：P(k)表示噪声干扰信号的自相关函数；表示i+k时刻的噪声干扰信号。

将方程(2)代入方程(7)中，可以得出：

根据公式(8)可以得出：

第二自相关函数为：

第一自相关函数为：

互相关函数为：

其中，N_i表示i时刻的预测噪声干扰信号，N_i+k表示i+k时刻的预测噪声干扰信号，S_i表示i时刻的预测地震信号，S_i+k表示i+k时刻的预测地震信号；

k表示自相关函数延迟样点顺序号，k＝0,1,2，…，L，L为整数；

i表示时间样点顺序号，i＝1,2，…，M，M表示时间样点的总数，也即时窗参数时间样点数。M为正整数，且L≤M。

步骤S24：基于第一自相关函数、第二自相关函数以及互相关函数，确定有效地震信号的能量系数特征方程。

其中，有效地震信号的能量系数特征方程用于表示有效地震信号的能量系数和特征因子间关系的方程，特征因子表示第一自相关函数、第二自相关函数以及互相关函数间的关系。

下面介绍确定有效地震信号的能量系数特征方程的过程。

将公式(9)、(10)和(11)代入方程(8)，可以得出：

P(k)＝a(k)-b(k)α+c(k)α² (12)

令目标函数

公式(13)中，Q为第二自相关函数能量。

根据公式(13)令：

在公式(14)中，f₁、f₂、f₃、f₄和f₅分别表示特征因子。

把方程(14)代入方程(13)中，可以得出：

Q＝f₁+f₂α+f₃α²+f₄α³+f₅α⁴ (15)

在公式(15)两边同时对α求导数，并令导数为0，可以得出有效地震信号的能量系数特征方程：

步骤S25：基于有效地震信号的能量系数特征方程确定三次特征方程。

在本公开实施例中，通过确定有效地震信号的能量系数特征方程的三次特征方程，方便对有效地震信号的能量系数特征方程求解，进而确定有效地震信号的能量系数。

在本公开实施例中，三次特征方程可以表示为：

γ³+g₁γ+g₂＝0 (17)

公式(17)中，γ表示三次特征方程的特征根，g₁和g₂表示三次特征方程特征系数。

其中：

步骤S26：确定三次特征方程的特征根。

基于公式(17)可以确定出三次特征方程的三个特征根分别为：

其中：

公式(21)中，ω表示虚数常数因子，l表示虚数单位，l²＝-1。

步骤S27：基于三次特征方程的特征根，确定有效地震信号的最佳有效地震信号能量系数。

在本公开实施例中，如果所述三次特征方程有一个特征根，则基于所述一个特征根确定最佳有效地震信号能量系数；

如果所述三次特征方程有多个特征根，则基于所述多个特征根确定多个有效信号能量系数；基于所述多个有效信号能量系数，分别确定对应的第二自相关函数能量值；比较确定出的第二自相关函数能量值的大小，将最小的第二自相关函数能量值对应的有效地震信号能量系数作为最佳有效地震信号能量系数。

下面结合公式，详细介绍如何确定有效信号能量系数：

在本公开实施例中，有效信号能量系数表达式为：

公式(16)有三个解，α₁、α₂和α₃。即有效信号能量系数α₁、α₂和α₃分别为：

将α₁、α₂和α₃分别代入公式(15)，就可以得到三个第二自相关函数能量值。

其中，Q₁、Q₂和Q₃中最小值所对应的α就是最佳有效信号能量系数α_best。

即：

下面介绍如何确定最佳有效信号能量系数：

三次特征方程的特征值为：

(1)如果特征值D>0时，三次特征方程仅仅有一个实根γ₁，γ₁对应的α₁就是最佳有效信号能量系数α_best：

α_best＝α₁ (27)

(2)如果特征值D<0时，三次特征方程有三个不同的实根γ₁、γ₂和γ₃，对应的有效信号能量系数分别α₁、α₂和α₃；按照以下公式(24)计算三个第二自相关函数能量值Q₁、Q₂和Q₃。

