本發(fā)明屬于地震信號(hào)數(shù)據(jù)傳輸方法，具體涉及一種地震信號(hào)有損編碼方法。
背景技術(shù)：
：基于地震信號(hào)測(cè)量的測(cè)繪技術(shù)是目前地底結(jié)構(gòu)和礦產(chǎn)資源測(cè)量的有效方法之一。在每次測(cè)繪時(shí)，對(duì)地底進(jìn)行地震信號(hào)測(cè)量將會(huì)產(chǎn)生超過100t以上的數(shù)據(jù)，而目前信號(hào)傳輸?shù)膸挊O為有限，因此有必要在傳輸前通過地震信號(hào)編碼技術(shù)減少地震信號(hào)的數(shù)據(jù)量?，F(xiàn)有技術(shù)中，提出了一種基于離散余弦變換的地震信號(hào)編碼方法,它能夠獲得接近于3倍的壓縮倍數(shù)。也有采用二維基于局部地震信號(hào)自適應(yīng)的離散余弦變換技術(shù)，使得重建后的地震信號(hào)重要特征能夠得以保存。更進(jìn)一步地，采用自適應(yīng)小波包的地震信號(hào)編碼技術(shù)可以獲得更高的壓縮倍數(shù)和更好的重建質(zhì)量由于其較好的方向保持特性，目前被廣泛應(yīng)用于地震信號(hào)的特征提取中。上述方法的主要思想是采用一種合適的基或者冗余的字典來表征地震信號(hào)，使得信號(hào)的表征是稀疏的。近年來，通過字典學(xué)習(xí)進(jìn)行稀疏表示獲得了廣泛地關(guān)注，尤其是在圖像編碼中得到了廣泛的應(yīng)用在遙感圖像中通過雙稀疏模型去學(xué)習(xí)字典，從而獲得了較好的編碼效果。這些研究成果均表明了在地震信號(hào)編碼中應(yīng)用字典學(xué)習(xí)和稀疏表示的可行性。傳統(tǒng)基于字典學(xué)習(xí)和稀疏表示的編碼方法往往包含如下兩種主要方法：(1)通過離線學(xué)習(xí)的字典對(duì)實(shí)時(shí)獲取的在線數(shù)據(jù)進(jìn)行稀疏表示。對(duì)于該方法而言，預(yù)先需要存在一個(gè)離線訓(xùn)練集，并通過該離線訓(xùn)練集去獲得所需的字典信息。因此，在線數(shù)據(jù)的稀疏表示是否有效極度依賴于離線數(shù)據(jù)和在線數(shù)據(jù)的相關(guān)性。對(duì)于實(shí)際地震信號(hào)測(cè)量而言，很難獲得適用于不同情況的通用離線訓(xùn)練集。(2)使用實(shí)時(shí)在線數(shù)據(jù)訓(xùn)練字典，通過該字典對(duì)實(shí)時(shí)在線數(shù)據(jù)進(jìn)行稀疏表示。在該方法中，有必要對(duì)字典進(jìn)行傳輸，從而使得編解碼端的稀疏表示過程能夠同步。因此，字典信息的傳輸將會(huì)增加編碼碼流的大小，從而降低編碼性能。技術(shù)實(shí)現(xiàn)要素：：本發(fā)明提出一種基于在線字典更新的地震信號(hào)編碼方法，屬于地震信號(hào)數(shù)據(jù)編碼傳輸方法，解決地震信號(hào)編碼中采用字典學(xué)習(xí)和稀疏表示帶來的如何傳輸字典的問題，可以應(yīng)用于各種基于地震信號(hào)測(cè)量的地底測(cè)繪中。本發(fā)明的一種基于在線字典更新的地震信號(hào)編碼方法，包括編碼步驟和解碼步驟；其中，所述編碼步驟包括：步驟1、將輸入地震信號(hào)按照時(shí)間順序分成多個(gè)組，對(duì)每組數(shù)據(jù)采用緩存中的字典進(jìn)行稀疏編碼，具體是：步驟11、將近臨t個(gè)跡的地震信號(hào)數(shù)據(jù)分為一組，對(duì)每組數(shù)據(jù)單獨(dú)進(jìn)行處理；假設(shè)當(dāng)前組數(shù)據(jù)為z組數(shù)據(jù)，其表示為yz；將每個(gè)跡的數(shù)據(jù)等分為若干個(gè)單元，每個(gè)單元yi的長(zhǎng)度為m×1，將yi按照列方式進(jìn)行排序；因此，yz＝[y1,...yi,...yn]；這里假設(shè)每個(gè)跡上記錄的數(shù)據(jù)長(zhǎng)度為u，那么有如下關(guān)系式：t×u＝m×n；步驟12、讀取緩存中的字典dz-1，給定稀疏系數(shù)矩陣wz的稀疏性為l，對(duì)下式進(jìn)行優(yōu)化求解：步驟2、對(duì)步驟s1中的稀疏系數(shù)進(jìn)行量化及熵編碼，具體包括：步驟21、采用均