用于求解地震反卷积问题的学习型近端算子
信号处理
2023-07-20 v1
摘要
地震反卷积是地震数据处理中旨在从含噪观测道中提取地层信息的关键步骤。一般而言，这是一个具有非唯一解的病态问题。由于反射系数序列的稀疏性质，常使用如-范数等促进尖峰的正则化项。它们要么需要严格的系数调优，要么需要对反射系数作出强假设，例如假设反射系数为具有已知稀疏水平的稀疏信号以及具有已知噪声水平的零均值高斯噪声。为克服传统正则化项的局限，近期提出了基于学习的正则化项。本文提出一种用于地震反卷积的学习型近端算子（LP4SD），其利用神经网络学习正则化项的近端算子。LP4SD以展开循环的方式训练，能够从训练数据中学习复杂结构。值得一提的是，该网络使用合成数据训练，并在合成数据与真实数据上评估。结果表明，相较于学习直接逆，LP4SD在三项不同指标上生成了更好的重建结果。
引用
@article{arxiv.2307.10030,
title = {Learned Proximal Operator for Solving Seismic Deconvolution Problem},
author = {Peimeng Guan and Naveed Iqbal and Mark A. Davenport and Mudassir Masood},
journal= {arXiv preprint arXiv:2307.10030},
year = {2023}
}