摘要
地震数据重构问题是一个病态的反演问题.本文基于地震数据在curvelet域的稀疏性,将地震数据重构变为一个稀疏优化问题,构造0范数的逼近函数作为目标函数,提出了一种投影梯度求解算法.本文还运用最近提出的分段随机采样方式进行采样,该采样方式能够有效地控制采样间隔并且保持采样的随机性.地震数值模拟表明,基于0范数逼近的投影梯度法计算效率有明显的提高;分段随机采样方式比随机欠采样有更加稳定的重构结果.
Seismic data restoration is an ill-posed inverse problem. Based on the sparseness of seismic data in the curvelet domain, this problem can be transformed into a sparse optimization problem. This paper proposes to use the approximation of zero-norm as the objective function and develop a projected gradient method to solve the corresponding minimization problem. We also employ a recently proposed piecewise random sampling method which can both control the sampling gap and keep the randomness of sampling. Numerical results show that the projectedgradient method can reduce the amount of computation greatly, and the restoration based on the piecewise random sampling are better than that of random sub-sampling.
出处
《地球物理学报》
SCIE
EI
CAS
CSCD
北大核心
2012年第2期596-607,共12页
Chinese Journal of Geophysics
基金
国家自然科学基金项目(10871191
40974075)
中国科学院知识创新工程重要方向性项目(KZCX2-YW-QN107)
石家庄经济学院博士科研启动基金联合资助
关键词
波场重构
CURVELET变换
压缩传感
0范数逼近
反问题
不适定性
稀疏优化
Wavefield recovery, Curvelet transform, Compressed sensing, Zero-normapproximation, Inverse problems, Ill-posedness, Sparse optimization
作者简介
曹静杰，男，博士，讲师，1982年出生，2011年于中国科学院地质与地球物理研究所获博士学位，现在石家庄经济学院工作，主要从事勘探地球物理研究．Email：caol8601861@163．com
王彦飞，男，研究员，1997年毕业于河北师范大学数学系，2002年于中国科学院数学与系统科学研究院获博士学位．主要从事计算及勘探地球物理反演问题理论及计算研究．Emails：yfwang@mail．iggcas．ac．onyfwang-ucf@yahoo．com
