基于高阶稀疏Radon变换的预测多次波自适应相减方法.pdfVIP

基于高阶稀疏Radon变换的预测多次波自适应相减方法.pdf

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于高阶稀疏Radon变换的预测多次波自适应相减方法.pdf

2015年 第39卷 中国石油大学学报 (自然科学版) V01.39 No.1 第 1期 JournalofChinaUniversityofPetroleum Feb.2015 文章编号:1673-5005(2015)01-0043-07 doi:10.3969/j.issn.1673-5005.2015.01.006 基于高阶稀疏 Radon变换的预测多次波 自适应相减方法 薛亚茹,杨 静,钱步仁 (中国石油大学地球物理与信息工程学院,北京 102249) 摘要:利用高分辨率稀疏Radon变换和正交变换两种原子构成过完备的信号重构空间,使得地震信号在此高阶高分辨 率稀疏Radon变换域中能够被稀疏表示:结合基于过完备字典的信号稀疏表示,提出高分辨率稀疏 Radon变换和正交 多项式变换结合的高阶稀疏 Radon变换(HOSRT)。所提方法通过将地震数据和预测多次波变换到高阶稀疏Radon空 间,用完备的高阶稀疏Radon变换原子稀疏表示,并在该域进行 自适应相减,能够有效分离一次波和多次波;而且由于 构造的完备空间克服了正交性的问题.压制过程中降低了对一次波的损伤。对合成地震记录和实际资料的处理结果表 明该方法能够提高多次波的压制效果,同时还可以较好地保留一次波振幅AVO(振幅随偏移别距的变化)特性。 关键词:Radon变换 ;正交多项式变换 ;过完备字典 ;自适应相减 ;AV0(振幅随偏移距的变化) 中图分类号:TE132 文献标志码:A 引用格式:薛亚茹 ,杨静,钱步仁.基于高阶稀疏 Radon变换的预测多次波 自适应相减方法 [J].中国石油大学学报: 自然科学版,2015,39(1):43-49. XUEYam,YANGJing,QIANBuren.Multiplespredictionandadaptivesubtractionwithhigh—ordersparseRadontransform [J].JournalofChinaUniversityofPetroleum(EditionofNaturalScience),2015,39(1):4349. M ultiplespredictionandadaptivesubtractionwith high-ordersparseRadontransform XUEYam,YANGJing,QIANBuren (CollegeofCeoshy,icsandInformationEngineeringinChina 西e ofPetroleum,既 102249,China) Abstract:Anadaptivesubtractioninhigh—ordersparseRadondomainformultiple—eliminationisproposed.Subtractionin timedomaincandamageprimarywhileitisovedappedwithmuhiples.Radon transfomr isnotanorthogonaltransfomr a— tion;itsinversionwilllossdatatrivia1.Forprimary—preservation,thehigh·resolutionsparseRadontransform isincorporat— edwitho~hogonalpolynomialtransfomr ationandsparserepresentationbyan overcompletedictionary,thusahigh—order sparseRadontransfomr isachieved.Thehigh—ordersparseRadontransfomr notonlykeepsprimary amplitudebutimprov

您可能关注的文档

文档评论(0)

月光般思恋 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档