0 引言

交叉感应噪声（Cross-Feed Noise，CFN）是海洋拖缆在采集过程中由于电缆等设备漏电而产生的异常噪声。CFN的典型特征是它在原始单炮上表现为一条或几条平行的直线，这也是电传导的特征。设备漏电后，电信号在整条缆上以光速传播，因此在地震资料上这种噪声在道与道之间几乎没有时差^[1-2]；同时，由于其振幅、相位和频率通常与有效信号非常接近，且在时空域上呈现随机性，增加识别和压制难度，目前中国尚缺乏对该噪声的有效压制方法。

由于不同采集仪器所用电信号的频率不同，因此在不同拖缆地震资料中，CFN的频率范围也有所差别。一般情况下，CFN的能量非常强，一旦在采集过程中检测到CFN，与该缆相关的地震资料将被标记为不可处理（Not to be Processed，NTBP），不参与后续处理；然而另一种情况是这种噪声的能量比较弱，这是由于仪器接收端的直流整流部分的泄漏造成大部分能量集中在低频端，因此在采集过程中很难被监测到，故不会被标记为NTBP。在海洋地震资料鬼波压制之后地震资料的低频成分会明显抬升，此时CFN会被凸显出来，达到无法忽略的程度。地震资料的低频成分对提高地震资料分辨率和反演稳定性具有非常重要的作用，因此海洋资料处理行业越来越重视地震资料的低频成分保护，而CFN混杂在有效信号中会大大降低低频资料的信噪比。如果这种噪声刚好出现在多次波的位置，会对多次波的建模和自适应减的结果产生影响，因此必须采取合理的手段对其进行压制。

在实际地震资料采集过程中，一旦出现CFN，必须立即对采集的资料进行评估，同时检查和修复拖缆及附着的设备。这可能会导致采集施工工期的延长，尤其是在漏电的电缆过多的情况下，需要重新采集这些航线的地震资料，进而急剧地增加地震资料采集成本。

本文所介绍的压制方法可以有效地识别和压制CFN，不仅能提高资料品质，还可以避免CFN造成的采集周期的延长，大大降低采集成本。

1 交叉感应噪声的识别和分类 1.1 交叉感应噪声的识别

CFN产生是电缆设备漏电所致，因此这种噪声在缆与缆之间共性较差，例如10条缆中可能会有一条或者几条缆出现完全不同时间和频率的噪声，可以根据噪声特征将其大致分为两类：第一类是高频强能量CFN，很容易在单炮上识别出来，这些单炮可以在采集初期分选出来；第二类是低频弱能量的CFN，在采集时很难被识别出来，因此在处理初期的原始资料分析阶段，运用分频扫描技术进行分析，可以有效识别。在处理过程中，建议在鬼波压制之后对其进行压制，这是由于鬼波压制后地震资料低频成分抬升，导致CFN凸显出来（图 1），因此更容易对其进行识别和针对性的压制。

对于存在强CFN的单炮，通过选择相邻的单炮进行横向压缩显示可以较容易地观测出其出现的时间在空间上大致是一条直线；但是对于弱CFN的单炮，仅凭肉眼很难识别其出现的位置。可根据它的传导特征，通过共炮点叠加（图 2）对其进行识别

$ {s}_{i}\left(t\right)=\sum\limits_{j=1}^{N}{x}_{j}\left(t\right) $

(1)

式中：i为炮叙号；$ N $为时窗内地震道数；$ {x}_{j}\left(t\right) $为时窗内的地震道。

在进行共炮点叠加时不应用加权叠加，这样可以将叠加后噪声的能量增强N倍，同时，由于单炮没有做动校正，其他信号由于相位不同，叠加后信号变弱，因此可以通过炮域叠加精确的识别出CFN在这一航线上出现的空间范围与规律。通过分析共炮点叠加道集可以发现，对于每一条航线，CFN出现的位置大致相同，只是振幅存在一定的差异。

1.2 交叉感应噪声的分类

在采集过程中，并不是所有航线的CFN的空间、时间分布特征和频率特征均一致，因此，必须对每一条航线进行单独调查。在上述共炮点叠加的基础上，对每一条航线进行共缆叠加（将整条缆的所有炮进行叠加）

