| 基于超完备字典学习的缺失地震数据重构方法 |
| |
| 作者姓名： | 俞国庆 贾瑞生 孙圆圆 侯文龙 |
| |
| 作者单位： | 山东科技大学计算机科学与工程学院,山东青岛266590;山东科技大学山东省智慧矿山信息技术省级重点实验室,山东青岛266590;山东科技大学计算机科学与工程学院,山东青岛266590;山东科技大学山东省智慧矿山信息技术省级重点实验室,山东青岛266590;山东科技大学计算机科学与工程学院,山东青岛266590;山东科技大学山东省智慧矿山信息技术省级重点实验室,山东青岛266590;山东科技大学计算机科学与工程学院,山东青岛266590;山东科技大学山东省智慧矿山信息技术省级重点实验室,山东青岛266590 |
| |
| 基金项目： | 国家重点研发计划课题;山东省重点研发计划;中国博士后科学基金;青岛博士后研究人员应用研究项目联合资助 |
| |
| 摘 要： | 地震勘探目标区域环境的复杂多变性导致采集的地震数据存在不完整或者不规则等问题,针对这一问题,本文在压缩感知相关理论的支撑下,提出了基于超完备字典学习的缺失地震数据重构方法.首先利用K-SVD字典学习技术对地震样本数据进行训练,建立超完备字典对地震数据进行稀疏表示,然后引入高斯随机采样矩阵作为测量矩阵对地震数据进行采样;在数据重构阶段采用分段正交匹配追踪算法实现缺失地震数据的重构.通过与传统的地震数据重构方法对比,本文算法的重构效果在峰值信噪比、信噪比等指标上均优于对比算法,证明了超完备字典学习方法能更好的根据地震数据特征进行稀疏表示,从而获得较好的重构效果.
|
| 关 键 词： | 地震数据重构 压缩感知 超完备字典学习 分段正交匹配追踪 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
