Shearlet域深度残差CNN用于沙漠地震信号去噪 |
| |
作者姓名: | 郑升 李月 董新桐 |
| |
作者单位: | 吉林大学 通信工程学院,长春,130012;吉林大学 通信工程学院,长春,130012;吉林大学 通信工程学院,长春,130012 |
| |
基金项目: | 国家自然科学基金资助项目( 41730422) |
| |
摘 要: | 由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题,提出了一种基于Shearlet 变换的深度残差卷积神经网络( ST-CNN: Deep Residual Convolutional NeuralNetwork for Shearlet Transform) 模型,实现沙漠地震信号的随机噪声压制。在训练阶段,将沙漠地震信号经Shearlet 分解后的系数作为输入,将随机噪声经Shearlet 分解后的系数作为标签,通过卷积神经网络( CNN: Convolutional Neural Network) 学习输入和标签之间的映射关系; 在测试阶段,利用此映射关系即可从沙漠地震信号系数中预测出噪声系数,并间接地获得有效信号系数,最后通过Shearlet 反变换获得有效信号。通过与传统的Shearlet 硬阈值去噪算法对比,发现该算法可把沙漠地震信号的信噪比从- 4. 48 dB 提高到14. 15 dB,具有更好的去噪效果。
|
关 键 词: | 沙漠地震信号 噪声压制 Shearlet变换 深度残差卷积神经网络 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《吉林大学学报(信息科学版)》浏览原始摘要信息 |
|
点击此处可从《吉林大学学报(信息科学版)》下载全文 |