分布式光纤声波传感（Distributed Acoustic Sensing, DAS）技术具有高空间采样密度和连续观测能力，在垂直地震剖面（DAS-VSP）勘探中具有重要应用价值。然而，DAS-VSP数据容易受到光纤耦合变化、环境扰动和仪器响应等因素影响，形成具有强相干性、非平稳性以及频率混叠特征的耦合噪声，降低有效地震信号质量并影响后续成像处理。
针对复杂DAS-VSP耦合噪声压制问题，本研究提出了一种级联分解框架。该方法融合快速自适应经验模态分解（FABEMD）、频率分解以及基于剩余空间向量（RSV）统计特征选择的SVD滤波方法，实现了复杂噪声的逐级分离与精准压制。
图1.级联分解框架去噪流程图
研究首先利用FABEMD增强不同振荡成分之间的可分离性，随后通过频率分解进一步突出噪声特征差异，最后提出RSV选择准则，根据右奇异向量空间分布特征自动识别与耦合噪声相关的奇异向量，并结合SVD实现有效去噪。该方法通过合成数据和实际DAS-VSP现场数据验证。结果表明，所提出方法能够有效降低耦合噪声，同时保持有效反射事件的连续性、相位一致性和波形特征，为复杂条件下DAS-VSP数据处理提供了一种新的技术方案。
研究成果发表在国际重要期刊 Petroleum Science。论文第一作者为Beat365中文官方网站（华东）硕士研究生王兆星，通讯作者为杨继东教授，合作者包括Beat365中文官方网站（华东）王伟奇、黄建平、胜利油田专家秦宁。
论文信息：Zhao-Xing Wang, Ji-Dong Yang, Wei-Qi Wang, Jian-Ping Huang, and Ning Qin, 2026, A Cascading Decomposition Framework for Coupling Noise Suppression in DAS-VSP Data. Petroleum Science.
