PointmodeScale:
XYScaledPlot: datanya
benar-benar diplot ke
jendela saat ini disediakan
dua pilihan skala XScale
dan YScale diatur ke 1. The
Pilihan bisa digunakan untuk ukuran kecil
data (beberapa jejak) atau jika Anda ingin menampilkan dataset lengkap ke menu utama (opsi
Zoom
tersedia - lihat juga pilihan Xscale dan Yscale)). Tanpa zoom dan besar
dataset resolusi layar cukup buruk.
PixelPerSample: ukuran plotting setiap titik data diberikan pada piksel layar.
Zoom atau rescaling hanya mungkin dilakukan dalam arah y (pilihan Yscale). Pilihan
mungkin berguna untuk data yang besar.
PixelsPerTrace: jarak antara jejak berturut-turut diberikan di layar
piksel. Rangkaian waktu yang lengkap dari setiap jejak diplot sesuai dengan
ukuran jendela saat ini Tidak ada kemungkinan zooming yang tersedia. Sebagai contoh
Pilihan ini bisa digunakan untuk data besar (banyak jejak).
EnergyDecay: MALA RD3 GPR-date adalah data mentah tanpa ada keuntungan dalam
timedirection.
Karena itu aktifkan opsi ini jika tidak ada filter keuntungan (lihat juga panduan penyaringan)
telah diterapkan pada data GPR untuk mengkompensasi pembusukan energi
bersama waktu.
AmplitudeScale: parameter ini mengontrol kontras tampilan data.
Pada gambar di bawah Anda melihat data menggunakan parameter plot yang ditunjukkan di
gambar di atas. Untuk dipertimbangkan: Biasanya data harus disaring (lihat panduan
penyaringan).
Filter utamanya adalah:
koreksi statis untuk mengimbangi waktu tunda kedatangan pertama.
y (waktu) -gain
dewow
1. Defining the sequence during the filtering of a single example file (see
section II).
Untuk itu anda harus selalu mengaktifkan pilihan SequenceProc. Kapan memasukkan salah
satu menu filter Kemudian menu SequenceProcessing terbuka di Selain itu dan Anda bisa
menambahkan Langkah filter saat ini ke pemrosesan mengalir menggunakan pilihan
AddCurrentProc. Langkah AddCurrentProc. harus dilakukan setelah telah menentukan
parameter filternya dan sebelum menutup filter saat ini menu (misalnya antara langkah 5 dan
langkah 6 dalam bab II). Setelah melakukan semua filter yang diinginkan langkah untuk
contoh file termasuk menambah urutannya memproses Anda mungkin simpan arus urutan
pengolahan pada a file terpisah menggunakan pilihan SaveSequence Seperti pengolahan
urutan file mungkin dimuat pada apapun waktu menggunakan pilihan LoadSequence.
Biasanya langkah pemrosesan saat ini ditambahkan pada akhir pemrosesan urutan tetapi juga
possbile untuk memasukkannya ke posisi manapun. Untuk itu kamu harus klik pada langkah
pemrosesan yang diinginkan (tanda centang muncul) langkah saat ini harus termasuk
sebelum. Hal ini juga possbile untuk menghapus langkah pemrosesan khusus dari aliran
pemrosesan. Untuk itu Anda harus mengklik langkah pemrosesan yang diinginkan (tanda
centang muncul) Panduan pengguna - menyaring data yang diimpor 32 lalu gunakan opsi
DeleteProc. untuk menghapus langkah pemrosesan ini. Untuk dipertimbangkan: untuk
beberapa langkah pemrosesan di mana Anda harus memasukkan pengolahan nilai oleh mouse
atau dalam tabel nilai-nilai ini harus disimpan pada file ASCII sebelum menentukan /
memulai pemrosesan urutan. Untuk berikut langkah-langkah pengolahan nilai edit dibaca dari
sebuah file: gain manual (y), gain manual (x), koreksi statis, muting dan fk-filter. Karena itu
saat Anda menambahkan misalnya langkah pengerjaan koreksi statis Untuk aliran
pemrosesan urutan pertama Anda harus memasukkan koreksi statis yang diinginkan nilai dan
kemudian Anda harus menekan opsi simpan dalam koreksi statis menu. Pilihan menyimpan
menyimpan nilai edit saat ini pada file ASCII di bawah tentukan direktori dengan nama yang
benar dan ekstensi yang mudah dipilih. Ini Datafile diminta saat Anda memulai pemrosesan
urutan yang mana termasuk koreksi statis (lihat butir 2).
1.11.1 1D-Filter
Kemungkinan filter berikut disertakan dalam kelompok filter 1D:
Meanfilter
Medianfilter
bandpassfrequency
Bandpassbutterworth
filter / timedependent
notchfilter / frequ.
lonjakan spektrum
dekonvolusi
dekonvolusi / shap
kurangi mean (dewow)
kurangi-DC-shift
crosscorrelation
korelasi otomatis
resampling
bandpass walsh
membentuk
ekstrak wavelet
Untuk semua filter yang tersedia dalam grup ini jejak asli ditampilkan bersama
jejak yang disaring saat ini, spektrum jejak asli dan spektrumnya
jejak yang disaring saat ini. Dengan crosscorrelation filter diaktifkan juga
jejak referensi ditunjukkan.
Panah dekat jejak asli dan spektrum asli digunakan untuk meningkatkan
resolusi jendela jejak dan spektrum. Jejak atau spektrumnya
Terentang ke atas dan ke bawah saat menggunakan panah ini. Skala spektrumnya adalah Hz,
jika
skala waktu dalam mili detik dan MHz, jika skala waktu dalam nano-detik,
masing-masing.
Selain panah zoom ada tombol spin yang setara
memungkinkan untuk memindahkan titik awal dari jejak primer dan disaring serta dari
spektrum yang sesuai.
Nomor jejak untuk jejak yang akan ditampilkan dalam jejak dan spektrum
windows dapat dipilih dengan menggunakan option trace number atau dengan mengklik di
File utama menggunakan tombol kiri mouse.
Parameter saringan untuk setiap langkah pemrosesan dimasukkan ke dalam
kelompok parameter filter Panah atas / bawah di dekat bidang masukan memungkinkan
ubah nilai masuk aktual dengan + atau - 10%. Dengan pilihan Apply on
contoh jejak mengaktifkan efek dari parameter filter yang dikendalikan secara online
saat mengubah parameter dengan menunjukkan jejak asli dan yang disaring.
