基于混合优化算法的地震数据匹配追踪分解

以5个参数(幅度、频率、相位移、尺度因子、时移)控制的Morlet小波作为匹配子波原子,在确定控制参数的过程中,提出应用具有全局优化能力的粒子群优化算法与具有局部优化能力的BFGS算法的混合优化算法,能够使得匹配追踪算法不再依赖于复数道分析确定子波原子的振幅、频率和相位的初值.控制子波时间延续长度的尺度因子是一个重要的参数.匹配追踪分解后,消除较小和较大的尺度因子和分解终止时的剩余信号能够有效地压制地震数据噪声.利用局部函数解析表达式和残差信号能量进行有效地控制算法的迭代次数可以提高计算效率.数值试验和实际资料的应用均表明:利用本文方法能够压制地震数据噪声,对地震信号快速地、精确地进行时频谱分析,为烃类检测和储层描述提供有效的手段.     

基于地震信号的匹配追踪算法

对基于地震信号的MP（匹配追踪）算法进行研究。重点探讨了MP算法中原子库的构造,在对地震信号进行稀疏分解时,Gabor原子其原子特性不能很好的匹配地震信号的特性,Ricker子波是地震信号中常应用到的一类子波,但由于其只有频率和位移两个参数,且其相位为零,因此RAcker子波所构建的原子库不够完备。本文采用了非零相位的雷克子波来构建原子库,并取得了很好的效果。     

基于局部频率约束的动态快速匹配追踪方法

传统的动态匹配追踪将原始信号中蕴含的瞬时属性作为其自适应分解的先验信息,而Hilbert变换求取的瞬时频率会出现负频率,且极易受到噪声的干扰。首次将局部频率引进匹配追踪领域,局部频率采用最小二乘估计策略,综合数据点局部邻域内的瞬时信息,进而避免计算结果出现负异常现象。通过设计多个信号验证局部频率的合理性与稳定性。所提方法以局部频率替换瞬时频率来确定冗余字典搜索范围,与传统的动态匹配追踪相比,运算效率明显提高。理论模型验证了该方法具有较强的可行性和稳定性,并通过某研究区的瞬时谱尖灭点识别说明了该方法的实用性。     

基于残差比阈值的迭代终止条件匹配追踪稀疏分解方法

基于传统的迭代终止条件,应用匹配追踪(MP)稀疏分解方法分解高噪信号,研究了固定迭代次数及阈值迭代终止条件的不足.引入相邻残差之比,规格化相邻残差之差,减少了噪声的干扰,设计了残差比阈值迭代终止条件. 采用残差比阈值迭代终止条件,对高噪声超声信号进行稀疏分解,分解过程会根据噪声成分的水平自适应地终止迭代,克服了传统迭代终止条件无法选择迭代终止阈值的问题.理论推导与实验都证明了残差比阈值迭代终止条件具有很强的鲁棒性.     

基于树型冗余字典正交匹配追踪的信号稀疏分解

结合树型结构和正交匹配追踪算法,提出一种信号稀疏分解的新方法.该方法的基本思想是在基于树型结构的匹配搜索过程中引入正交化过程,其中树型结构可以快速有效地实现稀疏分解,正交匹配追踪算法提高了信号分解的收敛速度和稀疏性.对语音和地震信号的测试实验结果表明,该算法能以较快的速度收敛到零.     

OFDM系统中基于匹配追踪的稀疏信道估计算法研究

针对OFDM系统,利用信道冲激响应的稀疏特性,提出了一种新的OFDM稀疏信道估计算法。它分两步完成：首先利用匹配追踪思想确定出非零抽头系数的位置,然后再采用最小二乘算法完成对非零系数值的二次估计,从而通过减少信道估计参数的个数降低算法复杂度。该算法具有较好的归一化均方误差性能,但在剩余向量更新上还不是很精确,通过改进剩余向量的更新方式,得到了另一种性能更优的OFDMMMP算法。仿真结果验证了该算法的有效性。     

基于稀疏谱匹配的高分辨DOA估计方法

针对迭代加权最小二乘类稀疏重构算法性能易受过完备基条件数影响的缺陷,提出了一种基于稀疏谱匹配的高分辨DOA估计新方法.对过完备基进行奇异值分解,采用TSVD方法剔除较小奇异值对应的特征向量,获得一个良态矩阵,并用此矩阵替代的过完备基矩阵,采用l_p范数约束正则化FOCUSS算法进行稀疏重构,解决了因网络划分过细造成的过完备基条件数过大带来的病态问题,并用粗、细两步网格划分来降低算法的复杂度.仿真结果表明,相对于MFOCUSS方法,本文方法不仅具有较低的计算复杂度,而且具有更高的分辨率和噪声鲁棒性.      

