Digitale Signalverarbeitung (DSP) hat die Art und Weise verändert, wie in der Öl- und Gasindustrie Bohrlochsensordaten erfasst, übertragen und interpretiert werden. Die Fähigkeit, genaue Echtzeitinformationen von Sensoren abzuleiten, die Kilometer unterhalb der Oberfläche arbeiten, wirkt sich direkt auf die Bohrsicherheit, das Reservoirmanagement und die Produktionsoptimierung aus. Ohne robuste DSP-Techniken wären die Rohsignale von Bohrlochsensoren zu verfälscht, um eine zuverlässige Entscheidungsfindung zu unterstützen. Dieser Artikel untersucht die Mechanismen, durch die DSP die Genauigkeit von Bohrlochsensordaten verbessert, die verwendeten spezifischen Techniken, die erzielten Vorteile und die Herausforderungen, die bestehen bleiben. Da Bohrlochumgebungen extremer werden und Daten intensiver werden, entwickelt sich DSP weiter, indem es maschinelles Lernen und fortschrittliche eingebettete Verarbeitung integriert, um die Grenzen des Messbaren zu erweitern.

Verständnis von Downhole-Sensoren und ihrer Betriebsumgebung

Bohrlochsensoren werden in Bohrlöchern eingesetzt, um kritische Parameter wie Druck, Temperatur, Durchflussraten, Fluidzusammensetzung und seismische Aktivität zu messen. Diese Sensoren sind typischerweise Teil eines MWD- (Measurement While Drilling)- oder LWD- (Logging While Drilling)-Systems oder sie werden dauerhaft in Produktionsbohrungen installiert. Die extremen Bedingungen – Temperaturen bis zu 200°C, Drücke über 20.000 psi und korrosive Flüssigkeiten – stellen einzigartige Herausforderungen für die Signalintegrität dar. Selbst die robustesten Sensorelemente erzeugen elektrische Signale, die über Tausende von Metern Kabel- oder Telemetriekanäle an die Oberfläche übertragen werden müssen, oft unter Verwendung von Schlammimpulsen, elektromagnetischen oder verdrahteten Bohrrohrsystemen.

Die primären Datenherausforderungen umfassen:

  • Elektrisches Rauschen: Von Downhole-Motoren, Pumpen und nahe gelegenen Geräten; zufälliges thermisches Rauschen; und elektromagnetische Störungen (EMI) von Stromleitungen oder Radiofrequenzen.
  • Signaldämpfung: Lange Übertragungswege verursachen eine Schwächung des Signals, insbesondere in hochfrequenten Komponenten, wodurch das Signal-Rausch-Verhältnis (SNR) gesenkt wird.
  • Nichtlineare Verzerrungen: Von Sensorhysterese, Temperaturdrift und Komponentenalterung; auch vom Telemetriekanal selbst.
  • Begrenzte Bandbreite: Mud-Puls-Telemetrie bietet typischerweise nur wenige Bits pro Sekunde und erzwingt Kompromisse zwischen Auflösung, Abtastrate und Anzahl der Kanäle.
  • Umwelttransienten: Plötzliche Veränderungen in Temperatur, Druck oder Vibration können Artefakte erzeugen, die die wahre Messung maskieren.

Diese Faktoren verschlechtern die Genauigkeit der rohen Sensorausgänge. DSP ist die kritische Schicht, die die wahren physikalischen Größen aus den kontaminierten elektrischen Signalen zurückgewinnt.

Grundlagen der digitalen Signalverarbeitung in Downhole-Anwendungen

Bei der digitalen Signalverarbeitung werden digitalisierte Signale mit Hilfe mathematischer Algorithmen manipuliert. In einem Bohrloch-Kontext wird das analoge Signal eines Sensors (z. B. eines piezoelektrischen Druckwandlers) zunächst aufbereitet (verstärkt, anti-alias-gefiltert) und dann durch einen Analog-Digital-Wandler (ADC) in eine digitale Darstellung umgewandelt. Das resultierende zeitdiskrete Signal wird vor Ort durch einen digitalen Bohrlochprozessor - oft einen Mikrocontroller, FPGA oder DSP-Chip - verarbeitet, bevor es an die Oberfläche übertragen wird.

