基于贝叶斯压缩感知的小波域地震数据压缩与重构
发布时间：2021-07-19 09:54
随着石油地球物理勘探技术的飞速发展,地震勘探仪器也向着多维、多分量、多参数和高分辨率等方向迈进,地震勘探数据量随之呈指数增长,需要更高的数据传输速率来确保数据的实时性,否则会影响施工效率和勘探分辨能力。特别是地震勘探仪器从有线传输转变为现在广泛使用的无线传输后,面对海量数据实时回收、信道带宽限制等现实状况,如何提高地震勘探系统海量数据实时传输能力成了研究热点和待解决的核心问题,其中,对地震数据的压缩与重构技术的研究显得尤为迫切,数据压缩可以从传输的源头减少数据量,改善勘探系统的网络传输效率,提高数据的实时处理速度,节省存储空间。由于传统香农采样定理的制约,现有压缩技术方案大部分是对现场数据变换编码来消除其冗余,从而达到压缩效果,再通过解码反变换恢复出原始数据。这类压缩与重构方案需要对完整的地震数据进行操作,不仅时效性差,容易造成硬件资源浪费,而且解码完全是编码的逆运算,编解码算法间的关联性太强,难以同时满足实时压缩与高精度重构的需求。针对以上问题,本文基于压缩感知（CS）理论提出一种新的地震数据压缩与重构方案。在地震数据压缩过程中,首先使用Logistic混沌序列构造出混沌伯努利测量矩...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
传统的采样、压缩和解压过程
图 2.2 压缩感知理论下的采样、压缩和解压过程缩感知理论的压缩重构模型一维信号的数据压缩采集可以表示为如下数学模型：y x n...........................................Nx R表示原始数据，My R表示采集的数据，也叫观测值MNR 为测量矩阵，其中 M N。由于多数情况下，信，但在某个变换域内是稀疏的或可压缩的，即x在某变换域系数 是 K -稀疏的，可表示为 K0 ，则方程（2.1）可以yxnH .......................................，上标 H 表示共轭转置，因为 是酉矩阵，所以有 H，I 表示为单位矩阵。
图 2.3 信号压缩测量过程示意图由于 M N，求稀疏解时，需要列举出 中非零元素的所有KNC 种排列可能，于一个经典的 NP-hard 非凸优化问题，可以利用 1l 范数优化问题求解该欠定阵的稀疏解，等同于求解以下表达式： 122 argmin y ..................................（2.5）综上，通过重构算法精确求解出变换系数 后，就可以通过反变换完整的重出来原始信号x ，表达式如下： Hx ...................................................（2.6）.3 稀疏表示.3.1 几种常见的稀疏表示方式
【参考文献】：
期刊论文
[1]陆上地震数据采集系统通讯技术现状及展望[J]. 张晓普,林君,杨泓渊,赵玉江,张帅帅. 地球物理学进展. 2016(03)
[2]基于Logistic混沌-贝努力序列的循环压缩测量矩阵构造算法[J]. 臧华中. 四川理工学院学报(自然科学版). 2015(05)
[3]一种有序高斯循环测量矩阵的设计及性能分析[J]. 肖静娴,申晓红,王海燕,刘兴晨. 上海交通大学学报. 2015(10)
[4]基于EZW算法的地震数据压缩[J]. 徐锋涛,张正炳,桂志先. 石油地球物理勘探. 2015(05)
[5]二进制信号的混沌压缩测量与重构[J]. 郭静波,李佳文. 物理学报. 2015(19)
[6]基于Kent映射的混合混沌优化算法[J]. 刘建军,石定元,武国宁. 计算机工程与设计. 2015(06)
[7]基于混沌序列和RIPless理论的循环压缩测量矩阵的构造[J]. 郭静波,汪韧. 物理学报. 2014(19)
[8]基于压缩感知的Curvelet域联合迭代地震数据重建[J]. 白兰淑,刘伊克,卢回忆,王一博,常旭. 地球物理学报. 2014(09)
[9]基于Shearlet变换的地震随机噪声压制[J]. 刘成明,王德利,王通,冯飞,程浩,孟阁阁. 石油学报. 2014(04)
[10]混合高斯分布的变分贝叶斯学习参数估计[J]. 徐定杰,沈忱,沈锋. 上海交通大学学报. 2013(07)
