基于压缩感知理论的微地震资料噪声压制

针对微地震信号的特点,在讨论压缩感知理论基础上,研究了基于该框架理论下的微地震资料噪声压制方法.首先从微地震信号的稀疏化方面讨论入手,通过小波基函数、三角函数基函数、样条基函数及高斯基函数等众多基函数的实践试算,考虑微地震信号的时空多变性,优选了适于微地震信号重建处理的高斯基函数及其组合基函数;继而,讨论了关系到重建结果优劣的测试矩阵设计问题,把以往取高斯随机矩阵改进的取为确定性高斯矩阵,使计算结果稳定程度明显提高;在讨论数据的规则化、K参数的选取等问题后,提出了局部压缩感知和区域压缩感知联合处理方法,以较小的滑动窗口建立信号样本向量,通过压缩感知方法重建滑动点信号;然后取以上处理后的信号,以较大的固定窗口进行压缩感知方法重建固定窗口信号,通过处理,压制了局部均匀化和区域均匀化噪声,增强了弱微地震有效信号.     

一种基于压缩感知的地震数据重建方法及其在城市活断层地震勘探中的应用

在城市地区采用地震勘探方法时,由于地表障碍物、地形等因素的影响,地震检波器不能按照观测系统设计规则布设,采集的地震数据存在道缺失,常规的浅层地震数据处理方法由于没有采用数据重建方法,因此会影响地震数据处理和解释的效果.压缩感知技术被引入到地震勘探中已经有十余年,但都是在石油地震勘探中应用,其原因是石油地震勘探数据量大,信噪比高.由于浅层地震勘探的覆盖次数小,信噪比低,在浅层地震勘探中应用压缩感知技术存在一定的挑战,能否应用压缩感知技术于城市浅层地震勘探尚未可知.本文对压缩感知理论在浅层地震勘探中的应用进行探索,将模拟的压缩感知采集的数据进行重建;以曲波变换为稀疏变换,通过构造0-范数的一种逼近函数建立稀疏反演模型,并提出了一种快速的求解方法.模拟数据实验表明,本文方法能够很好的对缺失地震数据进行重建.对某地区地震活断层勘探的实际地震数据进行了模拟的压缩感知采样和数据重建,并对原始数据、压缩感知采集数据和重建数据分别进行了相同的地震数据处理,偏移成像结果验证了基于压缩感知的重建方法能够获得和常规采集数据相当的处理结果.本文验证了基于压缩感知的地震数据重建技术在浅层地震勘探中的可行性,为后续的研究打下了良好的基础.     

基于Chambolle-Pock框架的核TV多通道图像重建算法

总变差最小化算法是一种基于压缩感知理论的图像重建算法,能够从稀疏投影或含噪投影数据中高精度地重建图像,已经被广泛应用于计算机断层成像、磁共振成像、电子顺磁共振成像。能谱CT、T1或T2加权的MRI及EPRI均属于多通道成像。逐通道TV算法可以实现较高精度的图像重建,然而忽略了各通道图像之间的相似性。核TV算法是一种考虑了通道间图像相似性的TV类算法,可以实现高精度图像重建。面向多通道图像重建,以CT重建为研究范例,本文提出一种Chambolle-Pock算法框架下的核TV多通道图像重建算法。通过仿真模体和真实CT图像模体的重建实验,验证算法的正确性,分析算法的收敛性,探索算法参数对收敛速率的影响,评估算法的稀疏重建能力及含噪投影重建能力。结果表明,相对于逐通道TV算法,所提算法可以取得更高的重建精度。核TV算法是一种高精度的多通道图像重建算法,可以应用于各种成像模态的多通道重建场合。      

基于压缩感知的信号重建方法及在气枪震源信号处理中的应用

在气枪源探测过程中,由于各种干扰因素的影响,导致部分有效信号缺失或受随机干扰严重,为了重构出连续完整的数据,依据气枪源信号在傅里叶变换域中具有稀疏性的特点,构建了一种基于压缩感知(Compressive Sensing,简称CS)的缺失信号重建方法.首先进行数值模拟,并将该方法与传统的插值方法处理效果进行对比,对重建效...     