Panah di dekat bidang masukan mungkin paling baik digunakan untuk interaktif semacam itu
kontrol. Nonaktifkan parameter ini jika kontrol ini memakan terlalu banyak waktu komputer.
Setelah menentukan parameter filter, Anda harus memasukkan label pemrosesan
(pilihan ProcessingLabel). Jika sudah ada kumpulan data dengan nama yang sama, misal.
Juga dengan label yang sama, itu ditimpa setelah memulai pengolahan.
Mengaktifkan opsi urutan proc. Selain itu buka Sequence
Menu pengolahan Dengan menu ini dibuka Anda dapat dengan mudah menambahkan arus
langkah pengolahan ke arus pemrosesan urutan yang dapat diterapkan pada a
Jumlah baris yang dipilih.
Mengaktifkan pilihan yang dekat setelah diproses memungkinkan untuk menutup secara
otomatis
menu pengolahan setelah melakukan pengolahan.
1.11.1.1 Meanfilter
Filter bertindak pada setiap jejak secara independen.
Filter melakukan mean pada jumlah sampel waktu yang dapat dipilih untuk setiap langkah
waktu.
Rentang parameter parameter menentukan lebar jendela pada sampel di atas
yang rata-rata amplitudo jejak dilakukan. Dengan sebuah jendela
lebar 4 sampel nilai rata-rata arus, dua sebelumnya dan keduanya
Berikut contoh jejak dihitung dan ditugaskan ke sampel saat ini sebagai
sebuah nilai baru Jika antara sampel saat ini dan awal atau akhir a
jejak berbaring sampel lebih sedikit dari setengah lebar jendela lebar jendela adalah
menurun di satu sisi.
Pengaruh rata - rata nilai rata - rata ini sesuai dengan filter lowpass di
domain waktu, yang lebih terasa semakin besar lebar jendela yang dipilih.
Filter ini jauh lebih cepat daripada aplikasi filter lowpass, mis. Sebuah
bandpass filter, tapi tidak seperti variabel.
1.11.1.2 Medianfilter
Filter bertindak pada setiap jejak secara independen. Filter menampilkan nilai rata-rata
jumlah sampel waktu yang dapat dipilih untuk setiap langkah waktu.
Rentang parameter parameter filter menentukan lebar jendela pada sampel
di mana rata-rata amplitudo jejak dilakukan. Dengan sebuah jendela
lebar 4 sampel sampel saat ini, dua sebelumnya dan dua berikut
Sampel dari jejak diurutkan sesuai nilainya. Median ini
Contoh, yaitu nilai ketiga terbesar atau terkecil ketiga, masing-masing
ditugaskan kemudian ke sampel saat ini. Jika antara sampel saat ini dan
Awal atau akhir jejak terletak lebih sedikit sampel daripada separuh lebar jendela
lebar jendela menurun di satu sisi.
Dengan parameter min. kemiringan (%) sampel dimana filter median harus
Terapkan bisa dibatasi. Pertama maks. perbedaan absolut antara
Sampel berturut-turut dalam profil lengkap akan dihitung. Lalu
Saringan median hanya akan diterapkan jika perbedaan absolut untuk sampel sebenarnya
lebih besar dari pada persentase (diberikan oleh parameter min. slope (%)) ini
maks. perbedaan. Menentukan parameter ini memungkinkan Anda misalnya hanya
lepaskan paku (yang menunjukkan perbedaan absolut yang sangat besar) tanpa
mempengaruhi
sisa data.
Saringan median dapat digunakan untuk menghapus lonjakan data. Itu
Efek lowpass dari median filter semakin kuat semakin besar jendela yang dipilih
lebar.
1.11.1.3 Bandpassfrequency
Filter bertindak pada setiap jejak secara independen. Di sini Anda bisa menerapkan filter
bandpass untuk masing-masing jejak. Filter bekerja dalam domain frekuensi. Tiga jenis
penyaringan bandpass yang berbeda tersedia: cos-taper, cos ** 2-laper, butterworth dan
mentega tinggi / rendah ..
Band filter untuk tipe cos-taper dan cos ** 2-taper ditentukan oleh
pengaturan dari empat nilai frekuensi. Poin pertama menentukan low cut
frekuensi, yang kedua awal dataran tinggi (lower plateau).
Antara frekuensi rendah dan awal dataran tinggi filternya
Diwakili oleh jendela kosinus atau kosinus ** 2 jendela. Ketiga
Titik menentukan akhir dataran tinggi (upper plateau) dan yang keempat tinggi
memotong frekuensi Antara titik-titik ini filter diwakili oleh cosinewindow
atau kosinus 2 jendela juga. Spektrum frekuensi di bawah potongan rendah
dan di atas frekuensi potong tinggi ditetapkan ke nol. Dengan pilihan yang sesuai
poin dari bandpass baik lowpass atau highpass bisa kira-kira
menyadari. Kisaran kosinus digunakan untuk menekan gema yang tidak diinginkan
dihasilkan dari operator filter. Kisaran kosinus harus disesuaikan dengan
amplitudo spektral yang ada pada frekuensi tinggi dan rendah. Jika spektral
amplitudo cukup rendah, kisaran kosinusnya bisa menurun.
Filterband untuk butterworth tipe dan high / low butter. ditentukan oleh
pengaturan dari dua nilai frekuensi cutoff yang lebih rendah dan cutoff atas. Itu
deskripsi filter diberikan di Kanasevitch (1981). Jenis butterworth menggunakan
frekuensi yang ditransformasikan yang akan digunakan untuk definisi transfer
fungsi bandpass. Jenis mentega tinggi / rendah. berlaku baik highpass dan
filter Butterworth lowpass pada data dalam satu langkah untuk mensimulasikan a
bandpass Urutan parameter menentukan urutan filter butterworth. Itu
Semakin tinggi order semakin tinggi maka roll-off fungsi transfer yang ada pada
Hal lain menyebabkan gema yang lebih besar. Oleh karena itu kompromi yang baik pastinya
ditemukan di antara gema dan ingin passband.