Zu den wichtigsten DSP-Konzepten, die die Genauigkeit der Bohrlochdaten untermauern, gehören:

  • Sampling und Quantisierung: Der ADC tastet das analoge Signal mit einer Rate ab, die durch das Nyquist-Kriterium bestimmt wird (mindestens doppelt so häufig wie die höchste Frequenz von Interesse). Quantisierungsauflösung (Bits) setzt den theoretischen Rauschgrundwert fest. Hochauflösende ADCs (16 bis 24 Bits) sind üblich, müssen jedoch Geschwindigkeit und Stromverbrauch ausgleichen.
  • Digitale Filterung: Filter entfernen unerwünschte Frequenzkomponenten. Tiefpassfilter dämpfen hochfrequentes Rauschen; Bandpassfilter isolieren ein bestimmtes Signalband; Notchfilter beseitigen schmalbandige Interferenzen (z. B. 50/60 Hz Stromleitungsbrummen).
  • Fast Fourier Transform (FFT): Transformiert das Zeitbereichssignal in seine Frequenzkomponenten und ermöglicht die Frequenzbereichsanalyse für die Vibrationsüberwachung, die Bewertung der harmonischen Verzerrung oder die Analyse des spektralen Rauschens.
  • Adaptive Filterung: Filter, die ihre Koeffizienten in Echtzeit basierend auf der Signalumgebung anpassen, wie z. B. der Least Mean Squares (LMS) -Algorithmus, der bekannte Störsignale auslöschen kann.
  • Dezimation und Interpolation: Ändern der Abtastrate, um das Datenvolumen zu reduzieren oder Signale von mehreren Sensoren mit unterschiedlichen Raten auszurichten.

Diese Bausteine werden zu Verarbeitungsketten kombiniert, die auf jeden Sensortyp und jedes Telemetrieverfahren zugeschnitten sind.

DSP-Techniken zur Verbesserung der Genauigkeit von Bohrlochsensoren

Lärmminderung

Die häufigste Anwendung von DSP in Bohrwerkzeugen ist die Rauschreduktion. Sensoren nehmen zufälliges Rauschen von thermischem Agitation (Johnson-Nyquist-Rauschen), Schussrauschen von Halbleiterübergängen und Interferenzen von benachbarter Elektronik auf. DSP implementiert digitale Filter, die das wahre Signal erhalten und gleichzeitig Rauschen unterdrücken. Für langsam variierende Parameter wie den Bodenlochdruck kann ein Tiefpass-Finite-Impulsantwort-Filter (FIR) mit einer Grenzfrequenz knapp über der maximal erwarteten Änderungsrate angewendet werden. Dies verbessert das SNR dramatisch. Für die Durchflussmessung mit Coriolis-Messgeräten oder Venturis entfernen Notch-Filter mechanische Schwingungsfrequenzen. Moderne Bohrloch-DSP-Chips können adaptive Echtzeit-Rauschunterdrückung ausführen, wobei ein Referenzrauschkanal (z. B. ein Beschleunigungsmesser) ein adaptives Filter speist, das das Rauschen vom primären Sensorsignal subtrahiert.

Beispiel: Ein Quarzdruckmesser in einem Hochtemperaturbohrloch kann Geräusche von der elektrischen Tauchpumpe (ESP) erfahren, die bei 60 Hz arbeitet. Ein digitaler Notchfilter, der genau auf 60 Hz (und seine Oberwellen) abgestimmt ist, kann diese Störung unterdrücken, ohne den Druckwert zu beeinflussen, solange das Drucksignal keine signifikante Energie bei diesen Frequenzen enthält.

Signalkalibrierung und -korrektur

Die Messwerte werden in der Regel durch die Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Messwerte der Mess

Darüber hinaus kann DSP die Signaldrift im Laufe der Zeit korrigieren - ein häufiges Problem bei DMS-Drucksensoren. Durch periodisches Einspeisen einer bekannten Referenzspannung oder unter Verwendung eines redundanten Sensorelements kann der DSP-Algorithmus den Kalibrierversatz und die Verstärkung aktualisieren und die Genauigkeit über die Lebensdauer des Sensors beibehalten.

