二维时层析成像问题的迭代ikhonov法则化解法.docxVIP

二维时层析成像问题的迭代ikhonov法则化解法 最终的色度图像最终被概括为数学物理的反问题。一般来说，正转计算有相对确定的理论模型和答案，反演计算往往很难确定解决方案。在残差较小的情况下，反演的结果仍然显著偏离真实解，这也是平面成像技术在实际工程中广泛应用的主要障碍。 不适定问题的正则化解法可追溯到Tikhonov于1963年的研究工作,Hoerl提出的岭估计方法也是一种正则化解法.近年来,Muniz等人对比了三种正则化方法求解热传导反问题的应用效果;Passechnik等人通过温度场重建的试验结果验证了采用Tikhonov正则化方法反演的优越性.而且,正则化方法在结构荷载或缺陷识别、岩土物理力学参数反演、信号重建、图像处理等方面也显示了良好的应用前景. 在地学资料反演及层析成像领域,Bouman等人研究了大地重力资料的反演问题,认为需要采取正则化方法求解;Zhou等人通过对跨孔雷达层析成像的研究,也认为在进一步的研究中应采取正则化策略;张文飞等人采用分步正则化的方法研究了一维声波方程的联合反演,但由于一维反演结果包含信息较少,在实用上还受到限制. 在上述研究背景下,本文采用奇异值分析技术探讨二维走时层析成像反演的不适定特征,研究迭代Tikhonov正则化方法求解二维走时层析成像问题,并提出相应的正则参数确定方法和迭代收敛准则.正则化方法在残差范数和解的范数之间进行最优折衷的思想对其他广义反演方法也有较好的借鉴意义. 1 傅立叶系数 在弹性波走时层析成像研究中,经参数化、线性化和归一化,正演问题为已知介质波速,按照射线追踪方法求射线通过的单元、射线长度及走时;反演问题为求解关于未知慢度(波速的倒数)向量x=[xj]n×1的线性方程组: Ax=y. (1) 式中:A=[aij]m×n为距离矩阵,y=[yi]m×1为旅行时向量,m和n分别为层析成像的射线数目和单元数目.根据奇异值分解定理得 Ax=y=n∑i=1σi(vΤix)ui.(2)Ax=y=∑i=1nσi(vTix)ui.(2) 式中:σi为矩阵A的奇异值,ui和vi分别为矩阵A的左右奇异向量.故 x=n∑i=1uΤiyσivi.(3)x=∑i=1nuTiyσivi.(3) 一般地,奇异值σi逐渐减小到零,而傅立叶系数|uTiy|也逐渐减小到零.如果傅立叶系数比奇异值减小得更快(高阶无穷小),则可得到一个有意义的解;否则当式(3)除以较小的奇异值时,x的高频部分被放大,出现不合理的解.因此,根据奇异值谱和傅立叶系数谱的比较可以判断反演方程的不适定特征,Hansen称之为Picard条件. 2 般线性正则参数的确定 Tikhonov正则化的基本思想是将解的范数作为先验信息考虑,通常可表示为如下最小化问题: minx{∥Ax-y∥22+λ∥Lx∥22}.minx{∥Ax?y∥22+λ∥Lx∥22}. 正则化参数λ(λ≥0)控制着残差的范数‖Ax-y‖2222与解的范数‖Lx‖2222之间的相对大小.当λ等于零时,上述最小化问题的解即为最小二乘解;当λ趋向无穷大时,解为零向量.取这两种极端情况之间的λ值,可以得到在残差的范数和解的范数之间取折衷的解,该解在一定程度上既满足精度要求,又比较稳定.矩阵L代表对模型解的先验信息,一般表示为模型参数的某种组合.当L为单位矩阵时采用奇异值分解方法进行矩阵分析,得Tikhonov解为 xλ=n∑i=1σ2iσ2i+λ2uΤiyσivi,L=Ι.(4)xλ=∑i=1nσ2iσ2i+λ2uTiyσivi,L=I.(4) 式中:σ2iσ2i+λ2σ2iσ2i+λ2为Tikhonov过滤因子fi,最优的正则化参数λ介于最大和最小奇异值之间,并有如下关系: fi≈{1,λ?σi,(σi/λ)2?λ?σi.(5)fi≈{1,λ?σi,(σi/λ)2?λ?σi.(5) 因此Tikhonov正则解是对较小的奇异值采取阻尼来求得稳定数值解. 本文采用L曲线法确定最优的正则参数.在对数坐标图上,分别以残差的范数和解的范数绘制出可能的正则参数所对应的解,这样形成的曲线大多是L形(见图1),L曲线以图示的方式表示了残差的范数与解的范数随正则参数的变化情况.L曲线一般为单调下降曲线,在该曲线的左上部分几乎呈竖直,它对应较小的正则参数,此时求解受残差的范数影响较大;该曲线的右下部分几乎呈水平,它对应较大的正则参数,此时求解受解的范数影响较大.在坐标轴与L曲线之间的区域是不可能到达的,所有正则解都必然位于L曲线上或该曲线的上部,这说明欲求得分辨率和精度同时达到最高的解估计是不可能实现的.在该曲线竖直与水平的拐角部位(最大曲率),残差的范数和解的范数取得了折衷,所对应的即为最优正则参数.Hansen认为傅立叶系数|uTiy|越快地减小到零,该拐点位置越明显.