Nilai frekuensi dapat diatur secara manual atau dalam frekuensi
spektrum jejak contoh asli. Untuk itu aktifkan filter yang diinginkan
parameter dengan hanya memasukkannya dan kemudian memilih nilai frekuensi yang
diinginkan menggunakan
tombol kiri mouse dalam spektrum frekuensi. Filter yang diaktifkan
parameter secara otomatis diperbarui
Kebisingan dapat ditekan dengan filter bandpass bila berbeda dari sinyal
dalam konten frekuensinya. Dianjurkan untuk memilih jejak yang berisi keduanya
bagian kebisingan yang signifikan dan sinyal untuk pengaturan parameter filter.
1.11.1.4 Bandpassbutterworth
Filter bertindak pada setiap jejak secara independen. Di sini Anda bisa menerapkan bandpass
penyaringan dalam domain waktu menggunakan filter rekursif.
Band filter ditentukan oleh pengaturan dua nilai frekuensi. Titik pertama
menentukan frekuensi rendah, yang kedua adalah frekuensi potong yang tinggi.
Spektrum frekuensi dibawah low cut dan di atas high cut frequency tersebut
set ke nol Dengan pilihan yang sesuai dari titik-titik bandpass baik a
lowpass atau highpass bisa direalisasikan.
Nilai frekuensi dapat diatur secara manual atau dalam frekuensi
spektrum jejak contoh asli. Untuk itu aktifkan filter yang diinginkan
parameter dengan hanya memasukkannya dan kemudian memilih nilai frekuensi yang
diinginkan menggunakan
tombol kiri mouse dalam spektrum frekuensi. Filter yang diaktifkan
parameter secara otomatis diperbarui
Kebisingan dapat ditekan dengan filter bandpass bila berbeda dari sinyal
dalam konten frekuensinya. Dianjurkan untuk memilih jejak yang berisi keduanya
bagian kebisingan yang signifikan dan sinyal untuk pengaturan parameter filter.
1.11.1.5 Filter/timedependent
Filter bertindak pada setiap jejak secara independen. Di sini Anda bisa menerapkan
timedependent
Penyaringan bandpass dalam domain waktu menggunakan filter rekursif.
Band filter ditentukan oleh pengaturan dua pasangan nilai frekuensi. Pertama
pasangan nilai frekuensi berlaku untuk waktu-mulai dan nilai frekuensi kedua
Pasangan ini berlaku untuk jangka waktu setiap jejak. Poin pertama dari masing-masing
pasangan menentukan
Frekuensi rendah, yang kedua dari masing-masing pasangan memiliki frekuensi potong
tinggi.
Spektrum frekuensi dibawah low cut dan di atas high cut frequency tersebut
set ke nol Batas filter baru dihitung untuk setiap nilai waktu berdasarkan
pasangan nilai input (interpolasi linier). Penyaringan Butterworth dilakukan dengan
menggunakan
batas filter yang dihitung ini.
Contoh: Anda ingin meningkatkan efek filter lowpass dengan waktu karena
kebisingan frekuensi tinggi yang lebih kuat untuk waktu yang lebih besar:
atur pasangan filter pertama yang menghasilkan bandpass besar (misalnya f1 = 100 MHz dan
f2 = 500
MHz).
atur pasangan filter kedua sehingga menghasilkan bandpass yang lebih kecil (misalnya f1 =
100 MHz dan
f2 = 300 MHz).
Dengan menggunakan nilai-nilai ini, konten frekuensi tinggi dari data yang disaring lebih
kecil
Waktu dipertahankan sedangkan untuk kali lebih besar konten frekuensi ini disaring
di luar.
Sesuai dengan filter bandpassbutterworth, nilai frekuensi dapat ditetapkan
baik secara manual atau dalam spektrum frekuensi jejak contoh asli.
Untuk itu aktifkan parameter filter yang diinginkan dengan hanya memasukkannya lalu pilih
nilai frekuensi yang diinginkan menggunakan tombol kiri mouse dalam frekuensi
spektrum. Parameter filter yang diaktifkan akan diperbarui secara otomatis.
1.11.1.8 Deconvolution
Filter bertindak pada setiap jejak secara independen.
Filter memungkinkan penerapan a
dekonvolusi pada profil Ini adalah apa yang disebut spiking-deconvolution, yaitu itu
mencoba menciptakan spektrum yang sangat broadband dan halus (sesuai dengan
spektrum lonjakan). Program ini menggunakan algoritma rekursi Levinson
(Metode Wiener-Filter). Untuk setiap jejak autokorelasi di atas predefinable
Jumlah sampel dihitung dan digunakan sebagai sinyal masukan untuk Levinson-
Algoritma, yang menghitung secara rekursif jejak dekonvolusi-filter. Lalu
Jejak jejak dipecahkan dengan jejak asli.
Deconvolution ini sekaligus membutuhkan empat parameter (awal dan akhir dari
kisaran autokorelasi, panjang jejak filter, porsi white noise dalam persen).
Dengan spesifikasi awal (autocorr.start) dan akhir rentang
untuk autocorrelation (autocorr.end) kontrol tertentu dari efek dari
dekonvolusi itu mungkin Untuk penindasan kelipatan misalnya itu
diperlukan untuk memilih rentang waktu yang besar untuk autokorelasi, sedangkan yang
kecil
Rentang cukup bila "hanya" sinyal asli harus ditransformasikan kembali
menjadi lonjakan
Panjang jejak filter (panjang filter parameter) biasanya tetap kecil.
Ini harus lebih kecil dari atau sama dengan kisaran autokorelasi.
Untuk menstabilkan proses dekonvolusi white noise (parameter noise (perc.))
harus ditambahkan ke data. Parameter masukan kebisingan (persen) menentukan
bagian dari white noise. Nilai yang terlalu tinggi menyebabkan tidak mencukupi
kinerja dekonvolusi, nilai yang terlalu rendah menyebabkan masalah stabilitas.
1.11.1.9 Deconvolution/shap.
wavelet membentuk:
Tujuan wavelet-shaping adalah membentuk wavelet dari sinyal output mis. untuk
memperbaiki sifat fase minimum wavelet sinyal keluaran. Itu
jenis dekonvolusi sinyal apapun memungkinkan untuk memuat bentuk gelombang yang
diinginkan baru dari a
datafile refleks mandiri (lihat juga opsi pemrosesan, chap.