Fehlererkennung und -korrektur

Die Datenübertragung von der Bohrloch- zur Oberfläche ist anfällig für Bitfehler, die durch Rauschen und Dämpfung verursacht werden. DSP am Bohrlochende kann die Daten mit Vorwärtsfehlerkorrekturcodes, wie Reed-Solomon- oder Faltungscodes, codieren. An der Oberfläche erkennt und korrigiert der Decodierungsalgorithmus bis zu einer bestimmten Anzahl von Fehlern pro Datenpaket. Dadurch wird sichergestellt, dass die rekonstruierten Sensorwerte auch über eine rauschbehaftete Telemetrieverbindung mathematisch korrekt sind. Der Kompromiss ist zusätzlicher Rechenaufwand und leicht reduzierter Durchsatz, aber für kritische Messungen ist die Verbesserung der Datenintegrität entscheidend.

Die Fehlererkennung wird auch auf den rohen ADC-Ausgang mit Parität oder Prüfsummen angewendet, wodurch verhindert wird, dass beschädigte Proben in die Entscheidungslogik des Bohrlochs gelangen.

Datenkomprimierung und Feature Extraction

Angesichts der hohen Bandbreitenbeschränkungen der Schlammpulstelemetrie (häufig weniger als 10 Bit pro Sekunde) ist die Übertragung jedes hochauflösenden Samples nicht möglich. DSP implementiert verlustfreie oder nahezu verlustfreie Kompressionsalgorithmen, um die Datengröße zu reduzieren, ohne wesentliche Informationen zu opfern. Übliche Techniken sind die Delta-Codierung (Übertragung von nur Änderungen), die Laufzeitkodierung für stationäre Perioden und die waveletbasierte Kompression für transiente Ereignisse. Noch wichtiger ist, dass DSP aus dem Rohsignal Schlüsselmerkmale extrahieren kann, wie den maximalen Druck, die Durchschnittstemperatur über ein Zeitfenster oder die Amplitude einer bestimmten Schwingungsfrequenz und nur diese kondensierten Parameter übertragen kann. Dieser Prozess, bekannt als Merkmalsextraktion, stellt sicher, dass die Oberfläche die wichtigsten Informationen für die Entscheidungsfindung in Echtzeit erhält.

Vorteile von DSP für die Genauigkeit von Downhole-Daten

Verbesserte Datenqualität und Zuverlässigkeit

Durch die Entfernung von Rauschen, die Korrektur von Drift und die Kompensation von Umwelteinflüssen liefert DSP Messungen, die nachweislich näher an den tatsächlichen physikalischen Werten liegen. Feldstudien haben gezeigt, dass die Anwendung selbst grundlegender digitaler Filterung die Messunsicherheit um 30-50% reduzieren kann. Für die Drucktransientenanalyse (die zur Schätzung der Durchlässigkeit und Haut des Reservoirs verwendet wird) ermöglicht die Verbesserung der Datenqualität von DSP genauere Interpretationen von Bohrlöchern, wodurch die Notwendigkeit von Wiederholungstests reduziert wird.

Externe Referenz: Eine umfassende Fallstudie der Society of Petroleum Engineers (SPE) zu DSP-verstärkten Bohrloch-Manometern berichtete, dass sich das Signal-Rausch-Verhältnis nach Anwendung einer adaptiven Filterung um über 20 dB verbesserte und so Mikrodruckänderungen, die zuvor unsichtbar waren, erkennen konnte1

Echtzeit-Überwachung und -kontrolle

DSP ermöglicht eine Echtzeit-Verarbeitung von Downhole, was bedeutet, dass Entscheidungen getroffen werden können, ohne auf die Oberflächenbearbeitung zu warten. Wenn beispielsweise ein Drucksensor einen plötzlichen Anstieg erkennt, der auf einen Kick (Einfluss von Formationsflüssigkeiten) hinweisen könnte, kann der DSP sofort eine automatisierte Reaktion auslösen, wie das Schließen eines Ventils oder das Senden eines Alarms, was die Reaktionszeit drastisch verkürzt. Echtzeit-Datenqualitätsindikatoren (RQIs), die vom DSP berechnet werden, ermöglichen es dem Bohrer, den angezeigten Daten zu vertrauen, und vermeiden Fehlalarme, die durch Rauschspitzen verursacht werden.

