[发明专利]一种面向预警的地震信号稀疏去噪方法

权利要求书

1.一种面向预警的地震信号稀疏去噪方法，其特征在于：包括如下步骤：

S101：根据地震信号中噪声强度，设定噪声阈值；

S102：分别建立地震信号的基于稀疏表示的降噪重构模型和地震信号的基于压缩感知的降噪重构模型；

其中，基于稀疏表示的降噪重构模型为

上式中，x为含有噪音的地震观测信号，D是对地震观测信号进行表示的变换字典，其每列表示一种原型信号的原子，且原子均进行归一化处理；||·||₁和||·||₂分别表示L1范数和L2范数；ε是跟噪声水平相关的允许误差，ε0；α是稀疏表示系数；是稀疏表示系数α的估算值；为重构后的无噪音地震信号；含有噪音的地震观测信号x通过变换字典D分解成稀疏信号；

基于压缩感知的降噪重构模型为：

上式中，x、α、ε、D、||·||₁和||·||₂的含义同上；y为地震观测后得到的数字信号；Φ为观测矩阵；Ψ'是稀疏基Ψ的转置矩阵；λ是拉格朗日乘子；拉格朗日乘子λ对稀疏度和重构误差取折中，对稀疏度和残差阈值进行控制；根据地震信号中噪声跳转到步骤S103、步骤S104或者步骤S105；

S103：当地震信号中噪声≤第一设定噪声阈值时，选用基于固定字典的压缩感知降噪重构模型，通过地震观测后得到的数字信号y，选取观测矩阵Φ和字典D对含有噪音的地震观测信号进行压缩采样，通过OMPDN算法或者BPDN算法求解稀疏表示系数α后，回代与字典D相乘得到降噪后的地震信号

S104：当地震信号中噪声≤第二设定噪声阈值时；选用基于固定字典的压缩感知降噪重构模型，通过地震观测后得到的数字信号y，选取观测矩阵Φ和字典D对含有噪音的地震观测信号进行压缩采样，通过OMPDN算法或者BPDN算法求解稀疏表示系数α后，回代与字典D相乘得到降噪后的地震信号或者采用基于固定字典的稀疏表示降噪重构模型对含有噪音的地震观测信号进行降噪处理，用OMPDN算法或者BPDN算法求解稀疏表示系数，回代与字典D相乘得到重构的降噪后的地震信号；

S105：当地震信号中噪声＞第二设定噪声阈值时：选用基于学习型自适应字典的稀疏表示降噪重构模型或压缩感知降噪模型对含有噪音的地震观测信号进行降噪处理。

2.如权利要求1所述的一种面向预警的地震信号稀疏去噪方法，其特征在于：所述第一设定噪声阈值为均值为0，方差为4的噪声；第二设定噪声阈值为均值为0，方差为7的噪声。

3.如权利要求2所述的一种面向预警的地震信号稀疏去噪方法，其特征在于：所述步骤S103、S104的字典D是固定变换字典。

4.如权利要求3所述的一种面向预警的地震信号稀疏去噪方法，其特征在于：所述步骤S105的字典D是学习型自适应字典。

5.如权利要求4所述的一种面向预警的地震信号稀疏去噪方法，其特征在于：所述学习型自适应字典D的自适应学习包括稀疏编码和字典更新步骤；稀疏编码是对于当前给定的字典D，求解稀疏表示；字典更新是根据前一步的稀疏表示更新字典D内的每一原子。

6.如权利要求5所述的一种面向预警的地震信号稀疏去噪方法，其特征在于：所述D为学习型自适应字典时，字典按MOD算法、ILS-DLA、KSVD算法、近似KSVD、贪婪自适应算法及递归最小二乘法中的一种进行自适应学习。

7.如权利要求3所述的一种面向预警的地震信号稀疏去噪方法，其特征在于：所述D为固定变换字典时，D为过完备字典；过完备字典是DCT变换矩阵、快速傅里叶变换矩阵、离散傅里叶变换矩阵、离散小波变换矩阵、Curvelet矩阵或者Gabor矩阵中的一种。