1.11.1.15). Tipe dekonvolusi nol fase dan min. fase mengubah
sinyal input wavelet ke fase nol atau fasa minimum yang sesuai
koncah. Dalam prakteknya perbedaan dalam mentransformasi wavelet nol-fasa atau a
wavelet fase minimum seringkali kecil. Sebagai transformasi ke fase minimum
wavelet membutuhkan lebih banyak waktu komputasi kita lebih suka tipe dekonvolusi nol
tahap. Dalam prakteknya, isyarat masukan adalah fase campuran dan dekonvolusi terbaik
dilakukan dengan lag yang sesuai dengan waktu energi maksimal pada input
wavelet singnal
dekonvolusi prediktif:
Tujuan dekonvolusi prediktif adalah supresi kelipatan atau
gema. Output yang diinginkan adalah waktu maju (parameter lag) versi
sinyal input Untuk menekan kelipatan pilih lag coresponding ke
Waktu perjalanan dua arah, untuk menekan gema memilih jeda kecil
sesuai dengan durasi revreberasi esensial. Jika sinyal input ist
fase campuran sebuah dekonvolusi spiking atau pembentukan wavelet dapat memperbaiki
hasilnya
dari dekonvolusi prediktif berikut ini.
Jika bentuk sinyal sangat bervariasi dari jejak untuk melacak dekonvolusi
mengurangi koherensi spasial refleksi. Hal ini disebabkan oleh perubahan yang kuat
dari autokorelasi dari jejak ke jejak. Untuk mengatasi masalah ini gunakan
parameter berarti auto Dengan parameter ini set mean dari semua
trace-autokorelasi digunakan untuk menghitung deconvolution-filter. Semua jejaknya
deconcolved dengan deconvolution-filter yang sama dan koherensi spasial akan
mempertahankan.
Dekonvolusi itu sama sekali membutuhkan tiga parameter (awal dan akhir dari
kisaran autokorelasi, panjang jejak filter). Dengan spesifikasi
awal (autocorr.start) dan akhir rentang untuk autokorelasi
(autocorr.end) kontrol tertentu dari efek dekonvolusi itu mungkin dilakukan.
Untuk penindasan kelipatan misalnya perlu untuk memilih waktu yang besar
kisaran untuk autokorelasi, sedangkan rentang kecil cukup bila
Sinyal asli harus ditransformasikan menjadi spike. Panjang jejak filter (parameter filter
length) biasanya bisa dijaga tetap kecil. Itu harus lebih kecil dari atau
sama dengan kisaran autokorelasi. Lag (lag parameter) harus lebih kecil dari
panjang filter Parameter autocorr.start, autocorr.end, filter
panjang dan lag diberikan dalam dimensi waktu saat ini.
Pilihan yang dijalankan memungkinkan untuk menerapkan dekonvolusi beberapa kali
menggunakan yang sama
parameter. Gambar di sebelah kiri menunjukkan data asli yang menunjukkan perbedaan
kelipatan dari permukaan. Gambar tengah menunjukkan hasilnya setelah satu
dekonvolusi prediktif, panel kanan menunjukkan hasilnya setelah 7 putaran.
1.11.1.11 Subtract-DC-shift
Filter bertindak pada setiap jejak secara independen. Pilihan ini memungkinkan yang disebut
nol
Maksudnya, yaitu pengurangan dari pergeseran konstan waktu yang ada.
Sebagai parameter filter dua nilai waktu (1.time dan 2.time) harus dimasukkan. Dalam
Rentang waktu ini rata-rata dihitung untuk setiap jejak yang selanjutnya
dikurangi dari semua sampel dari masing-masing jejak. Oleh karena itu harus dijamin itu
nilai rata-rata dalam rentang waktu yang sesuai sesuai dengan pergeseran yang Anda
inginkan
untuk mengeliminasi.
1.11.1.16 Shaping
Pilihan ini memungkinkan untuk mengubah bentuk gelombang karakteristik profil menjadi
yang baru
yang diinginkan
Bentuk gelombang baru yang diinginkan
wavelet input karakteristik harus
ada dalam Reflexw independen
datafile Dua dataflex refleks
mungkin mengandung satu atau lebih jejak tapi
Bagaimanapun hanya jejak pertama yang akan terjadi
dianggap sebagai yang baru
wavelet masukan yang diinginkan dan lama. Seperti itu
wavelet dapat dengan mudah diekstraksi
dari profil mana pun menggunakan opsi
ekstrak wavelet (bab 1.11.1.16).
Setelah memilih yang diinginkan ini
dan masukan bentuk gelombang file filter
panjang dan pergeseran waktu harus
masuk Secara default filterlength
dan timeshift sama panjangnya
wavelet yang diinginkan Penskalaan
faktor memungkinkan untuk memasukkan a
faktor perkalian dimana data dikalikan setelah terbentuk
Amplitudo yang diinginkan dan bentuk gelombang karakteristik harus berada di
urutan yang sama
Wavelet beban pilihan memungkinkan untuk memuat ulang wavelet masukan yang
diinginkan dan masukan.
Pilihan yang benar dari panjang filter dapat mengurangi efek filter yang diinduksi
prekursor Dua gambar berikut (point and wiggle mode) menunjukkan sebuah
contoh. Pada panel kiri, data asli akan ditampilkan. Panel tengah menunjukkan
Hasilnya menggunakan panjang filter yang lebih besar dari panjang wavelet yang diinginkan
dan panel kanan menunjukkan hasilnya dengan panjang filter sama dengan wavelet yang
diinginkan.
panjangnya.
Saringan pembentuknya bisa digunakan misalnya untuk mengurangi panjang
bentuk gelombang (misalnya karena gema).
1.11.2 Gain
Kemungkinan filter berikut untuk mengubah gain termasuk dalam gain
kelompok:
AGC-Gain
peluruhan energi
fungsi keuntungan
hapus keuntungan header
div.compensation
keuntungan manual (y)
keuntungan manual (x)
windowgain skala (x)
peluruhan x-jarak (db)
ganti rugi
menormalkan profil
menormalkan file 3D
Untuk beberapa filter yang tersedia dalam grup ini jejak asli ditampilkan bersama-sama
dengan jejak yang disaring saat ini, spektrum jejak asli dan
spektrum jejak yang disaring saat ini. Dengan peluruhan energi filter yang diaktifkan
Selain itu jejak referensi diperlihatkan.
