公共文化服务平台

基于LDPC矩阵采样方法的三维地震数据重构被引量：3: 2018年; 按照以往的测量矩阵进行实际勘察无法较好地实现地震数据的重构,大多数矩阵设计复杂且元素多样,不符合实际标准。笔者将LDPC矩阵应用到地震勘探采样中,用较少的地震数据来重构完整的地震记录。采用K-SVD字典对数据进行稀疏变换,FISTA算法进行重构。对比以往的随机采样、离散均匀采样和jitter采样,LDPC矩阵更适合三维环境且恢复重构效果更好。对比重构数据的信噪比,三维模拟数据和实际数据都证实了LDPC矩阵信噪比值最高,重构出的数据效果最好。; 常傲韩立国于江龙张良; 关键词：数据重构测量矩阵

压缩感知理论下基于快速不动点连续算法的地震数据重建被引量：5: 2018年; 地震勘探中由于采集成本和采集条件等因素导致的地震数据不完整性极大地影响了地震数据的后续处理。为此,引入了一种压缩感知理论下的快速不动点连续(fast fixed point continuation,FFPC)算法对缺失的地震数据进行重建。首先对地震数据进行小波变换,然后根据要求选择合适的测量矩阵对地震数据进行缺失处理,最后采用FFPC算法重建缺失后的稀疏地震数据。模型数据及实际地震数据测试结果表明,该算法能够很好地完成地震数据重建,重建后的地震数据具有较高的信噪比。相对于不动点连续(fixed point continuation,FPC)算法,FFPC算法耗时更短、重建效率更高;相对于传统的正交匹配追踪(orthogonal matching pursuit,OMP)以及最小化L1范数的谱投影梯度(spectral projected-gradient for L1minimization,SPGL1)等算法,FFPC算法的重建精度更高。; 刘争光韩立国张良程时俊; 关键词：压缩感知测量矩阵小波变换

基于改进泊松碟采样的地震数据重构被引量：1: 2018年; 测量矩阵是压缩感知中一个重要的因素,不同的测量矩阵在不同的条件下重构出的效果会不一样,而且在整个重构过程中起着重要的作用。地震勘探中由于实际情况的影响使得压缩感知中测量矩阵的使用有所限制。针对地震勘探实际情况,结合jitter采样和泊松碟采样的优点,提出了一种改进的泊松碟采样方法,泊松碟采样并没有受到规则网格的约束,这里改进的泊松碟采样是基于规则网格的条件,结合jitter方式,避免了对空间采样点的浪费和克服了间距过大的缺点,同时提高了采样效率,针对野外的实际情况可以调节检波器的布置位置。目前,在一些领域,如图像重构、信号处理等,高斯随机测量矩阵都得到了广泛应用并且其重构效果都很好,但在地震勘探中,由于受到现有检波器的限制,高斯随机测量矩阵并不符合地震勘探的条件。这里,模拟数据和实验数据都表明改进的泊松碟采样方式能够和广泛应用的高斯随机测量矩阵一样取得较好的重构效果,并且代替高斯随机测量矩阵在地震勘探中取得实际应用。; 常傲韩立国张良; 关键词：压缩感知测量矩阵数据重构

双稀疏字典和FISTA的地震数据去噪被引量：14: 2019年; 地震数据的随机噪声去除是地震数据处理中的一项重要步骤,双稀疏字典提供了两层稀疏模型,比单层稀疏模型可以更好地去除噪声.该方法首先利用contourlet变换对地震数据进行稀疏表示,然后在contourlet域中使用快速迭代收缩阈值算法(fast iterative shrinkage-thresholding algorithm,FISTA)对初始字典系数进行更新,接着采用数据驱动紧标架(data-driven tight frame,DDTF)在contourlet域中得到DDTF字典并通过FISTA得到更新后的字典系数,最后通过DDTF字典和更新后的字典系数获得新的contourlet系数,并对新的contourlet系数进行硬阈值和contourlet反变换得到去噪后的数据.通过模拟数据和实际数据的实验证明:与固定基变换去噪方法相比,该方法可以自适应地对地震数据进行稀疏表示,在地震数据较为复杂时得到更高的信噪比;与字典学习去噪方法相比,该方法不仅拥有较快的去噪速度,而且克服了字典学习因为缺少先验约束造成瑕疵的缺点.; 张良韩立国方金伟张盼刘争光; 关键词：随机噪声 CONTOURLET变换

基于压缩感知和Contourlet变换的地震数据重建方法被引量：12: 2017年; 基于压缩感知技术的地震数据字典重建算法在训练字典时耗时较长,基于压缩感知技术的稀疏变换重建算法对稀疏基的要求较高,权衡信噪比和时间,采用目前已应用于地震数据重建的Contourlet稀疏基,提出了一种基于压缩感知技术和Contourlet变换的地震数据重建方法。首先根据设计的测量矩阵,在Contourlet域中采用快速迭代收缩阈值算法(Fast Iterative Shrinkage-Thresholding Algorithm,FISTA)重建缺失的稀疏系数,然后进行Contourlet反变换完成地震数据的缺失重建。合成数据和实际地震数据测试结果表明,基于压缩感知技术的Contourlet变换能够很好地完成地震数据的缺失重建;与压缩感知技术中常用的短时傅里叶变换和小波变换方法相比,基于压缩感知的Contourlet变换重建结果信噪比更高,并且增加的耗时有限,在可以接受的范围之内。; 张良韩立国刘争光李宇; 关键词：压缩感知 CONTOURLET变换测量矩阵地震数据重建

