基于独立分量分析的多次波盲分离方法研究

来源 :地球物理学进展 | 被引量 : 0次 | 上传用户:cczzss1122334455
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
独立分量分析是一种以高阶统计量为基础的信号处理方法,它以分离非高斯混合信号为目标,建立起各个分量的统计独立性判据.在传统方法中,多次波压制技术是基于二阶统计量,求得最优解得基本前提是一次波和多次波正交.本文将ICA应用于多次波问题,在对地震数据基本构成作了分析的基础上,建立起多次波盲分离的ICA模型,并对其假设条件和固有不确定问题进行了详细的研究分析,然后给出了基于负熵的快速ICA算法并加以改进,最后进行仿真实验.试验结果表明,该方法能有效地压制地震资料中的多次波信息,较好的恢复一次波信息.
其他文献
人工神经网络是近期发展最快的人工智能领域研究成果之一.通过分析国内外爆破震害预测研究现状和不足,提出一种基于BP神经网络模型的爆破地震效应预测方法,该方法能克服基于最小二乘法的回归公式的局限性,可选取影响爆破振动的多个影响因素作为输入层参数,达到爆破峰值和主频同步预测之目的.利用该方法对实际爆破监测数据进行预测,结果表明人工神经网络方法在爆破地震效应预测中应用是可行的并且是有效的.这为爆破震害预测
基于局部星形凸集、半(E,F)-凸函数和半局部凸函数的定义,给出了一些新的广义凸函数的概念,即半局部半(E,F)-凸函数、半局部半(E,F)-伪凸函数、半局部半(E,F)-拟凸函数、半局部半(E,F)-严格凸