-
题名时频域零炮检距地震道拟合
被引量：5
- 1
-
-
作者
陆文凯
张学工
李衍达
何汉猗
温书亮
刘永江
-
机构
清华大学自动化系信息处理研究所
中海石油研究中心勘探院
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2001年第1期56-59,71,共5页
-
基金
86 3- 8 2 0 - 0 5- 0 1基金资助项目
-
文摘
如何提高地震资料的信噪比和分辨率 ,是地震资料处理中的关键。本文在分析地震共中心点道集的 AVO特性 ,以及不同炮检距信号经过不同路径的地层吸收的基础上 ,发现对于某一时刻的不同炮检距地震信号的不同频率成分 ,可以用多项式描述其与炮检距 x的关系 ,进而提出了基于信号时频分析和多项式拟合的时频域零炮检距地震道拟合技术。同时 ,利用多道信号估算的信噪比来设计的时频域 Wiener滤波器 ,克服了常规多项式拟合技术压制噪声能力不足的缺陷。
-
关键词
地震道
零炮检距
时频域
AVO
地震信号
地震资料处理
频率成分
克服
能力
技术
-
Keywords
resolution,signal to noise ratio,time frequency analysis,fitting of polynomials,Wiener fitting
-
分类号
TE357
[石油与天然气工程—油气田开发工程]
P631
[天文地球—地质矿产勘探]
-
-
题名基于深度强化学习的多目标无人机路径规划
被引量：1
- 2
-
-
作者
陈昱宏
高飞飞
-
机构
清华大学自动化系信息处理研究所
-
出处
《无线电通信技术》
2022年第6期957-970,共14页
-
基金
国家重点研发计划(2018AAA0102401)。
-
文摘
在搜救领域中,透过程序完成半自主或自主飞行控制,无人机能够协助救难人员更好地完成救援任务。搜救任务中涉及到多个目标间的搜索,相比于单目标的搜索问题,需要更复杂的算法或是奖励重塑形式,才能改进其稀疏奖励的问题。此外,搜救任务比起一般的强化学习问题,更讲究时效性。如何利用搜救的先验知识对算法进行改进,从而提高完成任务的效率和训练时间,是机器学习应用的研究重点。针对搜救任务背景,研究了无人机在多目标问题下的路径规划问题。基于分层学习的概念对已有的深度强化学习算法进行了改进,提出了适用于多目标任务的深度强化学习算法——MTDDPG。该算法结合环境分区和奖励重塑,利用环境分区对搜救场景进行简化,从而缩短训练时间,再通过奖励重塑的方式提升任务完成的效率,提升了MTDDPG算法在多目标搜救任务上的训练速度和效率。利用程序仿真设计三个实验对算法进行验证,并基于不同的先验信息对环境进行建模实验,对比不同算法在多目标任务中的实验结果。此外,根据先验信息的完整与否,对比MTDDPG在不同先验信息完整度的场景下训练的结果,结果表明MTDDPG在多目标搜救任务上,可以有效地解决搜索问题,完成指定的搜救任务。
-
关键词
多目标
稀疏奖励
分层学习
室内搜救
无人机
-
Keywords
multi-target
sparse reward
hierarchical learning
indoor rescue
UAV
-
分类号
TN919.23
[电子电信—通信与信息系统]
-