Radon域下的K-SVD字典的混采分离被引量：1: 2019年; 基于地震反演来分离混采数据的方法,笔者提出用K次迭代奇异值分解(K-SVD)来更新Radon域下混叠信号中的字典原子的方法:在同步源采集和地震稀疏反演的背景下,将混合地震信号的分离视为稀疏反演问题,将共检波点域的数据表示在Radon域内,此时有效信号同相轴收敛;对数据阈值滤波后进行分块字典学习,进一步稀疏地表示地震数据;最后,固定字典,更新恢复信号和稀疏系数完成分离。模拟和实际资料处理结果表明:该方法对于混采数据的分离相对中值滤波、小波变换等更有效、分离质量明显提升,可应用于实际混叠数据中。; 李慧韩立国张良贾帅

基于时间窗边线检测和多级中值滤波的混采数据分离被引量：4: 2018年; 针对多源地震采集技术中的混采数据分离,提出了一种时间窗边线检测和多级中值滤波方法.该方法利用了伪分离记录在非共炮点域,混叠噪声呈随机分布的特性.首先设计一个合适的时间窗口并且设定时间窗边线阈值,然后对转换到非共炮点域的伪分离记录进行检测,对不满足阈值条件的窗内记录进行滤除,接着对伪分离记录进行多级中值滤波,进一步压制残余噪声,并且利用时间窗边线检测和多级中值滤波对过滤信号进行有效信号提取,最后把伪分离记录转换回共炮点域从而实现混采数据分离.与常规的混采数据分离技术相比较,采用时间窗边线检测和多级中值滤波方法拥有更高的信噪比.; 张良韩立国李宇刘争光; 关键词：多级中值滤波

基于压缩感知技术的Shearlet变换重建地震数据被引量：31: 2017年; 基于预测滤波方法进行地震数据重建的误差偏大,基于波动方程进行地震数据重建的计算量较大,基于某种变换的地震数据重建精度偏低。为此,利用基于压缩感知技术的Shearlet变换重建地震数据。基于信号的稀疏性,在欠采样的情况下,首先根据地震数据的缺失情况设计采样矩阵,然后使用Shearlet变换将地震数据稀疏化,再采用正交匹配追踪算法在Shearlet域中完成对稀疏系数的重建,最后通过Shearlet反变换实现地震数据重建。实验结果表明,基于压缩感知技术的Shearlet变换能够很好地重建地震数据,且重建精度高于基于压缩感知技术的Fourier变换、离散余弦变换、小波变换和Curvelet变换。; 张良韩立国许德鑫李宇李慧; 关键词：压缩感知 SHEARLET变换地震数据重建正交匹配追踪

基于字典学习和ADMM的地震数据重建被引量：6: 2019年; 针对压缩感知下与字典学习和交替方向乘子算法(alternating direction method of multipliers,ADMM)密切相关方法存在的问题,研究并提出了一种在压缩感知理论下采用字典学习和ADMM重建地震数据的方法。首先对不完整地震数据进行字典学习,使其稀疏地表示,再根据地震道的缺失情况设计合理的采样矩阵,最后对建立的L1范数约束模型采用ADMM进行求解得到重建后的地震数据。建立了压缩感知下基于字典学习和ADMM的地震数据插值技术流程。正演模拟数据和实际数据的重建实验结果表明:与压缩感知理论下采用固定基的重建方法相比,字典学习能够自适应地对地震数据进行更优的稀疏表示。与常用的curvelet等重建算法相比,采用ADMM能够更加精确地重建地震数据。与固定基和正交匹配追踪(orthogonal matching pursuit,OMP)相比,在压缩感知理论下采用字典学习和ADMM重建的地震数据有更高的信噪比。; 李慧韩立国张良贾帅; 关键词：压缩感知字典学习地震数据重建

基于压缩感知的L1范数谱投影梯度算法地震数据重建被引量：3: 2019年; 随着油气勘探的发展,采集的数据规模与复杂度越来越大,对这些数据进行重建的精度与效率影响到后续地震资料的处理效果。常用于地震数据重建的压缩感知理论与重建算法各有精度与效率的优势,因此对于大规模、复杂地震数据,综合考虑重建精度与计算时间,提出了一种基于压缩感知理论和L1范数谱投影梯度算法(SPGL1)的地震数据重建方法。首先根据地震数据的缺失情况选择采样矩阵,然后在contourlet域中采用L1范数谱投影梯度算法重建缺失的稀疏系数,最后进行contourlet反变换实现地震数据的重建。合成地震数据实验结果表明,基于压缩感知和L1范数谱投影梯度算法重建的地震数据精度较好,计算效率高。通过实际地震资料处理,对比了相同稀疏变换基情况下常用的贪婪算法中的正交匹配追踪(OMP)、梯度投影稀疏重建算法(GPSR)及L1范数谱投影梯度算法(SPGL1)的应用效果,发现基于压缩感知的L1范数谱投影梯度算法鲁棒性较好,受噪声影响小,重建精度高,并且兼顾了计算效率的需求。; 兰天维韩立国张良; 关键词：压缩感知测量矩阵 CONTOURLET变换地震数据重建绕射波

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

张良

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

张良

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