硕士论文
[1]基于压缩感知理论的地震数据重构方法研究[D]. 罗腾.吉林大学 2015
[2]基于贝叶斯理论的压缩感知恢复算法研究[D]. 王薇.哈尔滨工业大学 2014
[3]基于提升小波变换的地震数据压缩技术研究[D]. 张艳.吉林大学 2014
[4]基于贝叶斯的压缩感知重构算法研究[D]. 张文韬.安徽大学 2014
[5]基于提升小波变换的地震勘探数据有损压缩研究[D]. 石水勇.青岛大学 2011
本文编号：3290487
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
传统的采样、压缩和解压过程
图 2.2 压缩感知理论下的采样、压缩和解压过程缩感知理论的压缩重构模型一维信号的数据压缩采集可以表示为如下数学模型：y x n...........................................Nx R表示原始数据，My R表示采集的数据，也叫观测值MNR 为测量矩阵，其中 M N。由于多数情况下，信，但在某个变换域内是稀疏的或可压缩的，即x在某变换域系数 是 K -稀疏的，可表示为 K0 ，则方程（2.1）可以yxnH .......................................，上标 H 表示共轭转置，因为 是酉矩阵，所以有 H，I 表示为单位矩阵。
图 2.3 信号压缩测量过程示意图由于 M N，求稀疏解时，需要列举出 中非零元素的所有KNC 种排列可能，于一个经典的 NP-hard 非凸优化问题，可以利用 1l 范数优化问题求解该欠定阵的稀疏解，等同于求解以下表达式： 122 argmin y ..................................（2.5）综上，通过重构算法精确求解出变换系数 后，就可以通过反变换完整的重出来原始信号x ，表达式如下： Hx ...................................................（2.6）.3 稀疏表示.3.1 几种常见的稀疏表示方式
【参考文献】：
期刊论文
[1]陆上地震数据采集系统通讯技术现状及展望[J]. 张晓普,林君,杨泓渊,赵玉江,张帅帅. 地球物理学进展. 2016(03)
[2]基于Logistic混沌-贝努力序列的循环压缩测量矩阵构造算法[J]. 臧华中. 四川理工学院学报(自然科学版). 2015(05)
[3]一种有序高斯循环测量矩阵的设计及性能分析[J]. 肖静娴,申晓红,王海燕,刘兴晨. 上海交通大学学报. 2015(10)
[4]基于EZW算法的地震数据压缩[J]. 徐锋涛,张正炳,桂志先. 石油地球物理勘探. 2015(05)
[5]二进制信号的混沌压缩测量与重构[J]. 郭静波,李佳文. 物理学报. 2015(19)
[6]基于Kent映射的混合混沌优化算法[J]. 刘建军,石定元,武国宁. 计算机工程与设计. 2015(06)
[7]基于混沌序列和RIPless理论的循环压缩测量矩阵的构造[J]. 郭静波,汪韧. 物理学报. 2014(19)
[8]基于压缩感知的Curvelet域联合迭代地震数据重建[J]. 白兰淑,刘伊克,卢回忆,王一博,常旭. 地球物理学报. 2014(09)
[9]基于Shearlet变换的地震随机噪声压制[J]. 刘成明,王德利,王通,冯飞,程浩,孟阁阁. 石油学报. 2014(04)
[10]混合高斯分布的变分贝叶斯学习参数估计[J]. 徐定杰,沈忱,沈锋. 上海交通大学学报. 2013(07)
硕士论文
[1]基于压缩感知理论的地震数据重构方法研究[D]. 罗腾.吉林大学 2015
[2]基于贝叶斯理论的压缩感知恢复算法研究[D]. 王薇.哈尔滨工业大学 2014
[3]基于提升小波变换的地震数据压缩技术研究[D]. 张艳.吉林大学 2014
[4]基于贝叶斯的压缩感知重构算法研究[D]. 张文韬.安徽大学 2014
[5]基于提升小波变换的地震勘探数据有损压缩研究[D]. 石水勇.青岛大学 2011
本文编号：3290487
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3290487.html