其中，Q₁、Q₂和Q₃中最小值所对应的α就是最佳有效信号能量系数α_best，并根据公式(25)确定出最佳有效信号能量系数。

(3)如果特征值D＝0时，且g₁＝g₂＝0，特征方程有一个三重零根，即γ₁＝γ₂＝γ₃＝0；对应的有效信号能量系数α₁＝α₂＝α₃；那么最佳有效信号能量系数α_best：

α_best＝α₁ (28)

(4)如果特征值D＝0时，且特征方程有一个单实根γ₁，一个二重实根γ₂＝γ₃，对应的有效信号能量系数分别α₁和α₂；按照公式(24)分别两个噪声自相关函数能量值Q₁和Q₂；Q₁和Q₂中最小值所对应的α就是随机噪声衰减处理噪声中最佳有效信号能量系数α_best：

示例性地，将最佳有效信号能量系数α_best代入公式(30)，确定预测地震信号中的有效信号能量系数β_best。

β_best＝1+α_best (30)

然后将根据有效地震信号和预测地震信号的公式(31)确定有效地震信号。

即通过上述步骤可以确定出有效地震信号。

图9是本公开实施例提供的一种有效地震信号的共中心点道集数据。图10是本公开实施例提供的一种噪声干扰信号的共中心点道集数据。即图9所示的数据等于图3所示的数据减去图10所示的数据。

由图3、图9和图10可知，使用本公开的有效地震信号的提取方法处理地震数据后，得到的噪声干扰信号中的有效地震信号的较少，提高了处理得到的有效地震信号的保真度。有效地震信号能量得到有效恢复，噪声干扰信号的能量很小。

图11是本公开实施例提供的一种有效地震信号的共中心点道集数据振幅谱。图12是本公开实施例提供的一种噪声干扰信号的中心点道集数据振幅谱。其中，图11表示图9中有效地震信号的共中心点道集数据的振幅谱，图12表示图10中噪声干扰信号的共中心点道集数据的振幅谱。

图11和图8的振幅谱几乎完全相同，说明本公开提供的方法能够从预测噪声干扰信号中提取有效地震信号，保证处理得到的有效地震信号的保真度。且从图12可以看出使用本公开的有效地震信号的提取方法处理地震数据后，得到的噪声干扰信号中的有效地震信号的较少，有效地震信号能量得到有效恢复。

图13是本公开实施例提供的一种有效地震信号的提取装置的框图。参见图13，有效地震信号的提取装置包括：

第一获取模块101，被配置为获取地震数据；

处理模块102，被配置为对获取的地震数据进行噪声压制处理，得到预测地震信号和预测噪声干扰信号；

第二获取模块103，被配置为获取预测地震信号的第一自相关函数、预测噪声干扰信号的第二自相关函数以及预测地震信号和预测噪声干扰信号的互相关函数；

第一确定模块104，被配置为基于第一自相关函数、第二自相关函数以及互相关函数，确定有效地震信号的能量系数特征方程，有效地震信号的能量系数特征方程用于表示有效地震信号的能量系数和特征因子间关系的方程，特征因子表示第一自相关函数、第二自相关函数以及互相关函数间的关系；

第二确定模块105，被配置为基于有效地震信号的能量系数特征方程，确定有效地震信号的最佳有效地震信号能量系数，有效地震信号的最佳有效地震信号能量系数是第二自相关函数能量值最小时的有效地震信号的能量系数；

