[发明专利]一种基于全连接网络的稀疏导波数据恢复方法

权利要求书

1.一种基于全连接网络的稀疏导波数据恢复方法，其特征在于，其步骤如下：

步骤一：建立稠密波场-速度分布图数据库；

步骤二：对稠密波场进行降采样获得稀疏波场-速度分布图数据库；

步骤三：利用压缩传感对稀疏波场进行粗略重构，恢复出次稠密波场；

步骤四：将次稠密波场输入全连接网络模型中进行精细重构，得到预测的稠密波场；

步骤五：将预测的稠密波场输入导波快速成像系统进行数据恢复质量与成像性能评估。

2.根据权利要求1所述的基于全连接网络的稀疏导波数据恢复方法，其特征在于，所述稠密波场-速度分布图数据库为：

式中，ω为角频率，M(x)为质量阵，K(x)为刚度阵，η(x)为阻尼阵，为频域稠密波场，为频域点源，s(x,t)表示时域点源，u(x,t)表示时域稠密波场，x表示空间坐标，t表示时间，i为虚数单位。

3.根据权利要求1所述的基于全连接网络的稀疏导波数据恢复方法，其特征在于，所述利用压缩传感对稀疏波场进行粗略重构，恢复出次稠密波场的方法为：

采用压缩传感对稀疏波场进行粗略重构：

其中，是稀疏波场；是测量矩阵；是次稠密波场；是稀疏变换基；是次稠密波场在稀疏变换基上的稀疏表示系数；是传感矩阵；

施加稀疏约束，求解出稀疏表示系数

将稀疏表示系数代入式(2)恢复出次稠密波场

4.根据权利要求1所述的基于全连接网络的稀疏导波数据恢复方法，其特征在于，所述全连接网络模型的搭建方法为：

S4.1、设置全连接网络的结构与参数，包括层数、每层的节点数、激活函数的种类、训练算法、批大小、停止规则；

S4.2、计算全连接网络的第j个节点的预测输出o_j：

式中，g为激活函数，q为第n层的总节点数，n为层数，为第n+1层的第i个节点与第n层的第j个节点之间的权值，为第n层的第j个节点的值，为第n层的第j个节点的阈值；

S4.3、的表达式为：

其中，h为激活函数，为第n层的第i个节点与第n-1层的第j个节点之间的权值，为第n-1层的第j个节点的值，为第n-1层的第j个节点的阈值，p表示第n-1层总节点数；

S4.4、计算全连接网络的第j个节点的输出误差e_j：

式中，o_obj为第j个节点的真实输出；

S4.5、计算全连接网络的总误差E：

S4.6、采用训练算法更新权值和阈值，循环步骤S4.2到步骤S4.5，直至达到停止规则，保存此时全连接网络的结构与参数作为全连接网络模型。

5.根据权利要求1或2所述的基于全连接网络的稀疏导波数据恢复方法，其特征在于，所述稠密波场-速度分布图数据库中的速度分布图的形状、网格间距、激励信号类型和频率、换能器阵列、换能器阵列形状、阵元数量、降采样因子均可调。

6.根据权利要求3所述的基于全连接网络的稀疏导波数据恢复方法，其特征在于，所述稀疏变换基为高斯基。

7.根据权利要求4所述的基于全连接网络的稀疏导波数据恢复方法，其特征在于，所述全连接网络的结构包含输入层、隐含层、Dropout层和输出层；其中，输入层的层数为1，输入层的节点数为稠密波场的大小，隐含层的层数和节点数可调，输出层的层数为1，输出层的节点数为稠密波场的大小；激活函数g为sigmoid函数。