典型文献
基于低维流形学习的地震数据重构
文献摘要：
为提高地震勘探精度,需要从低信噪比地震勘探数据中高精度地重构地震信号,为此结合卷积框架变换的稀疏性和低维流形模型学习地震信号的灵活性,提出基于卷积框架变换正则化低维流形模型(CFR-LDMM:Convolutional Framelet Regularization based Low Dimensional Manifold Model)的地震信号恢复算法.通过数据驱动的局部基和非局部基对地震信号块流形联合表示,获得地震信号块流形的低维等距嵌入,避免显示定义流形坐标,提升地震噪声压制能力和信号恢复精度.合成数据和实际地震勘探记录测试表明,所提的CFR-LDMM方法能将地震数据的卷积框架变换系数能量集中到系数矩阵的一角,在压制地震勘探噪声的同时准确地重构了低信噪比地震数据中的缺失道.
文献关键词：
地震勘探;信号恢复;卷积框架小波变换;低维流形模型;噪声压制
中图分类号：
作者姓名：
叶文海;林红波
作者机构：
吉林省科维交通工程有限公司工程部,长春130021;吉林大学通信工程学院,长春130012
文献出处：
引用格式：
[1]叶文海;林红波-.基于低维流形学习的地震数据重构)[J].吉林大学学报（信息科学版）,2022(06):898-907
A类：
低维流形模型,LDMM,Framelet,卷积框架小波变换
B类：
流形学习,地震数据重构,高地震,地震勘探,低信噪比,地震信号,稀疏性,模型学习,正则化,CFR,Convolutional,Regularization,Low,Dimensional,Manifold,Model,信号恢复,复算,非局部,联合表示,等距,噪声压制,合成数据,测试表明,换系,系数矩阵,一角,失道
AB值：
0.281267
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