第三确定模块106，被配置为基于最佳有效信号能量系数和预测地震信号确定有效地震信号。

可选地，第二获取模块103，被配置为根据以下公式确定第一自相关函数、第二自相关函数和互相关函数。

第二自相关函数为：

第一自相关函数为：

互相关函数为：

其中，N_i表示i时刻的预测噪声干扰信号，N_i+k表示i+k时刻的预测噪声干扰信号，S_i表示i时刻的预测地震信号，S_i+k表示i+k时刻的预测地震信号；

k表示自相关函数延迟样点顺序号，k＝0,1,2，…，L，L为整数；

i表示时间样点顺序号，i＝1,2，…，M，M表示时间样点的总数，M为正整数，且L≤M。

可选地，第一确定模块104，被配置为采用如下公式作为有效地震信号的能量系数特征方程：

其中，

α表示有效地震信号的能量系数，f₁、f₂、f₃、f₄和f₅分别表示特征因子。

可选地，第二确定模块105，被配置为基于有效地震信号的能量系数特征方程确定三次特征方程；确定三次特征方程的特征根。

如果三次特征方程有一个特征根，则基于一个特征根确定最佳有效地震信号能量系数；如果三次特征方程有多个特征根，则基于多个特征根确定多个有效信号能量系数；基于多个有效信号能量系数，分别确定对应的第二自相关函数能量值；比较确定出的第二自相关函数能量值的大小，将最小的第二自相关函数能量值对应的有效地震信号能量系数作为最佳有效地震信号能量系数。

可选地，第二确定模块105，被配置为基于有效信号能量系数表达式和有效地震信号的能量系数特征方程，确定三次特征方程。

其中，所述有效信号能量系数表达式为：

三次特征方程为：

γ³+g₁γ+g₂＝0；

其中：

三次特征方程的三个特征根分别为：

其中：

ω表示虚数常数因子，l表示虚数单位，l²＝-1。

可选地，第二确定模块105，被配置为基于如下公式计算第二自相关函数能量值:

Q₁、Q₂和Q₃表示第二自相关函数能量值。

可选地，第三确定模块106，被配置为基于如下公式确定有效地震信号：

其中：β_best＝1+α_best；

表示有效地震信号，S_i表示预测地震信号，α_best表示最佳有效信号能量系数。

需要说明的是：上述实施例提供的有效地震信号的提取装置在提取有效地震信号时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的有效地震信号的提取装置与有效地震信号的提取方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图14是本公开实施例提供的一种计算机设备的框图。该计算机设备400可以为台式电脑，服务器或者其他类型的设备。参照图14，计算机设备400可以包括以下一个或多个组件：处理组件402，存储器404，电力组件406，多媒体组件408，音频组件410，输入/输出(I/O)的接口412，传感器组件414，以及通信组件416。

处理组件402通常控制计算机设备400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。

存储器404被配置为存储各种类型的数据以支持在计算机设备400的操作。这些数据的示例包括用于在计算机设备400上操作的任何软件程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件406为计算机设备400的各种组件提供电力。电力组件406可以包括电源管理系统，一个或多个电源，及其他与为计算机设备400生成、管理和分配电力相关联的组件。

多媒体组件408包括在计算机设备400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。

在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当计算机设备400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当计算机设备400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。

I/O接口412为处理组件402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件414包括一个或多个传感器，用于为计算机设备400提供各个方面的状态评估。例如，传感器组件414可以检测到计算机设备400的打开/关闭状态，组件的相对定位，例如组件为计算机设备400的显示器和小键盘，传感器组件414还可以检测计算机设备400或计算机设备400一个组件的位置改变，用户与计算机设备400接触的存在或不存在，计算机设备400方位或加速/减速和计算机设备400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像软件中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件416被配置为便于计算机设备400和其他设备之间无线方式的通信。在本公开实施例中，通信组件416可以接入基于通信标准的无线网络，如2G、3G、4G或5G，或它们的组合，从而实现物理下行控制信令检测。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。可选地，通信组件416还包括NFC模组。

在示例性实施例中，计算机设备400可以被一个或多个软件专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述有效地震信号的提取方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由计算机设备400的处理器420执行上述有效地震信号的提取方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

以上所述仅为本公开的可选实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。