La adquisición con fuentes simultáneas es una alternativa eficiente a la adquisición sísmica convencional. Permitir que múltiples fuentes sísmicas operen de forma independiente y en momentos superpuestos reduce significativamente los costos de adquisición. Sin embargo, los registros obtenidos con fuentes simultáneas contienen una mezcla (blending), lo que requiere aplicar técnicas de deblending para recuperar los datos individuales. Este trabajo se centra en la separación de fuentes simultáneas basada en la transformada de Radon hiperbólica con desplazamiento del ápice (ASHRT), que permite separar eventos sísmicos en un dominio transformado, recuperando los datos originales mediante la minimización de una función de costo. Se compara el rendimiento de diferentes variantes de algoritmos de transformada de Radon convencionales y voraces para la separación de fuentes simultáneas, incluyendo la transformada de Radon hiperbólica con
dominio restringido (RHRT) y la transformada de Radon obtenida mediante regularized orthogonal matching pursuit (ROMP). El enfoque propuesto permite realizar deblending independiente de shot gathers aislados mediante ASHRT en el dominio del tiempo, lo que típicamente se evita debido al costo computacional. Al incorporar reconstrucción sparse basada en ROMP, se reduce el costo computacional, lo que permite flujos de procesamiento más rápidos sin requerir grandes conjunto de datos como en los enfoques de deblending
basados en eliminación de ruido. El método en un principio se prueba con datos sintéticos controlados, utilizando un enfoque de inversión que incorpora explícitamente el operador de blending y resuelve el problema mediante reconstrucción sparse voraz en el dominio de Radon, luego se aplica a datos reales provistos por YPF. Los resultados muestran que los algoritmos voraces proporcionan una representación más adecuada de los datos en el dominio transformado, lo que se traduce en una mejor separación de fuentes simultáneas.
El análisis cuantitativo, basado en métricas de calidad, indica que ROMP supera a los métodos convencionales en todos los casos evaluados.