基于Bregman迭代的复杂地震波场稀疏域插值方法

在地震勘探中,野外施工条件等因素使观测系统很难记录到完整的地震波场,因此,资料处理中的地震数据插值是一个重要的问题。尤其在复杂构造条件下,缺失的叠前地震数据给后续高精度处理带来严重的影响。压缩感知理论源于解决图像采集问题,主要包含信号的稀疏表征以及数学组合优化问题的求解,它为地震数据插值问题的求解提供了有效的解决方案。在应用压缩感知求解复杂地震波场的插值问题中,如何最佳化表征复杂地震波场以及快速准确的迭代算法是该理论应用的关键问题。Seislet变换是一个特殊针对地震波场表征的稀疏多尺度变换,该方法能有效地压缩地震波同相轴。同时,Bregman迭代算法在以稀疏表征为核心的压缩感知理论中,是一种有效的求解算法,通过选取适当的阈值参数,能够开发地震波动力学预测理论、图像处理变换方法和压缩感知反演算法相结合的地震数据插值方法。本文将地震数据插值问题纳入约束最优化问题,选取能够有效压缩复杂地震波场的OC-seislet稀疏变换,应用Bregman迭代方法求解压缩感知理论框架下的混合范数反问题,提出了Bregman迭代方法中固定阈值选取的H曲线方法,实现地震波场的快速、准确重建。理论模型和实际数据的处理结果验证了基于H曲线准则的Bregman迭代稀疏域插值方法可以有效地恢复复杂波场的缺失信息。     

基于Bregman迭代的复杂地震波场稀疏域插值方法(英文)

在地震勘探中,野外施工条件等因素使观测系统很难记录到完整的地震波场,因此,资料处理中的地震数据插值是一个重要的问题。尤其在复杂构造条件下,缺失的叠前地震数据给后续高精度处理带来严重的影响。压缩感知理论源于解决图像采集问题,主要包含信号的稀疏表征以及数学组合优化问题的求解,它为地震数据插值问题的求解提供了有效的解决方案。在应用压缩感知求解复杂地震波场的插值问题中,如何最佳化表征复杂地震波场以及快速准确的迭代算法是该理论应用的关键问题。Seislet变换是一个特殊针对地震波场表征的稀疏多尺度变换,该方法能有效地压缩地震波同相轴。同时,Bregman迭代算法在以稀疏表征为核心的压缩感知理论中,是一种有效的求解算法,通过选取适当的阈值参数,能够开发地震波动力学预测理论、图像处理变换方法和压缩感知反演算法相结合的地震数据插值方法。本文将地震数据插值问题纳入约束最优化问题,选取能够有效压缩复杂地震波场的OC-seislet稀疏变换,应用Bregman迭代方法求解压缩感知理论框架下的混合范数反问题,提出了Bregman迭代方法中固定阈值选取的H曲线方法,实现地震波场的快速、准确重建。理论模型和实际数据的处理结果验证了基于H曲线准则的Bregman迭代稀疏域插值方法可以有效地恢复复杂波场的缺失信息。     