$ c\left(t\right)=\sum\limits_{i=1}^{M}{s}_{i}\left(t\right)=\sum\limits_{i=1}^{M}\sum\limits_{j=1}^{N}{x}_{ij}\left(t\right) $

(2)

式中：M为每条缆总炮数；x_ij（t）为时间域地震记录。这样将每条航线的各个缆分别叠加成一道，此时，具有相同时间分布特征和相位特征的CFN再次增加M倍^[3]。对数据进行最终合并，形成整个工区地震剖面，这是具有统计意义的代表CFN的时间看到空间位置及强弱的剖面（图 3），从图中可以看到它的时空分布、强弱关系及频率特征。

最理想的噪声压制是在不伤害有效信号的基础上压制所有的噪声，但在实际生产中很难做到这一点^[4]。如果噪声能量较弱，而且它的频率特征和有效信号相近，则噪声识别和建模的有效性都会受到影响，在压制过程中不可避免地会伤及有效信息，因此设置合理的识别和建模门槛值来保护有效信号非常关键。

本文对共缆叠加剖面进行分析，通过设置合理的时窗来统计CFN的均方根振幅，为后续噪声建模和压制提供依据。以尼日利亚某深海拖缆项目为例，在该项目50条航线的资料中均出现了CFN，根据均方根振幅统计图（图 4），可将该区的CFN分为强、中、弱三类（图 5）。在本次噪声分类过程中，只对有效信号与振幅相差较大的中、强噪声相关的缆进行CFN识别及建模。因为如果信号与噪声振幅相差不大，CFN建模会受到其他噪声或有效信号的干扰，导致建模失败，而且在后续的偏移和叠加过程中，这类噪声的影响都会趋近于无。因此，建议只对非常强和中等强度CFN相关缆进行噪声压制。

2 交叉感应噪声压制方法及效果 2.1 噪声识别参数

CFN的频率特征与有效信号相近，因此设置合理的参数识别这种噪声非常关键，在上文提到通过共缆叠加可以有效统计CFN的分布，在这里，应用离散傅里叶变换，在给定的统计道数和时窗范围内，把共缆叠加剖面变换到F-x域^[4]，再针对每一个频率切片，进行均方根（RMS）振幅统计，判定异常能量。RMS振幅统计公式为

$ \mathrm{R}\mathrm{M}\mathrm{S}=\sqrt[]{\frac{1}{{N}_{x}}\sum\limits_{j=1}^{N}({A}_{j}{)}^{2}} $

(3)

式中：$ {N}_{x} $为滑动时窗的道数；$ A $为样点振幅。

滑动时窗的选择非常关键，为了最大程度地保护有效信号，优先选择较小的空间窗与时间窗；但对于不同的资料，必须通过滑动时窗试验确定最终参数。本文根据CFN的空间、时间分布范围，建议设置滑动时窗的空间窗为12~48道，时间窗为50~200 ms，保证至少在时窗内包含噪声的一个完整波形。

对于所有滑动时窗，求取均方根振幅的中值

$ \mathrm{R}\mathrm{M}{\mathrm{S}}_{\mathrm{m}\mathrm{e}\mathrm{d}}=\mathrm{m}\mathrm{e}\mathrm{d}\mathrm{i}\mathrm{a}\mathrm{n}\left(\mathrm{R}\mathrm{M}\mathrm{S}\right) $

(4)

当某时窗内的$ \mathrm{R}\mathrm{M}\mathrm{S} > \mathrm{T}\mathrm{H}\times \mathrm{R}\mathrm{M}{\mathrm{S}}_{\mathrm{m}\mathrm{e}\mathrm{d}} $时，代表需要对此时窗进行能量压制，其中$ \mathrm{T}\mathrm{H} $为能量识别门槛值。

对需要压制的数据，定义压制门槛值，对时窗内所有振幅，对A进行排序，一般异常能量不会超过实际数据的1/2，删除前面1/2的数据后，对剩余数据求取振幅中值

$ {A}_{\mathrm{m}\mathrm{e}\mathrm{d}}=\mathrm{m}\mathrm{e}\mathrm{d}\mathrm{i}\mathrm{a}\mathrm{n}\left({A}_{j}\right) $