基于褶积理论的深度域地震资料反演

近年来随着深度域地震资料的普及,为更好地利用这些地震资料来解决地下地质问题,提出了基于褶积理论的深度域地震资料反演。基于褶积理论的地震资料反演,子波与低频模型对反演结果具有十分重要的影响。通过制作人工合成记录与数值模拟研究,得到了深度域子波与时间域子波的关系,为基于褶积理论的深度域反演奠定了基础。将深度域反演应用于南海西部某油田,通过与该区的时间域地震资料反演对比,发现两种反演方法子波与低频模型都有差异。当时间域地震资料的采样间隔约为深度域地震资料采样间隔与层速度之比的两倍时,深度域地震资料的反演结果将优于时间域地震资料反演结果。     

基于稀疏表示的快速三维人脸识别方法

随着计算机技术和三维成像技术的发展,三维人脸识别因不易受光照、装扮变化的影响成为人脸识别和身份验证的新趋势,但是对于表情、姿态变化其识别率还是有待于改善,时间开销较长.本文提出基于稀疏表示原理,对人脸重要的特征鼻尖点进行提取,采用最近邻分类器进行分类识别.实验结果表明,对表情变化等具有较高的鲁棒性和识别效果,且时间开销极小,优于传统的三维人脸识别方法.     

一种稀疏度自适应分段正交匹配追踪算法

针对分段正交匹配追踪(St OMP)算法需要信号的稀疏度作为先验信息且重构精度较低的特点,提出一种稀疏度自适应分段正交匹配追踪算法。首先,通过对观测矩阵与初始残差相乘所得的残余相关性向量进行离散余弦变换,估算出支撑集所要扩充的最大原子数;其次,采用与抽样率成正相关的因子对较大的阈值参数进行适当修正,并对通过设定阈值所选取的原子进行优化处理;最后在St OMP算法的框架下采用变步长的方法实现稀疏度的逼近和信号的精确重构。仿真结果表明:本文所提出的算法对信号的稀疏度具有很好的自适应特性,并且在保持了较低重构复杂度的同时具有更稳定的重构质量。     

基于混合域注意力机制的神经网络反演大气湍流强度

本文提出了一种基于混合域注意力机制的神经网络方法反演大气湍流强度。神经网络的输入为不同大气湍流强度下的退化图像,输出为表征大气湍流强度的折射率结构常数。混合域注意力机制由空间域和通道域双重注意力机制组成,其中空间域注意力机制用于增强退化图像中受湍流影响的区域特征,通道域注意力机制用于增强由湍流引起的颜色和纹理特征。在网络训练阶段,引入的混合域注意力机制让神经网络更专注于退化图像中与大气湍流强度相关的特征,提高了模型的精度。数值实验结果表明,本文提出的方法能够较准确地实现大气湍流强度反演。     

用混合编码遗传算法实现匹配追踪算法

在分析总结浮点数编码和格雷码编码各自特点的基础上,提出了一种用浮点数和格雷码混合编码的遗传算法来实现匹配追踪算法.该算法有机结合了遗传算法和匹配追踪算法的优点,不仅能够得到较高精度的最佳匹配参数,而且有效地降低了计算量,克服了匹配追踪算法由于计算量太大而不能广泛应用的缺点.计算机仿真结果表明,该算法提取相位的精度和提取时间均有明显改善,证实了该算法的准确性.最后,将该算法应用于转子实验台的冲击信号特征提取中,提取结果证明了它的实际应用价值.     

