[发明专利]采用压缩感知算法的地震数据重建方法及系统

说明书

本发明公开了一种采用压缩感知算法的地震数据重建方法，包括：使用超完备字典取代基函数，对原始数据进行稀疏转化；选取初始化的随机单位阵作为观测矩阵；采样矩阵与正则化相结合然后通过正交匹配跟踪算法来实现对缺失地震数据的恢复重建。本发明对于压缩感知理论中的信号稀疏表示、观测矩阵设计以及信号重构和数据的重建等过程提出了改进，进一步使弱信号增强，并且地震分辨率会有明显提高。

技术领域

本发明属于数据技术领域，特别是涉及到一种采用压缩感知算法的地震数据重建方法及系统。

背景技术

由于经济成本约束和环境影响等因素的制约，采集到的地震数据往往是不完整的，这给数据分析带来了各种困难，甚至带来了各种错误的信息。近几年来，压缩感知理论的出现为地震数据重建提供一个新概念。压缩感知算法具有比传统采样方法采样率低并且采样的精度较高的优点。因此，近年压缩感知算法在地震数据恢复重建领域的应用较多。压缩感知理论的基本思想是首先通过稀疏变换对原始地震数据进行处理，然后通过观测矩阵对处理后的数据进行重构，最后在对数据重构的过程中对数据进行恢复重建，从而实现地震数据的恢复。在理解算法原理的基础上，在MATLAB语言环境下编制程序，对各种地震数据进行处理，分析算法的性能，验证算法的可行性。

发明内容

本发明提出一种采用压缩感知算法的地震数据重建方法及系统，提高了算法的运算速度和精度，改进了算法的可行性。

为达到上述目的，本发明的技术方案是这样实现的：

一种采用压缩感知算法的地震数据重建方法，包括：

S1、使用超完备字典取代基函数，对原始数据进行稀疏转化；

S2、选取初始化的随机单位阵作为观测矩阵；

S3、采样矩阵与正则化相结合然后通过正交匹配跟踪算法来实现对缺失地震数据的恢复重建。

进一步的，步骤S1所述超完备字典的构建步骤包括：

S11、输入要分解的信号并设置参数，形成超完备原子库；

S12、寻找最佳原子，从原信号或者残差中减掉在最佳原子上的分量，并做进一步的分解；

S13、重复执行步骤S12至分解完成，形成超完备原子库。

进一步的，步骤S3所述恢复重建的步骤包括：

S21、残差初始化，迭代次数设为1；

S22、找出残差和传感矩阵的列积中最大值所对应的的脚标；

S23、重建原子集合；

S24、使用最小二乘法，更新残差，迭代次数加1；

S25、重复执行步骤S22至S24，至迭代停止；

S26、结果输出。

本发明的另一方面，提供了一种采用压缩感知算法的地震数据重建系统，包括：

稀疏化单元，用于使用超完备字典取代基函数，对原始数据进行稀疏转化；

矩阵单元，用于选取初始化的随机单位阵作为观测矩阵；

恢复单元，用于采样矩阵与正则化相结合然后通过正交匹配跟踪算法来实现对缺失地震数据的恢复重建。

进一步的，稀疏化单元包括：

输入模块，用于输入要分解的信号并设置参数，形成超完备原子库；

分解模块，用于寻找最佳原子，从原信号或者残差中减掉在最佳原子上的分量，并做进一步的分解；

完成模块，用于分解模块重复执行至分解完成，形成超完备原子库。