We present a technique to derive robust estimates for the crustal thickness and elastic properties, including anisotropy, from shear wave splitting of converted phases in receiver functions. We combine stacking procedures with a correction scheme for the splitting effect of the crustal converted Ps-phase and its first reverberation, the PpPs-phase, where we also allow for a predefined dipping Moho. The incorporation of two phases stabilizes the analysis procedure and allows to simultaneously solve for the crustal thickness, the ratio of average P- to S-wave velocities, the percentage of anisotropy and the fast-axis direction. The stacking is based on arrival times and polarizations computed using a ray-based algorithm. Synthetic tests show the robustness of the technique and its applicability to tectonic settings where dip of the Moho is significant. These tests also demonstrate that the effects of a dipping layer boundary may overprint a possible anisotropic signature. To constrain the uncertainty of our results we perform statistical tests based on a bootstrapping approach. We distinguish between different model classes by comparing the coherency of the stacked amplitudes after move-out correction. We apply the new technique to real-data examples from different tectonic regimes and show that coherency of the stacked receiver functions can be improved, when anisotropy and a dipping Moho are included in the analysis. The examples underline the advantages of statistical analyses when dealing with stacking procedures and potentially ambiguous solutions.

中文翻译：

---

通过接收器函数的多相分裂分析同时反演地壳厚度和各向异性

我们提出了一种从接收器函数中转换相的剪切波分裂中得出地壳厚度和弹性特性（包括各向异性）的可靠估计的技术。我们将堆叠程序与校正方案相结合，以实现地壳转换的Ps相及其第一混响PpPs相的分裂效果，其中还允许预定义的浸渍Moho。两相的结合稳定了分析程序，并允许同时求解地壳厚度，平均P波与S波速度之比，各向异性百分比和快轴方向。堆叠基于使用基于射线的算法计算的到达时间和极化。综合测试表明，该技术的鲁棒性及其在Moho倾角很大的构造环境中的适用性。这些测试还表明，浸入层边界的影响可能会覆盖可能的各向异性特征。为了限制结果的不确定性，我们基于自举方法进行了统计检验。我们通过比较移出校正后叠加振幅的相干性来区分不同的模型类别。我们将该新技术应用于来自不同构造方式的真实数据示例，并表明当分析中包括各向异性和浸入式Moho时，可以提高堆叠接收器功能的相干性。这些示例强调了在处理堆叠程序和可能存在歧义的解决方案时进行统计分析的优势。这些测试还表明，浸入层边界的影响可能会覆盖可能的各向异性特征。为了限制结果的不确定性，我们基于自举方法进行了统计检验。我们通过比较移出校正后叠加振幅的相干性来区分不同的模型类别。我们将该新技术应用于来自不同构造方式的真实数据示例，并表明当分析中包括各向异性和浸入式Moho时，可以提高堆叠接收器功能的相干性。这些示例强调了在处理堆叠过程和可能含糊不清的解决方案时进行统计分析的优势。这些测试还表明，浸入层边界的影响可能会覆盖可能的各向异性特征。为了限制结果的不确定性，我们基于自举方法进行了统计检验。我们通过比较移出校正后叠加振幅的相干性来区分不同的模型类别。我们将该新技术应用于来自不同构造方式的真实数据示例，并表明当分析中包括各向异性和浸入式Moho时，可以提高堆叠接收器功能的相干性。这些示例强调了在处理堆叠过程和可能含糊不清的解决方案时进行统计分析的优势。为了限制结果的不确定性，我们基于自举方法进行统计检验。我们通过比较移出校正后叠加振幅的相干性来区分不同的模型类别。我们将该新技术应用于来自不同构造方式的真实数据示例，并表明当分析中包括各向异性和浸入式Moho时，可以提高堆叠接收器功能的相干性。这些示例强调了在处理堆叠程序和可能含糊不清的解决方案时进行统计分析的优势。为了限制结果的不确定性，我们基于自举方法进行了统计检验。我们通过比较移出校正后叠加振幅的相干性来区分不同的模型类别。我们将该新技术应用于来自不同构造体制的真实数据示例，并表明当分析中包括各向异性和浸入式Moho时，可以提高堆叠接收器功能的相干性。这些示例强调了在处理堆叠程序和可能含糊不清的解决方案时进行统计分析的优势。我们将该新技术应用于来自不同构造体制的真实数据示例，并表明当分析中包括各向异性和浸入式Moho时，可以提高堆叠接收器功能的相干性。这些示例强调了在处理堆叠过程和可能含糊不清的解决方案时进行统计分析的优势。我们将该新技术应用于来自不同构造方式的真实数据示例，并表明当分析中包括各向异性和浸入式Moho时，可以提高堆叠接收器功能的相干性。这些示例强调了在处理堆叠程序和可能存在歧义的解决方案时进行统计分析的优势。