全波形反演需要多尺度的策略来避免周波跳跃现象，保证反演结果收敛到全局极小值。在传统的时间域多尺度反演中，检波器数据和震源函数都需要经过低通滤波预处理，然后使用滤波到不同低频频段的数据按照从低频到高频进行反演，并把上一频段的反演结果用作下一频段的反演初始模型。而我们提出的时间域时移多尺度反演方法则提供了一个更自然有效的多尺度反演策略。在时移多尺度反演中，不再需要对数据进行预处理，取而代之的是使用多次时移成像条件来提取低波数的反演梯度。任意一个滤波器对梯度进行低通滤波的效果，都可以通过一系列时移成像的加权和来近似得到。提取出的低波数的信息能够有效的帮助反演跳出局部极小值，降低反演对初始模型的依赖。为了测试时移多尺度方法的有效性，我们在2维Overthrust模型上实施了时移多尺度反演，使用的初始模型为粗略的常梯度速度模型。结果表明，时移多尺度反演增加反演过程的收敛速度，保证了反演能够有效的收敛到全局极小值。