Erweiterte Sensorlebensdauer und reduzierte Wartung

Wenn DSP die Sensordrift korrigiert und automatisch neu kalibriert, bleibt die wahrgenommene Genauigkeit während der gesamten Lebensdauer des Sensors hoch. Das bedeutet, dass Bohrlochmessgeräte jahrelang in Betrieb bleiben können, ohne dass sie für die Rekalibrierung gezogen werden müssen. In permanenten Bohrlochüberwachungsanlagen (PDHM) kann dies Millionen von Dollar an Interventionskosten einsparen. Darüber hinaus kann DSP die Sensorgesundheitsüberwachung implementieren: Durch die Analyse des Lärmpegels, der Reaktionszeit und anderer Diagnoseparameter kann der DSP frühe Anzeichen von Sensordegradation erkennen und die Bediener alarmieren, bevor ein vollständiger Ausfall auftritt.

Betriebseffizienz und Kosteneinsparungen

Genauere Daten führen zu besseren Entscheidungen. Beim Bohren ermöglichen klarere Tieflochdruckmessungen eine präzise Kontrolle des Schlammgewichts, wodurch das Risiko von Kreislaufverlusten oder Bohrlochinstabilität verringert wird. In der Produktion ermöglichen genaue Durchflussmengendaten von Tiefloch-Mehrphasendurchflussmessern (die stark auf DSP angewiesen sind) ein optimiertes Choke-Management und eine reduzierte Wasserabsenkung. Der kumulative Effekt ist eine geringere Nichtproduktivitätszeit, weniger Seitenbahnen und eine verbesserte Kohlenwasserstoffrückgewinnung. Nach Schätzungen der Industrie können Verbesserungen der Genauigkeit der Tieflochdaten durch DSP eine Steigerung der Gesamtleistung der Bohrung über die Feldlebenszeit hinweg ergeben.

Ermöglichung der Charakterisierung von Advanced Reservoir

DSP-basierte Hochgenauigkeits-Downhole-Sensordaten ermöglichen Geowissenschaftlern und Reservoir-Ingenieuren, detailliertere statische und dynamische Modelle zu erstellen. Zum Beispiel erzeugt die verteilte Temperaturerfassung (DTS) unter Verwendung von Glasfasern riesige Datenmengen; DSP-Algorithmen sind unerlässlich, um rohe Rückstreusignale in genaue Temperaturprofile umzuwandeln. Diese Temperaturprofile können wiederum invertiert werden, um auf Strömungsbeiträge aus verschiedenen Zonen zu schließen. In ähnlicher Weise verwenden Bohrloch-Mikroseismik-Überwachungs-Arrays DSP, um winzige Frakturen während des hydraulischen Frakturierens zu lokalisieren und das Stimulationsdesign zu optimieren.

Herausforderungen und Grenzen von DSP in Downhole-Umgebungen

Rechen- und Power-Einschränkungen

Die Bohrlochelektronik muss unter hohen Leistungsbudgets arbeiten — oft höchstens ein paar Watt, die von Batterien oder einer begrenzten Leitung geliefert werden. DSP-Algorithmen, insbesondere solche, die FFTs mit hoher Stichprobenrate oder adaptive Filterung erfordern, erfordern einen erheblichen Rechendurchsatz. Designer müssen Prozessoren sorgfältig auswählen, die die Leistung mit dem Stromverbrauch ausgleichen. FPGAs und spezialisierte DSP-Prozessoren sind üblich, aber die Programmierung für den Betrieb mit geringem Stromaufwand erhöht die Komplexität. Kompromisse sind unvermeidlich: Ein ADC mit geringerer Tiefe kann Strom sparen, aber den Dynamikbereich reduzieren; ein einfacheres Filter kann für einige Kanäle ausreichen, während andere adaptive Filterung erfordern. Die Herausforderung besteht darin, Rechenressourcen dort zuzuweisen, wo sie die größte Verbesserung der Genauigkeit ergeben.