Panah dekat jejak asli dan spektrum asli digunakan untuk meningkatkan
resolusi jendela jejak dan spektrum. Jejak atau spektrumnya
Terentang ke atas dan ke bawah saat menggunakan panah ini. Skala spektrumnya adalah Hz,
jika
skala waktu dalam mili detik dan MHz, jika skala waktu dalam nano-detik,
masing-masing.
Selain panah zoom ada tombol spin yang setara
memungkinkan untuk memindahkan titik awal dari jejak primer dan disaring serta dari
spektrum yang sesuai.
Saat mengaktifkan opsi perolehan manual (y) atau gain manual (x), sebuah tabel akan
muncul.
Dengan opsi gain manual (x) aktifkan input yang bisa dimasukkan
secara interaktif dalam profil asli atau menggunakan input tabel. Dengan pilihannya
gain manual (y) mengaktifkan jendela baru yang memungkinkan interaktif
masukan kurva gain baru lagi dengan kemungkinan memasukkan nilai di dalamnya
meja. Pilihan save and load memungkinkan untuk menyimpan nilai edit saat ini ke sebuah
File ASCII dan untuk memuat nilai edit yang diinginkan dari file, masing-masing.
Nomor jejak untuk jejak yang akan ditampilkan dalam jejak dan spektrum
windows bisa dipilih dengan menggunakan option trace number.
Parameter saringan untuk setiap langkah pemrosesan dimasukkan ke dalam
kelompok parameter filter Panah atas / bawah di dekat bidang masukan memungkinkan
ubah nilai masuk aktual dengan + atau - 10%. Dengan pilihan Apply on
contoh jejak mengaktifkan efek dari parameter filter yang dikendalikan secara online
saat mengubah parameter dengan menunjukkan jejak asli dan yang disaring.
Panah di dekat bidang masukan mungkin paling baik digunakan untuk interaktif semacam itu
kontrol. Nonaktifkan parameter ini jika kontrol ini memakan terlalu banyak waktu komputer.
Setelah menentukan parameter filter, Anda harus memasukkan label pemrosesan
(pilihan ProcessingLabel). Jika sudah ada kumpulan data dengan nama yang sama, misal.
Juga dengan label yang sama, itu ditimpa setelah memulai pengolahan.
Mengaktifkan opsi urutan proc. Selain itu buka Sequence
Menu pengolahan Dengan menu ini dibuka Anda dapat dengan mudah menambahkan arus
langkah pengolahan ke arus pemrosesan urutan yang dapat diterapkan pada a
Jumlah baris yang dipilih.
Dalam panel rentang jarak Anda dapat membatasi jejak filternya
akan diterapkan Dengan semua jejak mengaktifkan semua jejak dalam profil akan diambil
memperhitungkan. Dengan opsi yang dinonaktifkan Anda dapat memasukkan 1. dan jejak
terakhir untuk
menerapkan filter.
1.11.2.1 AGC-Gain
Filter bertindak pada setiap jejak secara independen. Filter keuntungan memfasilitasi
pembuatan
dari amplitudo terdistribusi sama dalam arah y (biasanya sumbu waktu) dalam a
jendela yang dapat ditentukan Informasi dari amplitudo sebenarnya hilang, tentu saja.
Panjang jendela parameter filter menentukan ukuran jendela pada yang diberikan
timedimension Program ini menghitung pada awalnya amplitudo rata-rata di atas
rentang waktu total untuk setiap jejak. Setelah itu skala program masing-masing amplitudo
nilai dengan cara itu amplitudo rata-rata memiliki nilai yang sama untuk masing-masing
pilihan
jendela di sekitar nilai saat ini dalam jejak. Ukuran jendela
menentukan jenis distribusi kesetaraan amplitudo. Ukuran jendela hanya satu
Peningkatan sampel berarti setiap sampel dalam satu jejak menerima
Nilai amplitudo yang sama (tidak ada pilihan yang masuk akal), ukuran jendela dari
keseluruhan jejak
panjang tidak menyebabkan modifikasi amplitudo. Ukuran jendela kecil menyebabkan a
Distribusi kesetaraan yang kuat, jendela besar yang lemah.
Setelah penerapan AGC semua titik data secara otomatis dikalikan dengan a
faktor penskalaan. Anda harus memilih faktor ini sedemikian rupa sehingga semua amplitudo
nilai berada dalam 16 bit data jika format REFLEX Anda adalah 16 bit Integer. Jika tidak,
amplitudo tersebut secara otomatis dibatasi pada nilai 32000 atau -32000 dalam hal ini
kasus. Jika format REFLEX Anda adalah floating point 32 bit, nilai penskalaan dapat
ditetapkan
ke 1.
Opsi maks. Keuntungan dapat digunakan untuk membatasi keuntungan untuk setiap sampel.
Pilihan normalisasi melakukan normalisasi jejak. Jika opsi ini aktif
maks. nilai normalisasi harus dimasukkan Pilihan ini secara default diatur ke 2048.
Setiap nilai bisa dimasukkan tapi jika data sudah disimpan menggunakan salah satu dari 16
bit format integer maks. nilai harus berada dalam kisaran 16 bit integer dan
tidak boleh kurang dari 2048
Pilihan ini berfungsi untuk menekankan rentang amplitudo rendah terhadap rentang dengan
amplitudo tinggi.
1.11.2.2 Energy decay
Filter bertindak pada setiap jejak secara independen. Dengan mengaktifkan opsi ini sebuah
gaincurve
Dalam arah y- (waktu-) diterapkan pada profil lengkap berdasarkan mean
kurva peluruhan amplitudo yang ditentukan secara otomatis. Informasi dari
amplitudo sebenarnya hilang, tentu saja.
Pertama, kurva peluruhan rata-rata ditentukan dari semua jejak yang ada. Setelah
Penerapan filter median pada kurva ini setiap titik data masing-masing jejak adalah
dibagi dengan nilai kurva peluruhan.
Setelah perbanyakan kurva peluruhan energi semua titik data tersebut
secara otomatis dikalikan dengan faktor penskalaan. Anda harus memilih faktor ini
sedemikian rupa sehingga semua nilai amplitudo berada di dalam 16 bit data jika REFLEX
Anda
Formatnya 16 bit Integer. Jika tidak, amplitudo tersebut secara otomatis dibatasi pada nilai
32000 atau -32000 dalam kasus ini. Jika format REFLEX Anda 32 bit mengambang
titik, nilai penskalaan dapat diatur ke 1.
