给教育类做网站,网站seo快速优化,加速游戏流畅的软件,软件开发者是什么意思稀疏表示基于研究者们提出了许多变换基函数的方法逐渐成型#xff0c;比如小波域#xff0c;曲波域#xff0c;dreamlet 域等#xff0c;其原理是利用地震信号在变换域内的稀疏性和可分离性以去除噪声。继 Donoho发表非线性去噪方法-小波阈值萎缩方法#xff0c;在后续的研…稀疏表示基于研究者们提出了许多变换基函数的方法逐渐成型比如小波域曲波域dreamlet 域等其原理是利用地震信号在变换域内的稀疏性和可分离性以去除噪声。继 Donoho发表非线性去噪方法-小波阈值萎缩方法在后续的研究中该方法因其具备的低熵性、多尺度性、多分辨率、去相关性、选基灵活性而有更好的局部表示特征能力并且还具有计算量小容易实现的特点在去噪领域中得到了广泛应用。
第一代的曲波变换具备多尺度多方向特性是非自适应的但是因为其寻找实现比较复杂的限制二代曲波变换被提出。二代和一代构造思想不同与脊波的理论与实现过程也不同。由于曲波是由各向异性的曲线基元构成因而在对地震波前特征表示方面较之小波和脊波具备更好的稀疏性。
后续由于字典学习的发展研究者发现曲波变换作为字典精度很高不需要学习就能取得很好的效果解决了地震大数据的冗余性问题并且方法更简单运算更快基于此后来的应用者们发展了一系列的插值去噪分离重构方法。曲波变换中的阈值确定方法也从固定阈值到软阈值到软硬阈值折中等灵活性选取阈值提高精度,应用的前景十分广阔。
而在近十年来的地震数据处理领域伴随着人工智能的浪潮人工智能加专业的交叉发展逐渐风靡在石油勘探领域亦引用了许多方法。机器学习、模式识别、数据挖掘等专业的交叉应用互相渗透后续发展出诸如深度学习、人工神经网络、字典学习、K-最近邻等方法。在物探中也引入了许多方法来进行地震数据的资料的处理和解释。其中无监督学习基于数据的稀疏性表达因其自适应性和计算速度快等优势被广泛应用。
数据驱动的字典学习通常用两种方法寻找字典一种是用干净数据训练字典但是实际上很难找到干净数据所以通常可以使用模型来进行预训练而另一种是用实际数据或者含噪数据来训练字典该方法学习得到的字典会有更强的适用性和鲁棒性以及更好的表示效果。鉴于此采用字典学习对地震数据进行降噪运行环境为MATLAB R2021B。
function [x, cost] BPD(y, A, AH, lambda, mu, Nit)% x BPD(y, A, AH, lambda, mu, Nit)
%
% BASIS PURSUIT DENOISING
% minimize 0.5 * ||y - A x||_2^2 lambda * || x ||_1
% where
% A * AH I
%
% INPUT
% A, AH - function handles
% mu - Augmented Lagrangian parameter
% Nit - Number of iterations
%
% OUTPUT
% x : minimizing vector
%
% Use [x, cost] BPD(...) to obtain cost function per iterationif nargout 1ComputeCost true;cost zeros(1, Nit);
elseComputeCost false;
end x AH(y);
d zeros(size(x));for i 1:Nitu soft(x d, lambda/mu) - d;d 1/(mu 1) * AH(y - A(u));x d u;if ComputeCostresidual y - A(x);cost(i) 0.5 * sum(abs(residual(:)).^2) sum(abs(lambda * x(:))); end
end擅长领域现代信号处理机器学习深度学习数字孪生时间序列分析设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。
完整数据和代码通过知乎学术咨询获得https://www.zhihu.com/consult/people/792359672131756032?isMe1