基于压缩采样匹配追踪算法的混合场信道估计方案

针对现有的远场和近场信道估计方案不能直接用于精确估计混合场信道状态信息的问题,提出了一种有效的基于压缩采样匹配追踪(compression sampling matching pursuit, CoSaMP)算法的混合场信道估计方案。通过精确建模混合场信道模型来捕捉其远场和近场区域可能存在不同的散射体这一特征,分别对其远场和近场路径分量进行估计。结果表明,所提方案与现有其他信道估计方案相比,在相同低导频开销情况下,该方案能获得更高的归一化均方误差性能和更高的系统和速率,计算复杂度较低。可见,所提出的方案具有很好的参考价值。     

通过正交多匹配追踪恢复稀疏信号（英文）

<正>交多匹配追踪(OMMP)是一种用来恢复稀疏信号的超贪婪型算法.分析了OMMP基于约束性等距条件(RIP)的收敛性.如果观测矩阵Φ满足等距常数为δs1/2/K+2s1/2的[sK]-阶RIP,那么任何K-稀疏信号可以通过OMMP(s)至多K次迭代从y=Φx中精确恢复.     

一种稀疏度自适应正交多匹配追踪重构算法

压缩感知理论是一种利用信号稀疏性或可压缩性对信号进行采样同时压缩的新颖的信号采样理论。针对稀疏度未知信号重构问题,提出了一种稀疏度自适应正交多匹配追踪重构算法。该算法在广义正交匹配算法(generalized orthogonal multi matching pursuit,GOMP)基础上结合稀疏自适应思想。根据相邻阶段信号能量差自适应调整当前步长大小选取支撑集的原子个数,先大步接近,后小步逼近信号真实稀疏度,从而实现对信号精确重构。实验仿真结果表明,该算法能有效精确重构信号。具有良好的重构性能和较高的重构效率。     

基于同相轴优化追踪的多次波匹配衰减方法

提出基于同相轴优化追踪的多次波匹配衰减方法,首先利用SRME预测得到的多次波记录生成多次波速度谱,然后应用同相轴追踪技术提取多次波同相轴旅行时信息,再通过同相轴优化追踪实现对多次波预测误差的校正,最后应用短时窗的FK滤波对多次波予以压制。该方法仅根据多次波同相轴旅行时信息进行匹配衰减,降低对多次波预测精度的要求,并且能够显著提高多次波压制的精度。理论模型实验与野外资料处理实验结果均表明,该方法的多次波剔除效果明显优于常规的多道维纳滤波方法与抛物线拉冬域蒙版滤波法。     

基于稀疏度差异的快速版面分割方法

为简化版面分割方法、提高检测效率,提出了一种基于稀疏度差异的快速版面分割方法.将稀疏度作为版面区域的特征描述,根据内容及背景区域间稀疏度的差异进行均值分类,得出各区域的类别标签,实现版面分割.在复杂版面图集上得到74.1%的识别率和1.61s的平均计算时间,表明方法有效且快速,较改进的基于连通域的版面分割方法,过程简单,计算简便,具有更好的适用性.     

基于BI-GM-GAMP和U-Net的混合电磁反演方法

电磁反演是一种典型的逆散射问题,该问题具有非线性以及不适定性。目前已有一些算法被提出用来解决该问题,但已有算法在效率和精度上无法同时兼顾。为了实时反演高质量图像,文中提出了一种结合玻恩迭代高斯混合广义近似消息传递(Born Iterative Gaussian Mixture Generalized Approximate Message Passing, BI-GM-GAMP)和卷积神经网络的混合算法,具体为：首先通过BI-GM-GAMP方法获得初步反演图像,随后利用这些图像训练U-Net网络,最后通过训练的U-Net网络实现新的电磁反演任务。仿真实验验证了该方法的有效性。     

基于混合优化算法的岩体渗透系数反演方法

基于遗传算法全局搜索能力强和梯度优化方法收敛速度快的特点,考虑渗透系数反演问题本身的特性,在遗传算法的全局搜索过程中加入基于梯度的局部搜索过程以构造混合优化方法.所提出的算法在保证全局搜索能力的同时,具有较快的收敛速度.结合工程实例检验了所提出算法的全局最优性和快速收敛性.     

基于地震数据的岩石弹性参数反演方法

针对拉梅参数反演中缺少横波速度资料的问题,建立一种在缺少横波速度情况下的拉梅参数反演方法。首先,对井旁叠前地震道集进行贝叶斯反演,得到井位置处的横波速度;然后,对地震数据体采用拉梅参数直接反演,获得地下介质的拉梅参数信息;结合研究区的地质、测井信息,对储层进行描述和预测。该方法应用于J区块含气储层的预测,取得了良好的应用效果。该方法拓宽了拉梅参数反演在油气储层预测中的适用范围,具有较好的实用性。