地震随机噪声压缩感知迭代压制方法

复杂地表和复杂介质条件下,随机噪声往往严重影响着复杂地震信号的信噪比,同时深层地球物理目标探查中弱地震信号总是被随机噪声所掩盖,如何有效地压制随机噪声干扰、恢复有效地震信号仍然是高精度地震勘探中的关键问题.压缩感知理论突破了奈奎斯特采样定理的限制,利用有效地震信号的可压缩性和稀疏性,提供了从不可压缩随机噪声中进行有效信号分离的数据原理.本文系统分析压缩感知框架下地震随机噪声压制的稀疏优化反问题,提出了基于迭代软阈值算法的"采集-重建-修复"方案对该问题进行求解.在实现高度稀疏表征的基础上进行地震数据的压缩感知随机观测,通过迭代反演对有效地震信号进行重构,有效提高复杂地震数据的信噪比,同时,当求解稀疏优化问题时,如果出现正则化项引起重构信号衰减现象,可以匹配除偏对衰减的有效信号进行修复.通过与工业标准 f-x预测滤波方法进行比较,理论模型和实际数据处理的结果表明,压缩感知迭代噪声压制方法对复杂地震数据中的随机噪声有较好的压制效果,可以有效恢复出被较强非平稳随机噪声干扰的时空变同相轴信息.     

稀疏信号恢复理论在CT图像重建中的应用

新的图像重建算法一直是CT成像前沿研究中的热点问题之一,而实际中常常遇到的有限角度重建问题则是其中的难点.Terence Tao和他的同事提出了一种稀疏信号恢复理论,为解决这个问题提出了可能的应用策略.我们在本文中介绍了这个理论并给出了在锥束CT重建中应用的初步结果.这种理论和策略的实现对很多应用情况都有重要的意义,为该领域的发展开辟了新的方向,也必将对该领域的发展产生重大影响.     

关于不充分投影数据下的二维扇形束CT重建(英文)

在医学和其他的很多CT应用中,一个重要问题是如何从不充分的投影数据中重建出断层图像。近年来由于新兴的压缩传感理论,Total Variation最小化方法在求解这一问题中重新获得了重视。本文将该方法推广成一类更一般的不充分投影CT重建算法。这一类重建算法同样基于压缩传感理论,但是更加灵活,能适用于不同的应用背景。针对该类算法中的一个特例进行的理论分析和算法仿真展现了该算法的应用潜力。     

基于脉冲压缩技术的混凝土缺陷检测方法研究(英文)

利时用合成孔径聚焦技术(SAFT)检测混凝土缺陷,常规的短脉冲检测方法信噪比较低,导致检测距离较浅,使应用范围受到限制。本文引入雷达探测中使用的脉冲压缩技术,并提出了改进的基于脉冲压缩技术的合成孔径聚焦榆测方法(ISAFT)。该方法通过发射线性调频信号(LFM),将缺陷回波信号经匹配滤波进行脉冲压缩处理,得到的压缩信号具有主瓣宽度较窄、峰值较高的特点。然后利用该压缩信号进行SAFT成像处理,提高了图像对比度。与常规的短脉冲检测方法相比,该方法既提高了信噪比,又保证了缺陷检测的分辨率。理论和实验结果表明,该方法不仅能抑制噪声提高成像对比度,而且还适用于混凝土内部多个缺陷的检测。     

2D地震数据规则化中随机稀疏采样方案

地震数据规则化是地震信号处理中一个重要步骤,近年来受到广泛关注的压缩感知技术已经被应用到地震数据规则化中。压缩感知技术突破了传统的Shannon-Nyqiust采样定理的限制,可以用采集的少量地震数据重构完整数据。基于压缩感知技术的地震数据规则化质量主要受三个因素影响,除了受地震信号在不同变换域的稀疏表达和11范数重构算法的影响外,极大地取决于地震道随机稀疏采样方式。尽管已有学者开展了2D地震数据离散均匀分布随机采样方式研究,但设计新的稀疏采样方案仍然很有必要。在本文中,我们提出满足Bernoulli分布规律的Bernoulli随机稀疏采样方式和它的抖动形式。对2D数值模拟数据进行四种随机稀疏采样方案和两种变换（Fourier变换和Curvelet变换）实验,对获取的不完整数据应用11范数谱投影梯度算法（SPGL1）进行重构。考虑到不同随机种子点产生不同约束矩阵R会有不同的规则化质量,对每种方案和每个稀疏采样因子进行10次规则化实验,并计算出相应信噪比（SNR）的平均值和标准偏差。实验结果表明,我们提出的新方案好于或等于已有的离散均匀分布采样方案。     

