ABSTRACT Passive seismic has recently attracted a great deal of attention because non‐artificial source is used in subsurface imaging. The utilization of passive source is low cost compared with artificial‐source exploration. In general, constructing virtual shot gathers by using cross‐correlation is a preliminary step in passive seismic data processing, which provides the basis for applying conventional seismic processing methods. However, the subsurface structure is not uniformly illuminated by passive sources, which leads to that the ray path of passive seismic does not fit the hyperbolic hypothesis. Thereby, travel time is incorrect in the virtual shot gathers. Besides, the cross‐correlation results are contaminated by incoherent noise since the passive sources are always natural. Such noise is kinematically similar to seismic events and challenging to be attenuated, which will inevitably reduce the accuracy in the subsequent process. Although primary estimation for transient‐source seismic data has already been proposed, it is not feasible to noise‐source seismic data due to the incoherent noise. To overcome the above problems, we proposed to combine focal transform and local similarity into a highly integrated operator and then added it into the closed‐loop surface‐related multiple elimination based on the 3D L1‐norm sparse inversion framework. Results proved that the method was capable of reliably estimating noise‐free primaries and correcting travel time at far offsets for a foresaid virtual shot gathers in a simultaneous closed‐loop inversion manner.

中文翻译：

---

基于 3D L1 范数稀疏反演的焦点去噪闭环 SRME 被动地震数据初步估计和噪声去除

摘要 被动地震最近引起了极大的关注，因为地下成像中使用了非人工源。与人工源勘探相比，被动源的利用成本低。总的来说，利用互相关构建虚拟炮道集是被动地震数据处理的初步步骤，为应用常规地震处理方法提供了基础。然而，地表下构造并没有被无源源均匀照射，导致无源地震的射线路径不符合双曲线假设。因此，虚拟炮点集合中的旅行时间是不正确的。此外，互相关结果受到非相干噪声的污染，因为无源源总是自然的。这种噪声在运动学上与地震事件相似，难以衰减，不可避免地会降低后续过程的准确性。尽管已经提出了对瞬态震源地震数据的初步估计，但由于非相干噪声，对噪声震源地震数据进行估计是不可行的。为了克服上述问题，我们提出将焦点变换和局部相似性组合成一个高度集成的算子，然后将其添加到基于 3D L1 范数稀疏反演框架的闭环表面相关多重消除中。结果证明，该方法能够以同步闭环反演方式可靠地估计无噪声原色并校正上述虚拟炮点集的远偏移距走时。这必然会降低后续过程中的准确性。尽管已经提出了对瞬态震源地震数据的初步估计，但由于非相干噪声，对噪声震源地震数据进行估计是不可行的。为了克服上述问题，我们提出将焦点变换和局部相似性组合成一个高度集成的算子，然后将其添加到基于 3D L1 范数稀疏反演框架的闭环表面相关多重消除中。结果证明，该方法能够以同步闭环反演方式可靠地估计无噪声原色并校正上述虚拟炮点集的远偏移距走时。这必然会降低后续过程中的准确性。尽管已经提出了对瞬态震源地震数据的初步估计，但由于非相干噪声，对噪声震源地震数据进行估计是不可行的。为了克服上述问题，我们提出将焦点变换和局部相似性组合成一个高度集成的算子，然后将其添加到基于 3D L1 范数稀疏反演框架的闭环表面相关多重消除中。结果证明，该方法能够以同步闭环反演方式可靠地估计无噪声原色并校正上述虚拟炮点集的远偏移距走时。由于非相干噪声，噪声源地震数据是不可行的。为了克服上述问题，我们提出将焦点变换和局部相似性组合成一个高度集成的算子，然后将其添加到基于 3D L1 范数稀疏反演框架的闭环表面相关多重消除中。结果证明，该方法能够以同步闭环反演方式可靠地估计无噪声原色并校正上述虚拟炮点集的远偏移距走时。由于非相干噪声，噪声源地震数据是不可行的。为了克服上述问题，我们提出将焦点变换和局部相似性组合成一个高度集成的算子，然后将其添加到基于 3D L1 范数稀疏反演框架的闭环表面相关多重消除中。结果证明，该方法能够以同步闭环反演方式可靠地估计无噪声原色并校正上述虚拟炮点集的远偏移距走时。