尊敬的各位读者:
根据当前疫情防控要求,我馆部分原文传递服务可能会有延期,无法在24小时内提供,给您带来的不便敬请谅解!
国家工程技术图书馆
2022年11月29日
摘要: 由于在微地震勘探中容易受到环境因素的影响,微地震资料中往往存在着许多噪音干扰,随机噪音在微地震资料中占主要部分,资料中噪音的出现使得微地震剖面的信噪比和分辨率较低。微地震资料的品质影响着地震工作者后续的工作,品质越好的资料可以使微... 展开 由于在微地震勘探中容易受到环境因素的影响,微地震资料中往往存在着许多噪音干扰,随机噪音在微地震资料中占主要部分,资料中噪音的出现使得微地震剖面的信噪比和分辨率较低。微地震资料的品质影响着地震工作者后续的工作,品质越好的资料可以使微地震的初至拾取,震源定位取得精确的结果。为了提升资料的品质,资料噪音的去除是关键性的一步。本文主要针对微地震资料中存在的随机噪音进行研究工作,来获得一种高效实用的去噪方法。 首先,本文主要介绍了微地震资料中存在的噪音类型,紧接着介绍了一些面对不同类型噪音相对应的去噪方法。作者在总结这些方法以后采取了利用稀疏表示方法来进行噪音去除的方案。 后文中首先介绍了稀疏表示理论,稀疏表示的数学模型,在稀疏表示构造字典的问题上介绍了几种字典的构造方式,在对稀疏系数矩阵的求取时介绍了几种相关的算法,在面对传统的稀疏分解算法运行时间较长的问题上提出了相应的改进算法,得到了一种优化的稀疏分解算法。 在微地震资料去噪方面,主要研究了基于K-SVD字典学习的去噪方法,该方法能自适应的根据微地震资料来训练出比较合适的字典,从而达到去噪的目的,但作者在研究时发现,一些常规的字典在面对复杂的微地震数据时也束手无策,比如采用DCT字典时会削弱有效的弱信号,虽然能够提升资料的品质但是丢失有效信号是我们面对的一大挑战,为了改善这种情况,接着提出了自适应性的K-SVD字典学习去噪方法,这种方法虽然能够在去除噪声的同时保留比较弱的有效信号,但这种方法还是令人不太满意。为了改善资料品质,引出了双稀疏字典学习去噪方法,这种方法大大改善了以前存在的问题。为了能取得更好的去噪效果,将字典学习方法与小波变换方法相结合,提出了基于小波域的双稀疏字典学习方法,通过研究发现,新的方法可以很好的解决以前存在的问题,是一种高效实用的去噪方法。 收起
系统维护,暂停服务。
根据《著作权法》“合理使用”原则,您当前的文献传递请求已超限。
如您有科学或教学任务亟需,需我馆提供文献传递服务,可由单位单位签署《图书馆馆际互借协议》说明情况,我馆将根据馆际互借的原则,为您提供更优质的服务。
《图书馆馆际互借协议》扫描件请发送至service@istic.ac.cn邮箱,《图书馆馆际互借协议》模板详见附件。
根据《著作权法》规定, NETL仅提供少量文献资源原文复制件,用户在使用过程中须遵循“合理使用”原则。
您当日的文献传递请求已超限。