(5)

对于能量超过定义压制门槛值（必须大于1）的振幅，用下面公式把振幅调整到正常范围内

$ {A}_{j}^{\text{'}}={A}_{j}f\left(\frac{{A}_{\mathrm{m}\mathrm{e}\mathrm{d}}}{{A}_{j}}\right) $

(6)

式中$ f\left(\frac{{A}_{\mathrm{m}\mathrm{e}\mathrm{d}}}{{A}_{j}}\right) $为正常振幅压制比值（等于1）和异常振幅压制比值（小于1）平滑后的压制函数。

经过所有时窗处理后，反变换到t-x域，获得异常能量的地震数据。

2.2 噪声模型建立

为了最大程度压制CFN并保护有效信号，提取上述异常能量地震数据，并保持其原有的振幅和相位特征，截取异常信号的上、下包络，建立共缆域的CFN的统计模型；然后，利用与针对噪声优势频带滤波后的炮数据进行互相关，求取每一道的时差后，对缆域交叉噪声模型应用时差校正；最后，根据单炮统计的道数并进行道复制与置道头，从而将CFN重建回炮域，最终获得炮集的噪声模型，为下一步自适应减做准备。

2.3 自适应相减法压制噪声

常规的自适应相减法没有考虑频带对自适应相减滤波算子的影响，导致低频相减后，会损伤部分其他频带的信号^[5-6]。为此，本文采用多道分频自适应迭代相减法，对CFN进行压制，很好地解决了自适应相减损失有效信号的问题。

由于产生CFN的设备与机理不尽相同，造成了在不同的项目中，CFN的主频也会有差异，因此在压制之前必须调查清楚噪声主频，进而针对性地设置自适应相减频段对其进行分频自适应减。在自适应相减的试验中也应加入逐级多次相减试验，在不伤有效的情况下，最大限度地压制这种噪声^[7-8]。从图 6的单炮噪声压制前、后的F-K谱对比可以看出，单炮CFN得到了有效的压制。

3 应用实例

本文以尼日利亚某深海拖缆项目为实例，验证本文方法的有效性。该项目为高密度采集，最大海底深度超过1500 m，资料的信噪比非常高，这种高信噪比资料在处理过程中对噪声压制的效果和精度也有严苛的要求。由于该项目采集过程中出现了低频CFN，而且这种噪声位于目的层段（4500~5500 ms），因此必须采用合理的方法进行压制。采用本文方法有效预测出低频CFN并建立了合理的噪声模型，最终通过多道分频自适应相减对该噪声进行压制，从图 7和图 8的叠加剖面及叠加剖面倍频程分析对比可以看出，低频端（0~16 Hz）的CFN得到了有效的压制。正是由于新处理技术和流程更加重视低频噪声的去除和低频信号的保护，研究区目的层段的低频资料信噪比和分辨率得到了很大的提升，新处理的资料反演的稳定性明显优于老资料，最终的处理效果相较老资料得到了大幅提升。

4 结束语

海洋拖缆交叉感应噪声作为海洋地震资料中的非常规噪声，其识别和压制都具有挑战性。由于交叉感应噪声混杂在有效信号中，不但会大大降低低频资料的信噪比，也会对近道多次波压制产生影响，因此必须采取合理的手段对其进行压制。随着海洋资料处理技术的不断进步，如何有效去除拖缆交叉感应噪声是亟需攻克的难关。

本文详细论述了拖缆交叉感应噪声的振幅、频率、空间与时间分布的基本特征与产生机理；详细阐述了拖缆交叉感应噪声的识别、分类，噪声建模与多道分频自适应减的方法，为相关噪声压制与质量监控提供参考与思路；以尼日利亚深海拖缆项目为例，验证了这种拖缆交叉感应噪声的压制方法的有效性，此方法可以最大程度地保护低频有效信号，提高目的层段低频资料的信噪比和分辨率。本文针对交叉感应噪声的压制方法为海洋拖缆资料处理提供了补充。