基于无监督学习地震信号恢复方法研究.pdfVIP

一种用于残余信号恢复的无监督学习方法

*

博，和·莫斯，ConocoPhillips

模式和较低的信噪比。

本文中，我们描述了一种将机器学习与传统滤波方法相

噪声衰减一直是数据处理中的一个长期难题。由于

结合的方法，以在去噪过程中更好地保留微弱的残差信

复杂的近地表条件以及不可避免的环境噪声源，陆地数

号。基于不同的噪声特征，我们首先选择一种合适的滤

据处理独特的。在许多情况下，弱信号嵌入在

波方法来积极地衰减噪声并生成信号估计。接着，我们

远强于它的噪声中，这使得传统方法在提取这些信号方

通过无监督字典学习找到最能表示该信号估计的原子。

面效果不佳。通过监督和无监督学习，机器学计算

t机视觉领域已展现出巨大的前景。本文中，我们提出了然后，利用所学习的原子通过双域稀疏反演同时反演残

a

e差信号和噪声。通过合成数据和实际数据示例，验证了

s一种基于无监督学习的新方法，用于从数据中恢复

U

该方法在从强噪声中恢复信号方面的有效性。

f弱残余信号。该方法采用字典学习和稀疏反演技术，同

o

s时反演信号和噪声。合成数据和实际数据示例表明，该

m

r

e方法即使在信号比周围噪声弱几个数量级的情况下，仍

T

e能够恢复信号。

e基于学习的方法

s

;

t

h假设带噪输入数据可以表示为d=u+e，其中u表示干净

g

i

r

y信号，e表示不期望的噪声。我们首先选择一个合适的滤

p

o

c波器f，该滤波器积极地衰减噪声并生成初始信号估计

r引言

o

e

suˆf(d).(1)

n由于点源和点同时激发方法的快速应用（温特等

e

c