Analog dengan filter gain AGC-Gain pilihan ini berfungsi untuk menekankan rendah
rentang amplitudo terhadap rentang dengan amplitudo tinggi.
1.11.3.4 Muting
Filter bertindak pada setiap jejak secara independen. Langkah pengerjaan koreksi statis
memfasilitasi kemungkinan untuk menentukan kurva muting di atas atau di bawah mana
semua data
poin ditetapkan ke nol
Dengan pemilihan data bisu di atas muting curve semua titik data diatas
kurva muting yang ditentukan (menuju waktu yang lebih kecil) diatur ke 0.
Dengan pemilihan data bisu dibawah muting curve semua titik data dibawah
kurva muting yang ditentukan menuju waktu yang lebih besar) diatur ke 0.
Parameter parameter mematikan jendela dalam dimensi waktu tertentu mendefinisikan
timerange untuk mematikan Hanya datapoints ini yang berada di dalam timerange ini
di bawah atau di atas kurva mutasi yang diberikan akan dinonaktifkan. Dengan deafult
jendela mematikan
diatur ke timerange lengkap profil.
Parameter parameter jendela lancip dalam dimensi waktu tertentu menentukan a
jendela waktu untuk mematikan halus. Data dalam timewindow ini di atas atau
Di bawah kurva muting (tergantung dari pengaturan di atas) adalah meruncing menggunakan
a
cos-fungsi Nilai 0 berarti data terpotong pada kurva muting.
Setelah mengaktifkan pilihan mematikan sebuah tabel dengan parameter jarak
dan waktu muncul yang memungkinkan masukan interaktif dari kurva muting baru. Itu
jarak dan waktu harus dimasukkan dalam dimensi yang sesuai.
Antara individu menandai nilai-nilai yang diinterpolasi secara linier, pada xmargins
nilai yang ditentukan milik koordinat x terkecil atau terbesar,
masing-masing, diekstrapolasikan. Nilai juga bisa didefinisikan di dalam aslinya
profil dengan menekan tombol kiri mouse pada posisi yang diinginkan. Yang terpilih
nilai secara otomatis ditransfer ke input meja dan sebaliknya ke
gambar profil
Pilihan berlaku pada keseluruhan garis memungkinkan titik mematikan yang dipilih saat ini
(mulai dari jejak 1) diulangi secara berkala untuk baris yang lengkap. Menggunakan ini
Pilihannya masuk akal untuk menentukan muting untuk tembakan yang dikumpulkan dalam
kasus semua tembakan
semua digabungkan bersama dalam satu file. Anda hanya perlu menentukan kurva muting
untuk ensambel tunggal pertama, mis. untuk tembakan pertama dan kemudian gunakan opsi
ini
menerapkan kurva muting saat ini pada semua tembakan yang ada. Untuk dipertimbangkan:
geometri untuk semua gambar harus sama.
Pilihan menyimpan menyimpan nilai edit saat ini pada file ASCII di bawah proyek
direktori dengan nama yang benar dan ekstensi yang mudah dipilih. Setiap baris
Berkas ASCII terdiri dari dua kolom: 1. kolom: jarak pada jarak yang ditentukan
dimensi, 2. kolom: waktu dalam dimensi waktu yang diberikan.
Pilihan beban memuat nilai edit yang diinginkan dari file ASCII dengan
nama file yang benar Gambar tabel dan profil akan diperbarui secara otomatis.
Pilihan reset mengatur ulang nilai edit saat ini.
Pilihan memilih data pemuatan memungkinkan untuk memuat pilihan baru dari disk. Setelah
memilih kumpulan data dari daftar file yang diambil secara otomatis dikonversi menjadi
nilai edit tabel Harap dicatat bahwa semua nilai edit saat ini hilang.
1.11.8 2D-Filter
Kemungkinan filter berikut disertakan dalam fungsi declipping / aritmatika
kelompok:
rata-rata berjalan
mengurangkan rata-rata
penghapusan latar belakang
kompres
memperluas
tumpukan jejak
kurangi jejak
kompres file 3D
perbesar file 3D
rata-rata xy-filter
median xy-filter
dilation xy-filter
erosi xy-filter
membatasi perbatasan
Untuk penghapusan latar belakang filter dalam grup ini, jejak asli akan ditampilkan
bersama dengan jejak yang disaring saat ini, spektrum jejak asli dan
spektrum jejak yang disaring saat ini. Selain itu jejak referensi
dihitung dari parameter input filter yang ditunjukkan.
Panah dekat jejak asli dan spektrum asli digunakan untuk meningkatkan
resolusi jendela jejak dan spektrum. Jejak atau spektrumnya
Terentang ke atas dan ke bawah saat menggunakan panah ini. Skala spektrumnya adalah Hz,
jika
skala waktu dalam mili detik dan MHz, jika skala waktu dalam nano-detik,
masing-masing.
Selain panah zoom ada tombol spin yang setara
memungkinkan untuk memindahkan titik awal dari jejak primer dan disaring serta dari
spektrum yang sesuai.
Nomor jejak untuk jejak yang akan ditampilkan dalam jejak dan spektrum
windows dapat dipilih dengan menggunakan option trace number atau dengan mengklik di
File utama menggunakan tombol kiri mouse.
Parameter saringan untuk setiap langkah pemrosesan dimasukkan ke dalam
kelompok parameter filter Panah atas / bawah di dekat bidang masukan memungkinkan
ubah nilai masuk aktual dengan + atau - 10%. Dengan pilihan Apply on
contoh jejak mengaktifkan efek dari parameter filter yang dikendalikan secara online
saat mengubah parameter dengan menunjukkan jejak asli dan yang disaring.
Panah di dekat bidang masukan mungkin paling baik digunakan untuk interaktif semacam itu
kontrol. Nonaktifkan parameter ini jika kontrol ini memakan terlalu banyak waktu komputer.
Setelah menentukan parameter filter, Anda harus memasukkan label pemrosesan
(pilihan ProcessingLabel). Jika sudah ada kumpulan data dengan nama yang sama, misal.
Juga dengan label yang sama, itu ditimpa setelah memulai pengolahan. Setelah
Mengaktifkan label pengeditan pengolahan daftar kotak yang muncul yang menunjukkan
semua label
sudah digunakan untuk baris saat ini.