基于压缩感知的加权MCA地震数据重构方法

地震数据规则化重构是地震资料处理十分重要的基础性工作.压缩感知理论打破了香农采样定理的制约,利用信号在某个变换域的稀疏特性重构出完整的信号,在地震数据重构领域得到了很好的应用.深反射地震剖面大都布置在地质构造比较复杂的区段,复杂的地质构造使深反射地震剖面上的波阻特征复杂,采用单一稀疏变换不能最有效地表征数据的内部结构特征.MCA(形态成分分析)方法将信号分解为几种形态特征区别明显的分量来逼近数据的内部复杂结构,但是对各成分简单的叠加仍然无法有效地描述复杂构造数据的各种特征.结合两种方法的优点,本文提出了一种新的基于压缩感知的重构算法框架,在MCA方法的基础上对各稀疏字典进行加权,在迭代中不断更新各个稀疏字典的权值系数,对信号内部的各种特征进行最优描述,从而实现对信号的高质量重构.模型测试和实际资料处理结果表明:基于压缩感知的加权MCA方法不仅可以对地质构造复杂的地震数据进行高效的插值重建,而且可以很好的消除空间假频.     

基于两步弥散算子的共反射面元射线束成像方法研究

基于克希霍夫统一成像理论,对共反射面元射线束成像方法进行了深入分析.通过这种分析可以得到一种新的共反射面元射线束类成像实现方式:基于两步弥散算子的共反射面元射线束类成像方法.当仅实施第一步弥散时,即可获得信噪比大幅提高同时更为规则的叠前道集.二维、三维的理论和实际数据算例证实了上述观点.     

Automatic signal detection based on support vector machine

Introduction The automatic processing of continuous seismic data is important for monitoring earthquake, in which real data recorded by field stations located in different regions is transmitted to data cen- tre through internet or satellite communication systems. Automatic processing will run firstly on data, afterwards these automatic processing results will be reviewed and modified. The load of interactive analysis would be increase if there were more false events or missed events after run…     

CT 成像的改进算法及其实验

Ｆｏｕｒｉｅｒ算法是求解Ｒａｄｏｎ变换的一种方法,优点是计算量小,速度快,但因其成像质量较差,所以在医疗ＣＴ方面的应用较少。本文叙述了一种改进的Ｆｏｕｒｉｅｒ算法,并对其作了成像实验,实验结果表明改进Ｆｏｕｒｉｅｒ 算法的成像质量不低于国产ＣＴ所采用的卷积反投影算法,但在速度上却有很大优势。     

提高自然伽马测井曲线分辨率的正则化方法

应用正则化反演理论研究了提高自然伽马测井曲线纵向分辨率的正则反褶积处理技术，通过正则化因子对噪音和信号影响的分析和研究，给出了估计反褶积结果与地层真值偏差大小的新公式，提出了直接根据信噪比大小选择正则化因子的新方法．由于正则化因子保证使反褶积结果与地层真值偏差为最小，使计算结果的稳定性和精度均得到明显提高．此外，大部分测井记录的信噪比均可以很容易估计，从而大大提高了正则反褶积的适用性．最后通过理论模型实验和井场数据处理证明了正则反褶积技术是十分有效的．     

