روش نوین ارائۀ پراکندۀ داده های زلزله نگاری با استفاده از تبدیل موجک تطبیقی راه آسان

قیمت: 38,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

روش نوین ارائۀ پراکندۀ داده های زلزله نگاری با استفاده از تبدیل موجک تطبیقی راه آسان

عنوان لاتین

A new sparse representation of seismic data using adaptive easy-path wavelet transform

ارائۀ پراکنده ای از داده های زلزله نگاری، گامی حیاتی در مدلسازی زمین لرزه و پردازش های لرزه ای مانند جدایش چندگانه، حرکت، تصویرسازی و بازیابی اطلاعات پراکنده به حساب می آید. در این مقاله، از تبدیل موجک تطبیقی محلی نوینی به نام EPWT، برای ارائۀ پراکندۀ دیتاهای زلزله نگاری استفاده شد. EPWT نوعی تبدیل موجک هندسی تطبیقی است که در راستای مجموعه ای از راه های خاص از طریق دیتاهای ورودی کار میکند و ارتباطات محلی بین دیتاها را استخراج میکند. تبدیل شامل دو مرحله است: مرتب سازی مجدد اطلاعات مطابق با مسیرها و با توجه به مقادیر داده ها و سپس اعمال تبدیل موجک یک بعدی در راستای مسیرها. این کار منجر به ارائۀ موجک شدیدا پراکنده ای خواهد شد. در مقایسه با موجک های عادی EPWT بیشتر انرژی سیگنال ها را در مقیاس نرم متمرکز کرده و به ثابت های موجک عام تری (غیر خاص) برای ارائۀ سیگنال نیاز دارد. تست های عددی نشان میدهند که متد جدید به کار گرفته شده در مقایسه با موجک های عادی و کرولت ها، به لحاظ ارائۀ پراکنده و مقایسۀ دیتاهای زلزله نگاری مطلوب تر است.

Sparse representation of seismic data is a crucial step for seismic forward modeling and seismic processing such as multiple separation, migration, imaging, and sparsity- promoting data recovery. In this paper, a new locally adaptive wavelet transform, called easy-path wavelet transform (EPWT), is applied for the sparse representation of seismic data. The EPWT is an adaptive geometric wavelet transform that works along a series of special pathways through the input data and exploits the local corre- lations of the data. The transform consists of two steps: reorganizing the data follow- ing the pathways according to the data values, and then applying a one-dimensional wavelet transform along the pathways. This leads to a very sparse wavelet represen- tation. In comparison to conventional wavelets, the EPWT concentrates most energy of signals at smooth scales and needs less signi¯cant wavelet coe±cients to represent signals. Numerical experiments show that the new method is really superior over the conventional wavelets and curvelets in terms of sparse representation and compression of seismic data.