Mengaktifkan opsi urutan proc. Selain itu buka Sequence
Menu pengolahan Dengan menu ini dibuka Anda dapat dengan mudah menambahkan arus
langkah pengolahan ke arus pemrosesan urutan yang dapat diterapkan pada a
Jumlah baris yang dipilih.
1.11.9 Migrasi
Kemungkinan konversi migrasi dan timestepth berikut disertakan
grup konversi migrasi / waktu-mendalam:
difraksi stack
Migrasi Kirchhoff
migrasi fk (Stolt)
migrasi topografi
difraksi 2D-veloc
Kirchhoff 2D-veloc
Migrasi-FD
konversi waktu
kemiripan
migrasi prestack
Tumpukan difraksi 3D
3D Kirchh. migrasi
Migrasi 3D-fk
3D-Kirchh. 2D-vel.
3D-kemiripan
Panah dekat jejak asli dan spektrum asli digunakan untuk meningkatkan
resolusi jendela jejak dan spektrum. Jejak atau spektrumnya
Terentang ke atas dan ke bawah saat menggunakan panah ini. Skala spektrumnya adalah Hz,
jika
skala waktu dalam mili detik dan MHz, jika skala waktu dalam nano-detik,
masing-masing.
Selain panah zoom ada tombol spin yang setara
memungkinkan untuk memindahkan titik awal dari jejak primer dan disaring serta dari
spektrum yang sesuai.
Nomor jejak untuk jejak yang akan ditampilkan dalam jejak dan spektrum
windows dapat dipilih dengan menggunakan option trace number atau dengan mengklik di
File utama menggunakan tombol kiri mouse.
Parameter saringan untuk setiap langkah pemrosesan dimasukkan ke dalam
kelompok parameter filter Panah atas / bawah di dekat bidang masukan memungkinkan
ubah nilai masuk aktual dengan + atau - 10%. Dengan pilihan Apply on
contoh jejak mengaktifkan efek dari parameter filter yang dikendalikan secara online
saat mengubah parameter dengan menunjukkan jejak asli dan yang disaring.
Panah di dekat bidang masukan mungkin paling baik digunakan untuk interaktif semacam itu
kontrol. Nonaktifkan parameter ini jika kontrol ini memakan terlalu banyak waktu komputer.
Setelah menentukan parameter filter, Anda harus memasukkan label pemrosesan
(pilihan ProcessingLabel). Jika sudah ada kumpulan data dengan nama yang sama, misal.
Juga dengan label yang sama, itu ditimpa setelah memulai pengolahan. Setelah
Mengaktifkan label pengeditan pengolahan daftar kotak yang muncul yang menunjukkan
semua label
sudah digunakan untuk baris saat ini. Mengaktifkan opsi urutan proc. Selain itu buka
Sequence
Menu pengolahan Dengan menu ini dibuka Anda dapat dengan mudah menambahkan arus
langkah pengolahan ke arus pemrosesan urutan yang dapat diterapkan pada a
jumlah baris yang dipilih setelahnya.
1.11.9.7 Migrasi FD
Suatu migrasi FiniteDifference waktu singkat (FD) dari profil dua dimensi berdasarkan
distribusi kecepatan 2D dilakukan. Profil harus mewakili apa yang disebut
Profil nol-offset, yaitu tembakan dan penerima harus berada di lokasi yang sama. Itu
Tujuan migrasi adalah untuk melacak kembali pantulan dan energi difraksi ke arahnya
"sumber".
Migrasi FD dilakukan berdasarkan persamaan gelombang skalar satu arah. 15
aproksimasi digunakan
Jangka waktu untuk menerapkan migrasi mungkin dibatasi. Saringan
Parameter waktu mulai dan waktu akhir menentukan rentang waktu. Parameternya
nom.frequency mendefinisikan frekuensi utama sinyal di GHz
(timedimension = ns) atau Hz (timedimension ms atau s), masing-masing. Ini
Parameter juga tersimpan dalam fileheader.
Kotak pesan radio memungkinkan Anda untuk menentukan apakah distribusi kecepatan 2D
adalah
diperoleh dari analisis CMP (lihat juga model CMP 2D) atau dari
adaptasi hiperbola (lihat juga adaptasi kecepatan). Bertentangan dengan
Metode migrasi 2D-veloc dan difraksi Kirchhoff 2D-veloc dan diffraction 2D-veloc adalah
"benar" 2Dvelocity
distribusi digunakan untuk kelanjutan ke bawah dari medan gelombang.
Setelah memulai migrasi, distribusi kecepatan 2D yang diinginkan akan terjadi
jadilah dasar dari migrasi yang ditanyakan. Distribusi kecepatan 2D ditunjukkan pada
sebuah jendela terpisah
Migrasi adalah salah satu filter yang paling penting. Bagian offset nol sering
tidak mewakili "benar" posisi reflektor terutama untuk lapisan curam.
Setelah migrasi seringkali, perkiraan yang lebih baik terhadap kenyataan diberikan. Jika kuat
Difraksi ada, migrasi mencoba untuk mengontraksi diffraksi ini ke a
minimum. Ini berguna untuk interpretasi menggunakan timeslices misalnya.
1.11.10.1 Fk filter
Filter ini bekerja pada area data yang dipilih. Filter fk memungkinkan untuk menerapkan
twodimensi
filter yang didefinisikan dalam domain frekuensi-wavenumber ke yang dipilih
rentang data
Hal ini dimungkinkan untuk membatasi daerah data yang terkena dampak yang akan disaring.
Untuk ini
Anda harus memasukkan dalam kelompok parameter filter jejak pertama, jejak terakhir,
sampel pertama dan sampel terakhir. Hal ini juga memungkinkan untuk menentukan area
data ini
dalam profil aslinya Klik di pojok kiri atas area yang akan ada
dipilih dan seret mouse ke sudut paling kanan yang diinginkan dengan kiri
tombol mouse ditekan Kumpulan data yang difilter dibatasi ke area yang dipilih. Oleh
default area data lengkap sudah diatur.
Setelah memilih rentang data anda harus mengaktifkan opsi generate fkspectrum
(lihat juga spektrum fk) yang melakukan transformasi Fourier
rentang data ke dalam domain frekuensi-wavenumber. Sejak dua dimensi
Transformasi Fourier sangat memakan waktu komputasi intensif, sebuah jendela
menginformasikan pengguna tentang keadaan perhitungan saat ini.