叠前地震数据特征波场分解、偏移成像与层析反演

本文提出了一套叠前地震数据稀疏表达(特征波场合成)、深度偏移成像和层析成像的处理流程.不同于传统的变换域中的数据稀疏表达理论,本文利用局部平面波的传播方向(慢度矢量),在中心炮检点处同时进行波束合成,从而将地震数据投影到局部平面波域(高维空间)中.由于波束合成后的地震数据描述了局部平面波的方向特征,因此称之为特征波场.然而波束合成算法需要估计局部平面波的慢度矢量.当地震数据受噪声干扰时,难以在常规τ-p谱中自动估计局部平面波的射线参数(慢度矢量).本文提出了基于反演理论的特征波场合成方法,可以同时反演局部平面波及其传播方向,从而提高特征波合成的自动化程度并保持方法的稳健性.通过特征波场合成,可以将地震数据分解为单独的震相(波形).这样的数据可以直接用来成像及反演.在局部平面波域中,由于局部平面波的入射与出射射线参数已知,传统的Kirchhoff叠前深度偏移(PSDM)和高斯束/控制束PSDM可以实现从"沿等时面的画弧"到"向反射点(段)的直接投影"的转变,叠前偏移的效率以及成像质量可以同时提高.此外,特征波场与地下反射点(段)的一对一映射关系使得叠前深度偏移与层析成像融为一体,可以极大地提高速度反演的效率.数值试验证明了特征波场合成、叠前深度成像以及层析反演的有效性.     

基于时空局域化dreamlet单程波算子的观测系统沉降法偏移

Dreamlet偏移成像目的是探索一类能够对地震波场和单程波传播算子同时分解和压缩的理论和方法,也即实现在压缩域的传播与成像、地震数据在时间和空间的非平稳性质,决定了要实现地震数据的有效稀疏表示,分解方法必须在时间和空间上同时具有局域化性质.Dreamlet由时间和空间局部分解原子的张量积构成,可以看作一种脉冲-小波束形式的波场分解原子.时空局域化的dreamlet单程波传播算子在对波场沿深度方向延拓时,地震数据在时间轴上总是向同一方向流动.随着深度的增加,部分用于成像浅层结构的数据归位至其空间位置后被dreamlet算子丢弃,波场的有效记录时间变短,每一步用于波场延拓的计算量也相应下降.为了充分发挥这一优势,本文介绍dreamlet传播算子与观测系统沉降法偏移相结合的理论与方法.观测系统沉降法偏移每一步都将记录到的所有数据向下延拓,沉降后的波场等效于把源和检波器都放置在目标深度所能接收的反射数据.Dreamlet观测系统沉降过程只保留用于成像观测系统下部地质结构的有效数据,自动丢弃已经用于成像观测系统上部而对下部成像没有贡献的信号.本文通过二维SEG/EAGE叠后和Marmousi叠前数据算例展示了dreamlet传播算子应用于观测系统沉降法偏移的这一特点.数值算例结果显示,在不影响成像质量的前提下,该偏移方法能够有效减少传播数据量,为发展一种快速高效的偏移方法提供了新的思路.     

基于Seislet-TV双正则化约束的地震随机噪声压制方法

人工地震数据总是受到随机噪声的干扰,地震数据时-空变的特性使得常规去噪方法处理效果并不理想,容易导致有效信号的损失.目前广泛应用的预测滤波类方法存在处理时变数据能力不足的问题.随着压缩感知理论的不断完善,稀疏变换阈值算法能够解决时变地震数据噪声压制问题,但是常规的稀疏变换方法,如傅里叶变换,小波变换等,并不是特殊针对地震数据设计的,很难提供地震数据最佳的压缩特征,同时,常规阈值算法容易导致去噪结果过于平滑.因此开发更加有效的时-空变地震数据信噪分离方法具有重要的工业价值.本文将地震数据信噪分离问题归纳为数学基追踪问题,在压缩感知理论框架下,利用特殊针对地震数据设计的VD-seislet稀疏变换方法,结合全变差(TV)算法,构建seislet-TV双正则化条件,并利用分裂Bregman迭代算法求解约束最优化问题,实现地震数据的有效信噪分离.通过理论模型和实际数据测试本文方法,并且与工业标准FXdecon方法进行比较,结果表明基于seislet-TV双正则化约束条件的迭代方法能够更加有效地保护时-空变地震信号,压制地震数据中的强随机噪声.