主权项 |
基于一次波稀疏约束的多道预测反褶积方法,其特征在于,包括如下步骤:a设置变量初始值,需要设置初始值的变量包括时间方向的预测步长q,2D数据窗口的时间长度T<sub>0</sub>,2D数据窗口的空间长度X<sub>0</sub>,2D预测滤波器的时间长度<img file="FDA0000819590380000011.GIF" wi="67" he="63" />2D预测滤波器的空间长度<img file="FDA0000819590380000012.GIF" wi="69" he="55" />滤波器阈值ρ,一次波阈值s<sub>α</sub>,阻尼因子β和迭代次数<img file="FDA0000819590380000013.GIF" wi="85" he="63" />b输入一个待处理的2D数据窗口中的数据u,根据比u的旅行时小q个时间采样点的2D数据窗口内的数据以及数据窗口的长度参数、2D滤波器的长度参数构造褶积矩阵U,并确定滤波器的有限支撑域为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mover><mi>x</mi><mo>^</mo></mover><mo>=</mo><msup><mi>U</mi><mi>T</mi></msup><mi>u</mi><mo>,</mo><mover><mi>x</mi><mo>^</mo></mover><mo>=</mo><mo>{</mo><msub><mover><mi>x</mi><mo>^</mo></mover><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub><mo>}</mo><mo>,</mo><mi>Ω</mi><mo>=</mo><mo>{</mo><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo>|</mo><msub><mover><mi>x</mi><mo>^</mo></mover><mrow><mi>i</mi><mi>j</mi></mrow></msub><mo>|</mo><mo>></mo><mi>ρ</mi><mo>×</mo><mi>m</mi><mi>a</mi><mi>x</mi><mrow><mo>(</mo><mo>|</mo><mover><mi>x</mi><mo>^</mo></mover><mo>|</mo><mo>)</mo></mrow><mo>}</mo><mo>,</mo></mrow>]]></math><img file="FDA0000819590380000014.GIF" wi="1049" he="103" /></maths>其中,<img file="FDA0000819590380000015.GIF" wi="45" he="54" />表示2D预测滤波器的粗略估计,<img file="FDA0000819590380000016.GIF" wi="73" he="70" />表示向量<img file="FDA0000819590380000017.GIF" wi="39" he="54" />中下标为(i,j)的元素,Ω表示滤波器的有限支撑域;c根据2D预测滤波器的有限支撑域,确定多道预测反褶积的数学模型为:v=u‑U<sub>Ω</sub>x<sub>Ω</sub>,其中,v表示一次波,x<sub>Ω</sub>只包含有限支撑域内的滤波器系数,U<sub>Ω</sub>为相应的褶积矩阵;计算逆矩阵<img file="FDA0000819590380000018.GIF" wi="428" he="94" />I表示单位矩阵;d利用步骤c得到的逆矩阵<img file="FDA0000819590380000019.GIF" wi="72" he="71" />对地震道集的2D数据窗口的数据u进行处理;e判断该地震道集中所有数据窗口内的数据u是否全部处理完毕;如果否,返回步骤b;如果全部处理完毕,则首先采用2D汉宁窗将每一个2D数据窗口中估计的一次波进行加权,并融合为一个道集<img file="FDA00008195903800000110.GIF" wi="84" he="62" />然后采用同样的方式将2D汉宁窗融合为一个道集<img file="FDA00008195903800000111.GIF" wi="87" he="61" />最终的一次波估计结果表示为:<img file="FDA00008195903800000112.GIF" wi="310" he="79" />其中,/表示逐个元素的相除操作。 |