FastICA算法及其在地震信号去噪中应用.docVIP

FastICA算法及其在地震信号去噪中应用 　　 (1.中国地质大学(武汉) 地球物理与空间信息学院， 武汉 430074；2.广州航海高等专科学校 计算机与信息工程系, 广州 510725；3.新疆维吾尔自治区地震局， 乌鲁木齐 830011） 　　 　　摘 要：ICA算法是求解盲源分离问题的有效算法。建立了ICA算法的数学模型，对模型的求解条件及多解性进行了分析。给出一种基于负熵极大的FastICA算法，讨论该算法在地震信号去噪中的应用。仿真实验验证了该算法的有效性。 　　关键词：独立分量分析算法；地震信号；去噪 　　中图分类号：TP301.6文献标志码：A 　　文章编号：1001-?B3695(2009)04-?B1432-?B03 　　 　　FastICA algorithm and its application in seismic signal noise elimination 　　 　　ZHANG Nian1,2,LIU Tian-you1,LI Jie1,3 　　（1.Institute of Geophysics Geomatics, China University of Geosciences, Wuhan 430074, China;2. Dept. of Computer Science Information Technology， Guangzhou Maritime College, Guangzhou 510725, China;3.Earthquake Administration of Xinjiang Uygur Autonomous Region, ??Urumchi 830011, China） 　　Abstract:ICA algorithm is a effective algorithm for blind source separation(BSS) problem.This paper established themathematical model of ICA algorithm , and analyzed its solving condition and multiplicity solutions.Gave a Fast ICA algorithm based on maximum negentropy, discussed its application in seismic signal noise elimination. A simulation experiment verifies the effectiveness ofthe algorithm. 　　Key words:ICA(independent component analysis) algorithm; seismic signal; noise elimination 　　0 引言?? 　　独立分量分析(independent component analysis，ICA)是伴随BSS(blind source separation)问题而发展起来的一种信号分离算法。自Comon于1994年首次阐述ICA的概念并基于高阶统计量构造代价函数以来[1]，许多学者对该方法进行了研究，提出了一系列算法[2~5]。与传统的盲源分离算法相比，ICA算法基于数据的高阶统计量，分离得到的各分量不仅互不相关(二阶统计独立)，而且还尽可能高阶统计独立，故更能反映数据的本质特征。因此，ICA算法在信号处理领域受到广泛的关注，逐渐应用于许多工程领域[6~9]。?? 　　地震勘探中存在着大量噪声，随着勘探工作的逐步深入，勘探条件更加复杂，勘探难度越来越大，目标越来越隐蔽，采集条件越来越恶劣，使得采集的样本信号中包含大量干扰信息，严重影响了地震剖面质量，所以在使用地震资料前，必须进行?┤ピ搿＊? 　　目前采用的地震信号去噪方法，如带通滤波、F-K域消除、小波变换分频去噪、径向预测滤波、矢量分解去噪等[10～13]，在各类地震信号去噪中起到了很大作用，但也存在一些缺点，如需要牺牲部分有效信号，而且必须满足一定的信噪比才可使用等。本文针对许多地震记录强噪声、弱信号的特点进行研究，尝试采用ICA算法对地震信号去噪，提取有用信号。?? 　　1 ICA方法的基本原理?? 　　1.1 ICA方法的数学模型?? 　　图1是ICA方法的简化数学模型。 　　图中S(t)=[s1(t),s2(t)，…, sn(t)]T是由n个源信号构成的n维矢量；X(t)=[x1(t),x2(t), …,xm(t)]T表示通过传感器输出的m个观测信号。S(t)与X(t)的关系可用如下方程描述[1