开题报告_于文茂.ppt

基于海量地震数据的并行希尔伯特黄变换算法研究 姓 名： 于文茂 学科专业： 信号与信息处理 研究方向： 信号与信息处理 导 师： 余厚全教授 长江大学油气信息处理与识别研究所 目录 长江大学油气信息处理与识别研究所 4.研究内容 5.研究方案 6.研究特色 1.研究背景 3.研究目标 2.研究依据 一.研究背景 长江大学油气信息处理与识别研究所 ? 随着油气田的大规模被开发，未被发现的油气藏大多都储量分散、层薄、埋藏深、孔渗条件复杂且难于发现，那么为了找到这些存储复杂的隐蔽性油气藏，就必须对采集到的信号做更准确更精细的处理，以获得更详尽地层的信息。 1.隐蔽性油气藏 2.地震信号的非线性与非平稳性 傅里叶变换和小波变换在处理非平稳非线性的信号时，存在着一定的缺陷。地震信号的非线性与非平稳性同时也逼迫人们竭力去发展新的信号处理技术。 一.研究背景 长江大学油气信息处理与识别研究所 三维地震叠后数据体的数据量多达几十GB，甚至几百GB。而地震叠前数据的数据量较之叠后数据又高出数十倍，甚至数百倍，从而给地震数据的处理带来了极大的挑战。 3.海量的三维地震数据 二.研究依据 长江大学油气信息处理与识别研究所 ? 希尔伯特黄变换（Hilbert - Huang Transform，简称 HHT）是美国航天航空局的美籍华人黄鳄（NE．Huang）院士在1998研究希尔伯特变换时提出的一种全新的自适应性信号处理方法。 它适用于非线性和非平稳信号的处理。 1.希尔伯特黄变换 2.基于GPU的海量信息处理技术 CPU的架构提供了2到4个多核，而GPU架构提供了一百多个核，甚至更多，所以可以利用很多线程来进行并行处理。凭借CUDA技术，开发人员能够利用GPU解决极其复杂的并行计算难题，开发出前所未有的高性能的应用软件。 二.研究依据-GPU强大的计算能力 长江大学油气信息处理与识别研究所 ? 三.研究目标 长江大学油气信息处理与识别研究所 本文的目的是充分挖掘希尔伯特黄变换在地震信号处理方面的优势，利用所提出的极值点包络拟合算法，对地震信号进行处理，达到对薄储层预测的目的，同时由于地震数据量的庞大，采用GPU的技术对地震数据进行并行处理,以便更加准确而快速地找到隐蔽性油气藏的所在。 四.研究内容 长江大学油气信息处理与识别研究所 ? 3. GPU与CPU协同并行计算机框架 并行计算机配置方案 并行计算机编程环境 1.极值点包络拟合算法 找到地震信号特殊的极值点 对地震信号做边界处理 重新确定了插值条件 2. 基于海量地震数据的并行希尔伯特黄变换算法 海量数据的自适应三维空间分解 海量地震数据的黄变换并行算法 五.研究方案-极值点包络拟合算法 长江大学油气信息处理与识别研究所 极值点包络拟合算法如下： (a)寻求整个信号的极大值点或极小值点 (b)三次样条函数来拟合整个信号的上下包络 (c)边界处理：为了防止边界效应，在信号的起始端和终止端分别插入一对极值点，来达到准确拟合极值点包络的目的。 (d)插值处理：：如果信号中两个相邻的极值点之间的距离大于1/3时间序列的方差，我们就对其区域进行插值，重新进行包络线的拟合。 五.研究方案-并行算法 长江大学油气信息处理与识别研究所 并行希尔伯特黄变换算法如下： (a)原始三维地震数据进行自适应分解：根据GPU的并行处理能力，对原始三维地震数据进行自适应分解。 (b)EMD分解：分解后的地震数据由内存传输到显存，在显存中进行数据的EMD分解。 (c)三瞬处理：对EMD分解后的数据进行希尔伯特变换，得到其瞬时时间，瞬时相位，瞬时包络，最后将计算结果进行融合得到三维地震数据最后的三维属性体。 五.研究方案-并行算法 长江大学油气信息处理与识别研究所 ? 地震数据分解示意图 五.研究方案-并行计算机框架 长江大学油气信息处理与识别研究所 并行计算机配置方案如下： 处理器： Inter(R) Core(TM)i5-760 主板芯片： 华硕P7P55D主板 内存大小： 2GB 硬盘类型： 希捷 1T 显卡： NVIDIA GeForce GTX240 - 1.0GB 显示器： 　 17“LCD 眼镜： 　 NVIDIA 3D眼镜 六.研究特色 长江大学油气信息处理与识别研究所 ? 1.极值点包络拟合算法 2.并行希尔伯特黄变换算法 由于三维地震数据十分庞大，为了加快处理速度，我们通过GPU的并行处理机制，来提升算法处理地震数据的速度。在该算法中，CPU主要处理一些简单的串行指令，而复杂的运算全部由GPU通过并行计算去完成。 为了准确的拟合极值点的包络，对信号中的特殊极值点进行了处理，这样