基于稀疏表示的地震信号压缩方法研究-信号与信息处理专业论文.docxVIP

大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导!Jill的指导下进行研究 大连理工大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导!Jill的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 学位论文题目： 基王叠疏塞丞鲍地震焦曼压缩友法盟究 作者签名：至型窆乏茎里 日期：必』月竺日 万方数据 大连理工大学硕士学位论文摘 大连理工大学硕士学位论文 摘 要 本文主要研究基于稀疏表示的地震信号压缩方法。对于地震学学者来说，地震数据 的记录是很宝贵的资料，通过这些数据可以很好地学习地震的规律。人类对于地震数据 的记录已经有100多年的历史，保存了大量的地震数据，其压缩是一个不得不考虑的问 题。地震信号中存在着自相似性，针对这一特点，通过学习的方法获得过完备字典，并 使用稀疏表示来解决地震信号的压缩问题。本文结合地震信号本身特点，从字典原子间 的相干性和样本之间的相似性这两个角度出发，研究提高字典表达能力的方法，主要工 作有两方面。 第一种方法是通过减少字典原子间相干性来提高字典表达能力。合理降低字典原子 间相干性，可以避免字典中出现相似的原子对，这样字典原子数在有限的情况下可以有 效提高字典的表达能力。本文在字典更新时将含有r紧框架咖的约束项加入到优化问题 中，来平衡原子间相干性和字典对样本的表达误差，使得字典对地震信号的表达达到最 佳效果。 第二种方法考虑到训练样本中的相似性。通过聚类和字典学习两种手段结合，训练 过完备字典。分段后的小段样本之间有很多相似性，通过聚类的手段，将小段样本进行 聚类，并计算各类样本的权重系数。在优化问题中赋予各类样本相对应的权重系数，通 过对目标函数的变换，原优化问题可以使用K．SVD算法解决。 通过实验，验证了以上两种方法的字典在信号重构时的有效性。在传统的字典学习 模型基础上，分别考虑字典原子间相干性以及样本间相似性这两个因素，从两个方向改 进了字典学习模型，提高了字典的表达能力。在同等压缩比的条件下，地震信号重构效 果得到提高。 关键词：地震数据压缩；稀疏表示；原子相干性；聚类；字典学习 万方数据 Research Research On Seismic Signal Compression Based On Sparse Representation Abstract Seismic data compression based on sparse representation is studied in this paper．To the scientist．the records of seismic data are very valuable information，the knowledge of seismologⅣcan be learned through these records．The records saved a huge amount of seismic data which history is more than 100 years．The compression is a problem．Seismic data have the chauraCteristics of the self-similarity．According to the self-similarity，the method of dictionary learning can obtain the over complete dictionary，and the sparse representation can be used to solve the compression problem．The methods of dictionary leaming are studied in two ways．one iS the coherence of dictionary atoms and the other IS the similarity among samples．The main contents are as follows． The first method is improving the dictionary by reducing the self-coherence of atoms， which Can avoid similar paks of atoms app