ANALISIS SINYAL GEOFISIKA LANJUT

SUMMARY PAPER

Seismic Data Denoising Based On The Fractional Fourier

Transformation
Ming-Yue Zhai
North China Electric Power University, Beijing, China, 2014

Oleh :
Titis Lestyowati 22314016
Anjar Evita 22314023

PROGRAM PASCA SARJANA TEKNIK GEOFISIKA

FAKULTAS TEKNIK PERTAMBANGAN DAN PERMINYAKAN
INSTITUT TEKNOLOGI BANDUNG
2014

1. Introduction
a. Permasalahan dalam sinyal adalah terdapatnya random nois.
b. Perlunya teknik mitigasi noise untuk menghilangkan noise (denoising) data
seismik.
c. FrFT menawarkan solusi alternatif yang menjanjikan untuk menghilangkan noise
(denoising) data seismik dalam domain time-frequency.
d. Prinsip FrFT adalah menguraikan sinyal dalam kombinasi linear dari komponen
sinyal dalam domain kerja FrFT tersebut.
2. Fundamentals of fractional Fourier Transformation
Dasar FrFT adalah literatur matematika dari transformasi Fourier. Persamaan FrFT
dapat didefinisikan sebagai:

(1)
Dengan Kernel

didefinisikan sebagai berikut (

(2)
Sebagai contoh, jika = 4k , k , yang FrFT menjadi identitas f4k ( , x ) = f ( ) ,
maka kernel dalam kasus tersebut:

(3)
selanjutnya dapat dinyatakan sebagai:
(4)
Di mana N N DFTmatrix F memiliki entri yang akar Nth persatuan
(5)
Sehingga

(6)
Definisi Fourier pecahan diskrit transformasi kemudian mudah diberikan sebagai
perkalian dengan (pecahan) kekuatan matriks Fourier.
3. The Proposed Noise Mitigation Based on the FrFT Transform
a. FrFT dapat menguraikan sinyal dalam satu dimensi ( t domain dalam kasus kami )
menjadi dua dimensi ( [a , ] domain ) . Pertama dimensi , yang disebut urutan
pecahan , adalah domain pecahan, sedangkan dimensi kedua dapat diartikan

sebagai makna yang berbeda sesuai dengan properti sinyal dan nilai pertama
domain a.
b. Skema FrFT terdiri dari dua langkah . Langkah pertama adalah penyaringan
sinyal biasa dalam domain frekuensi, sedangkan seismik disaring sinyal diproses
lebih lanjut oleh pemisahan sinyal FrFT di langkah kedua
4. Application of the FrFT to Seimic Signal Filtering
Metode yang diusulkan diterapkan dalam 3 cases, antara lain :
a. The Ricker Wavelet
Pada Ricker Wavelet, hasilnya menunjukkan bahwa metode yang diajukan pada paper
ini(FrFT method) memiliki performance yang baik, error dan relative errornya lebih
kecil dibandingkan dengan conventional methods.Hasilnya dapat dilihat pada Gambar
2b, 2c dan 2d.
b. The Convolution Model
Untuk menampilkan dari metode FrFT filter yang digagaskan, peneliti
mengaplikasikannya sinyal seimik dari model konvolusi. Pada model tersebut
digunakan koefisien Ricker Wavelet dan Gauss-Bounulli. Hasilnya menunjukkan
bahwa performance dan reconstruction yang lebih bagus, serta error dan relative
error yang lebih kecil pada metode FrFT filter dibandingkan Conventional filter.
Hasilnya dapat dilihat pada Gambar 1 dan 3.
c. Measurements
Sinyal seismik dan residual noise tidak dapat dipisahkan secara langsung dalam
domain frekuensi, sebab residual noise dan sinyal seismik memiliki rentang frekuensi
yang sama. Ketika FrFT filter diterapkan pada data, hasilnya lebih bagus dari pada
ordinary filter. Hailnya dapat dilihat pada Gambar 4.
5. Kesimpulan
Metode FrFT Filtering yang diusulkan dalam paper ini, memiliki beberapa kelebihan,
diantaranya :
1. Memiliki performance yang lebih bagus
2. Recontruksi sinyalnya lebih bagus
3. Mean Errornya lebih kecil
4. Relative errornya lebih kecil