简介：地震数据规则化是地震信号处理中一个重要步骤,近年来受到广泛关注的压缩感知技术已经被应用到地震数据规则化中。压缩感知技术突破了传统的Shannon-Nyqiust采样定理的限制,可以用采集的少量地震数据重构完整数据。基于压缩感知技术的地震数据规则化质量主要受三个因素影响,除了受地震信号在不同变换域的稀疏表达和11范数重构算法的影响外,极大地取决于地震道随机稀疏采样方式。尽管已有学者开展了2D地震数据离散均匀分布随机采样方式研究,但设计新的稀疏采样方案仍然很有必要。在本文中,我们提出满足Bernoulli分布规律的Bernoulli随机稀疏采样方式和它的抖动形式。对2D数值模拟数据进行四种随机稀疏采样方案和两种变换（Fourier变换和Curvelet变换）实验,对获取的不完整数据应用11范数谱投影梯度算法（SPGL1）进行重构。考虑到不同随机种子点产生不同约束矩阵R会有不同的规则化质量,对每种方案和每个稀疏采样因子进行10次规则化实验,并计算出相应信噪比（SNR）的平均值和标准偏差。实验结果表明,我们提出的新方案好于或等于已有的离散均匀分布采样方案。

简介：Tikhonov正则化(TR)方法在重磁数据处理中发挥了重要的作用,本文在研究如何利用Tikhonov正则化方法方法解决重力数据3D反演的同时,深入讨论了可进一步提高拟合误差的ExtrapolationTikhonov正则化方法(EXTR)的原理,并就其参数选择方法及各参数对拟合误差、迭代次数及反演结果的影响进行研究。常密度及变密度组合模型试算结果表明,与TR方法相比,EXTR方法不仅可以达到解释人员设定的先验拟合误差水平,在计算时间及迭代次数相应增加的前提下有更高的拟合精度;同时其反演结果也更加紧致,进一步改善了TR反演结果的发散性;并且其反演数据范围更贴近预设模型参数范围,模型特征与预设模型密度分布吻合较好。更多还原