自步非负字典学习在二维地震随机噪声衰减中应用.pdfVIP

table{border‑collapse:collapse;}table,th,td{border:1pxsolid#000;}

基于自步非负字典学习的二维随机

噪声衰减

，，，交通大学电子与学院，；朱向阳，交

通大学数学与统计学院，。

随机噪声

总是存在于数据过程中。字典学习方法是寻找典型稀疏表示的有效工具，可

以用于减少随机噪声。根据二维数据的几何结构，有效的数据在时域‑空间

域中也是低秩的。因此，有效的数据可以被建模为从学习到的字典中选取少量元素的

线性组合。在本文中，我们提出了一种新的字典学习方法，通过结合自步（SP）学习方法

与非负字典学习，在时域‑空间域中减少二维随机噪声。该方法通过依次将矩阵元素

从简单到复杂地纳入非负矩阵分解（NMF）训练中来实现。它可以避免不良局部最小值，

获得高信噪比的数据。通过合成数据和现场数据验证了所自步非负矩阵分解

（SPNMF）方