Harte thermische und mechanische Bedingungen

Hohe Temperaturen betreffen sowohl analoge als auch digitale Komponenten. Die ADC-Leistung verschlechtert sich (erhöhter Rauschen, Offset-Drift); Taktoszillatoren können instabil werden; und der Speicher kann Fehler behalten. DSP-Algorithmen selbst sind mathematisch robust gegenüber der Temperatur (wenn sie mit Festpunkt-Arithmetik und korrekter Skalierung implementiert werden), aber die zugrunde liegende Hardware muss für die Bedingungen in den Bohrlöchern bewertet werden. Dies bedeutet oft, dass spezielle Hochtemperaturelektronik verwendet wird, die teurer ist und möglicherweise eine begrenzte Leistung hat. Mechanische Erschütterungen und Vibrationen können intermittierende Verbindungen oder physische Schäden verursachen, so dass robuste Verpackungen und redundante Signalpfade unerlässlich sind.

Begrenzte Bandbreite und Latenz

Während DSP Daten komprimieren und Funktionen extrahieren kann, gibt es immer noch eine grundlegende Grenze, wie viele Informationen übertragen werden können. Für die Echtzeitsteuerung muss die Latenz von der Sensormessung bis zur Oberflächendarstellung minimiert werden. Die vollständige Verarbeitung aller Kanäle mit komplexen Algorithmen führt zu Verzögerungen. Bei Bohranwendungen können sogar einige Sekunden Verzögerung für die Bohrlochsteuerung entscheidend sein. Daher müssen DSP-Ingenieure Verarbeitungspipelines entwerfen, die entweder in einem Durchlaufmodus arbeiten (jede Probe verarbeiten, sobald sie ankommt) oder Pipelining mit begrenzter Latenz verwenden. Alarme mit hoher Priorität können schwere Verarbeitung umgehen und als rohe Schwellenwerte übertragen werden, um eine geringe Latenz zu gewährleisten.

Komplexität und Zuverlässigkeit

Mehr Verarbeitung bedeutet mehr Code, mehr Möglichkeiten für Fehler und mehr Komponenten, die ausfallen können. In einem Bohrloch-Tool, das monate- oder jahrelang unbeaufsichtigt arbeiten muss, steht die Zuverlässigkeit an erster Stelle. DSP-Systeme werden typischerweise mit Watchdog-Timern, ECC-Speicher (Fehlkorrekturcode) und mehreren Redundanzstufen entwickelt. Die Software muss unter simulierten Bohrlochbedingungen gründlich getestet werden. Die Programmierbarkeit im Feld (über Telemetrie-Updates) erhöht Flexibilität, aber auch Risiko. Das Ausbalancieren von Funktionen mit Robustheit ist ein ständiger technischer Kompromiss.

Interoperabilität und Standardisierung

Verschiedene Dienstleistungsunternehmen verwenden unterschiedliche Telemetrieprotokolle, Datenformate und DSP-Ansätze. Dies kann die Integration behindern, wenn Sensoren von mehreren Anbietern verwendet werden. Brancheninitiativen wie die Wellsite Information Transfer Specification (WITS) und das neuere WITSML helfen, Datenformate zu standardisieren, aber sie diktieren nicht, wie DSP in Bohrlöchern ausgeführt wird. Infolgedessen kann der Endbenutzer Daten erhalten, die unterschiedlich verarbeitet wurden, was es schwierig macht, Messungen direkt zu vergleichen. Es gibt einen wachsenden Druck auf Open-Source-Downhole-Verarbeitungsbibliotheken, die einem gemeinsamen Framework folgen, aber die Akzeptanz bleibt begrenzt.