Setelah penghentian transformasi menjadi domain frekuensi-wavenumber
spektrum amplitudo fk yang dinormalisasi dari kisaran data yang dipilih muncul di
gambar profil asli Sumbu y dari spektrum fk yang dihitung adalah frekuensi
sumbu dalam dimensi frekuensi yang diberikan dan sumbu x dari spektrum fk adalah kx
sumbu dalam 1 / meter. Jika sumbu horisontal dari kumpulan data yang digunakan bukan
sumbu jarak
atau sumbu vertikal bukan sumbu waktu, pada sumbu spektrum amplitudo
muncul Fourier yang sesuai ditransformasikan jumlah fisik.
Perhitungan spektrum fk sekarang memungkinkan untuk memetakan berbagai penurunan
peristiwa ke berbagai bagian spektrum fk. Acara dengan downdip untuk naik
jarak dipetakan ke bagian kanan spektrum fk sedangkan kejadian dengan
updip dipetakan ke bagian kiri. Hal ini memungkinkan Anda untuk dengan mudah
membedakan
antara jenis acara ini. Selain itu, acara horisontal dipetakan
sepanjang nilai k kecil di tengah spektrum fk.
Dari spektrum dua dimensi Anda harus memilih area filter. Area ini
dapat didefinisikan secara manual (opsi input manual diaktifkan) atau dengan mendefinisikan
a
kipas kecepatan (kisaran kecepatan pilihan diaktifkan). Pilihannya neg. kx dan pos.kx
dapat digunakan untuk definisi mudah kisaran filter hanya negatif atau positif
nilai kx.
Dengan input manual diaktifkan program ini menuntut masukan titik margin
menggunakan tombol kiri mouse dalam spektrum fk. Tetapkan titik terhubung dengannya
garis lurus. Analog dengan input edit lainnya adalah nilai yang dipilih
secara otomatis ditransfer ke input meja dan sebaliknya ke spektrum fk
gambar. Titik setel terakhir terhubung secara otomatis dengan set point pertama
bahwa kurva tertutup dihasilkan.
Dengan rentang kecepatan yang diaktifkan Anda dapat menentukan dua kipas yang berbeda
yang terdiri dari 2
kecepatan yang berbeda masing-masing harus didefinisikan dalam kelompok parameter filter
(masukkan dalam dimensi kecepatan yang diberikan). Kecepatan yang dipilih secara otomatis
diubah menjadi pasangan edit dan ditampilkan dalam spektrum fk. Seperti kipas
memungkinkan
Anda dengan mudah menentukan filter untuk dips khusus.
Dengan kecepatan tunggal yang dilipat, rentang filter akan ditentukan dari satu tunggal
kecepatan. Bergantung pada setting bandpass atau notchfilter, semua kecepatan yang lebih
besar dari kecepatan masuk akan dijaga (bandpass activated) atau dihapus.
(notchfilter diaktifkan).
Dengan noise random random sampling dapat ditekan
dengan meningkatkan spektrum amplitudo ke kekuatan eksponensial. Semakin tinggi
parameter daya eksponensial semakin tinggi efek filternya. Nilai 1 menunjukkan no
efek. Nilai default adalah 1.5.
Dengan pilihan bandpass diaktifkan filter bertindak sebagai bandpass, ini berarti
bahwa daerah yang didefinisikan tetap tidak berubah sedangkan di daerah luar nilainya
diatur ke 0.
Dengan opsi notchfilter diaktifkan filter bertindak sebagai notchfilter, ini berarti
bahwa area yang didefinisikan diatur ke 0 sedangkan daerah luar tetap tidak berubah.
Selain itu Anda bisa menentukan lancip. Analog dengan filter frekuensi bandpass
Langkah tajam pada batas filter dapat menyebabkan efek filter yang tidak diinginkan. Itu
FKSpectrumTaper digunakan untuk menekan efek yang tidak diinginkan. Kamu boleh
pilih antara yang tidak ada (tidak lancip), linier (linear turun dari perbatasan
dengan panjang lancip yang diberikan), Hanning (cos-window) atau Hanning ** 2 (cos ** 2-
jendela). Lebar lancip baik dalam arah f dan k dikendalikan oleh
pilihan lancip lebar (f) dan lebar taper (k) baik yang diberikan pada titik. Poin lancip
ke arah filter, ini berarti untuk bandpass di luar bandpass yang dipilih
daerah dan untuk notchfilter di dalam wilayah notchfilter yang dipilih.
Pilihan menyimpan menyimpan nilai edit saat ini pada file ASCII di bawah proyek
direktori dengan nama fkfil dan ekstensi yang bisa dipilih secara bebas. Setiap baris dari
File ASCII terdiri dari dua kolom: 1. kolom: nilai kx dalam 1 / meter, 2. kolom:
frekuensi dalam dimensi frekuensi yang diberikan.
Pilihan beban memuat nilai edit yang diinginkan dari file ASCII dengan
filename fkfil Gambar spektrum tabel dan fk diperbarui secara otomatis.
Pilihan reset mengatur ulang nilai edit saat ini.
Sebuah prasyarat untuk penerapan filter fk adalah bekas jejak yang sama. Untuk
menghemat waktu komputasi dianjurkan untuk memampatkan data sebelum menggunakan
ini
Saring keduanya dalam x dan t-arah sampai batas yang mungkin tanpa menyebabkannya
aliasing Namun, saat menerapkan filter fk spektrum amplitudo a
Kumpulan data terkompresi harus diperiksa untuk aliasing spasial atau temporal. Setelah
Penyaringan kumpulan data dapat diperluas kembali untuk menjamin tampilan yang lebih
baik
dari data.
Filter fk dapat digunakan - meskipun waktu komputasi intensif - seperti lowpass,
filter highpass, bandpass atau takik. Hal ini sangat efektif untuk penindasan
kebisingan dengan penurunan tertentu pada kumpulan data. Seperti ini, sinyal horisontal
noise, as
Penyebabnya misalnya dengan gema, bisa ditekan dengan cara memotong
wavenumber nol dari area filter. Dengan cara analog sinyal berkorelasi dengan
gradien yang diinginkan dapat ditekankan.