Resumen
Se presenta una metodología para ampliar el espectro de frecuencias en la información sísmica, mediante la estimación precisa del factor de calidad sísmico Q a partir de descomposiciones espectrales tiempo-‐frecuencia de las trazas sísmicas y un posterior filtrado inverso Q. A partir de modelos unidimensionales de atenuación y su posterior descomposición espectral se prueba la superioridad en resolución tanto en tiempo como en frecuencia que permite la Transformada Contínua de la Ondícula (CWT) implementada en el algoritmo MPD (Matching Pursuit Decomposition), en comparación a las técnicas convencionales de descomposición espectral. El factor de calidad sísmico Q se estima con mayor precisión en la representación tiempo-‐frecuencia proporcionada por el algoritmo CWT-‐MPD. Las estimaciones del factor de calidad sísmico Q permiten crear filtros inversos Q que realzan la amplitud de los armónicos de alta frecuencia atenuados, al tiempo que corrigen el desfase de los armónicos en general. El proceso se aplica traza a traza y por tanto es válido para datos post-‐ apilado y pre-‐apilado.
Resumen
Abstract: A methodology to broaden the seismic frequency spectrum is presented, by the accurate estimation of the seismic quality factor Q from the spectral decomposition of seismic traces and then an inverse Q filtering process. From one-‐dimensional attenuation models and its subsequent spectral decomposition the superiority that allows the Continuous Wavelet Transform (CWT) implemented in the MPD algorithm (Matching Pursuit Decomposition) in terms of time and frequency resolution is proved, in comparison to the conventional spectral decomposition techniques. The seismic quality factor Q is accurately estimated using the time-‐frequency representation provided by the CWT-‐MPD algorithm. Estimates of seismic quality factor Q allow the construction of the inverse-‐Q filter that enhances the amplitude of high-‐frequency attenuated harmonics while correcting the distorted phase. The process is applied trace-‐by-‐trace and is therefore valid for post-‐stack and pre-‐stack data.