Future Directions: Machine Learning und Edge Computing

Die nächste Grenze für DSP-Downholes besteht darin, maschinelles Lernen (ML) direkt in Downhole-Prozessoren zu integrieren. Anstatt sich auf feste Algorithmen zu verlassen, können ML-Modelle sich an die spezifischen Rausch- und Verzerrungseigenschaften eines Bohrlochs in Echtzeit anpassen. Zum Beispiel kann ein neuronales Netzwerk, das auf markierten Daten aus einem ähnlichen Bohrloch trainiert ist, den tatsächlichen Druck aus dem rohen Sensorsignal vorhersagen, selbst bei Vorhandensein von schweren transienten Geräuschen. Solche Modelle können periodisch per Telemetrie aktualisiert werden, um Veränderungen in der Downhole-Umgebung zu berücksichtigen. Die Herausforderung besteht darin, komplexe Rückschlüsse auf eingebettete Hardware mit geringem Stromverbrauch zu ziehen, aber Fortschritte bei Edge-KI-Chips (z. B. Google Coral, NVIDIA Jetson Nano) bei Hochtemperatur-Bewertungen machen dies möglich.

Externe Referenz: Ein 2023 Papier im IEEE Sensors Journal demonstrierte einen Tieflochdrucksensor, der ein konvolutionales neuronales Netzwerk (CNN) verwendete, um Rauschen zu entfernen, eine 15% ige Verbesserung der Genauigkeit gegenüber der traditionellen digitalen Filterung erreichend, während er weniger als 50 mW Leistung verbrauchte 2 ].

Ein weiterer Trend ist die Verwendung von faseroptischer Sensorik in Kombination mit DSP. Distributed acoustic sensing (DAS) erzeugt Terabytes an Daten pro Tag; selbst bei Merkmalsextraktion ist die Übertragungsbandbreite unzureichend. Aufkommende Lösungen verwenden DSP in den Bohrungen, um die Daten um Größenordnungen zu komprimieren, während die für die Ereigniserkennung erforderlichen Informationen beibehalten werden (z. B. Flüssigkeitsankömmlinge, Sandproduktion).

Schließlich wird die Entwicklung von Quantensensoren für den Einsatz in Bohrlöchern (z. B. Atommagnetometer für Magnetresonanz) völlig neue DSP-Methoden erfordern, um Signale aus Quantenrauschen zu extrahieren. Diese Sensoren haben das Potenzial, Eigenschaften zu messen, die mit konventioneller Technologie nicht erreichbar sind, aber sie beruhen auf ultrarauschender Elektronik und präzisem Timing - beides Bereiche, in denen fortschrittliche DSP von entscheidender Bedeutung sein werden.

Schlussfolgerung

Digitale Signalverarbeitung ist nicht nur ein Zubehör für Downhole-Sensoren; sie ist eine wesentliche Komponente, die die ultimative Genauigkeit und Zuverlässigkeit der von ihnen produzierten Daten bestimmt. Von der Geräuschreduzierung und Kalibrierung bis hin zur Fehlerkorrektur und Feature-Extraktion verwandeln DSP-Algorithmen rohe, verrauschte Signale in umsetzbare Informationen, die sichere und effiziente Bohr- und Produktionsvorgänge vorantreiben. Während Herausforderungen wie Leistung, Bandbreite und harte Bedingungen bestehen bleiben, verschieben die laufenden Fortschritte in der eingebetteten Verarbeitung, maschinelles Lernen und Hochtemperaturelektronik weiterhin die Grenzen. Da sich die Öl- und Gasindustrie hin zu mehr automatisierten und datengesteuerten Operationen bewegt, wird die Rolle von DSP bei der Datengenauigkeit von Downhole-Sensoren nur noch wichtiger werden. Die Investition in robustes DSP-Design und Validierung ist eine Voraussetzung für jeden Betreiber, der den Wert von Downhole-Messungen maximieren möchte.

Referenzen

  1. Society of Petroleum Engineers, "Enhanced Downhole Pressure Data Quality Using Adaptive Digital Filtering", SPE Oil and Gas India Conference and Exhibition, 2025. [Link
  2. IEEE Sensors Journal, "A Low-Power CNN-Based Denoising Architecture for Downhole Pressure Sensors", Vol. 23, No. 4, S. 2123–2132, 2023.
  3. SPE Journal, "Real-Time Downhole Data Compression Using Wavelet Transforms", Vol. 27, No. 5, S. 145-159, 2022.
  4. Halliburton, "Digitale Signalverarbeitung in Bohrlochwerkzeugen: Ein technischer Überblick", White Paper, 2024.