科研之友
微信
新浪微博
Facebook
分享链接
摘要
K均值-奇异值分解(KSVD)去噪方法存在病态问题,因此需要引入正则项进行改进。通过改进正则化近似参数设定,利用AKSVD(近似KSVD)方法对弱信号的识别优势,提出正则化参数自动优选的RAKSVD去噪方法,并进行模型测试和实际资料处理。结果表明,该方法不仅取得了预期的去噪效果,而且更加注重对弱信号的保护,去噪后地震弱信号没有发生畸变,从而有利于对弱信号的提取和识别,同时计算效率还得到了提升。
- 单位
K均值-奇异值分解(KSVD)去噪方法存在病态问题,因此需要引入正则项进行改进。通过改进正则化近似参数设定,利用AKSVD(近似KSVD)方法对弱信号的识别优势,提出正则化参数自动优选的RAKSVD去噪方法,并进行模型测试和实际资料处理。结果表明,该方法不仅取得了预期的去噪效果,而且更加注重对弱信号的保护,去噪后地震弱信号没有发生畸变,从而有利于对弱信号的提取和识别,同时计算效率还得到了提升。
