In the case of the vibroseis data,

In the case of the vibroseis data, slightly improved stacks were obtained using a diversity stack algorithm (Klemperer, 1987) which automatically weighted the traces contributing to a stack inversely to their average power (amplitude squared) in 100 ms windows; stacked traces were normalized by the sum of the trace weights in each time window.

結果 (繁體中文) 1:

在震動源數據的情況下，使用分集堆棧算法（克倫佩雷爾，1987），其自動地加權有助於堆疊成反比在100毫秒的窗口的平均功率（振幅的平方）的痕跡得到稍有改善疊層; 疊加道通過在每個時間窗的跟踪權重的總和歸一化。

結果 (繁體中文) 2:

對於 vibroseis 資料，使用分集堆疊演算法（Klemperer，1987）獲得略有改進的堆疊，該演算法自動加權導致堆疊的跟蹤與其 100 ms 視窗中的平均功率（振幅平方）成反;堆疊的跟蹤由每個時間視窗中的跟蹤權重之和歸一化。

結果 (繁體中文) 3:

在可控震源數據的情况下，使用分集疊加算灋（Klemperer，1987）獲得稍有改進的疊加，該算灋自動將疊加到疊加中的記錄道加權為其在100 ms視窗中的平均功率（振幅平方）；疊加的記錄道通過每個時間視窗中的記錄道權重之和進行歸一化。