勻量化方法對(duì)稀疏系數(shù)矩陣進(jìn)行量化，具體如下：wz(i,j)代表稀疏系數(shù)矩陣wz中坐標(biāo)為(i,j)的系數(shù)數(shù)值，δ代表量化步長(zhǎng)，代表(i,j)的系數(shù)數(shù)值的量化結(jié)果，round(·)代表取整運(yùn)算；步驟22、創(chuàng)建由數(shù)值0和數(shù)值1組成的非零系數(shù)位置矩陣pt，創(chuàng)建方法如下:其中，abs(·)代表絕對(duì)值運(yùn)算；步驟23、對(duì)非零系數(shù)位置矩陣pt采用算術(shù)編碼；步驟24、對(duì)非零系數(shù)(對(duì)應(yīng)于pt(i,j)＝1位置的采用huffman編碼；步驟3、從緩存中讀取前面p個(gè)已傳輸組的重建數(shù)據(jù)，結(jié)合當(dāng)前組傳輸?shù)南∈柘禂?shù)進(jìn)行字典學(xué)習(xí)，從而更新下一組數(shù)據(jù)稀疏表示所需的字典，具體包括：步驟31、計(jì)算p+1組重建數(shù)據(jù)p∈[z-p,z](當(dāng)前組數(shù)據(jù)是z組)，計(jì)算方法如下：其中，中的單元步驟32、按照如下優(yōu)化過程求解所需字典dz：其中，ai代表描述組間相關(guān)性的常數(shù)，式(2)通過如下步驟迭代運(yùn)算求解：步驟321、固定dz，w'可以通過前面所述的ps方法進(jìn)行計(jì)算；步驟322、固定w'，dz可以按照mod方法進(jìn)行更新：步驟323、重復(fù)上述步驟321和步驟322至指定迭代次數(shù)，更新所需的字典dz；所述解碼步驟包括：步驟4、對(duì)接收到的稀疏系數(shù)進(jìn)行反量化及熵解碼，生成非零系數(shù)矩陣w'z，具體如下：步驟41、對(duì)非零系數(shù)編碼碼流進(jìn)行huffman解碼，獲得非零系數(shù)wc；步驟42、對(duì)非零系數(shù)wc進(jìn)行反量化，獲得反量化系數(shù)w'c，具體如下：w'c＝wc×δ步驟43、對(duì)非零系數(shù)位置矩陣pt編碼碼流進(jìn)行算術(shù)解碼，獲得非零系數(shù)位置矩陣pt，結(jié)合步驟42中生成的反量化系數(shù)w'c，生成非零系數(shù)矩陣w'z；步驟5、進(jìn)行地震信號(hào)重建，具體如下：步驟51、讀取緩存中的字典dz-1，生成重建信號(hào)y'z，具體如下：y'z＝dz-1×w'z步驟52、對(duì)重建信號(hào)y'z＝[y'1...y'i...y'n](每個(gè)單元y'i的長(zhǎng)度為m×1)進(jìn)行重排列，將臨近若干個(gè)單元按照列的方式首尾連在一起拼成一跡，因此，每跡的長(zhǎng)度為總共有t跡；步驟6、生成緩存中的字典dz，用于下一組數(shù)據(jù)的重建，即：從緩存中讀取前面p個(gè)已傳輸組的重建數(shù)據(jù)，結(jié)合當(dāng)前組傳輸?shù)南∈柘禂?shù)進(jìn)行字典學(xué)習(xí)，從而更新下一組數(shù)據(jù)稀疏表示所需的字典，具體包括：步驟61、計(jì)算p+1組重建數(shù)據(jù)p∈[z-p,z](當(dāng)前組數(shù)據(jù)是z組)，計(jì)算方法如下：其中，中的單元步驟62、按照如下優(yōu)化過程求解所需字典dz：其中，ai代表描述組間相關(guān)性的常數(shù)，式(2)通過如下步驟迭代運(yùn)算求解：步驟621、固定dz，w'可以通過前面所述的ps方法進(jìn)行計(jì)算；步驟622、固定w'，dz可以按照mod方法進(jìn)行更新：步驟623、重復(fù)上述步驟321和步驟322至指定迭代次數(shù)，更新所需的字典dz。本發(fā)明通過在線字典更新的方式，在保證信號(hào)有效稀疏表示的前提條件下，并不需要實(shí)時(shí)傳輸字典信息，從而有效減少數(shù)據(jù)傳輸數(shù)據(jù)量，可以適用于各種地震信號(hào)高速采集應(yīng)用場(chǎng)合。附圖說明圖1是本發(fā)明的流程圖；圖2是測(cè)試地震信號(hào)數(shù)據(jù)中的部分信號(hào)；圖3是學(xué)習(xí)的字典；圖4是不同方法性能對(duì)比的結(jié)果。具體實(shí)施方式實(shí)施例：本發(fā)明主要包括：s1：將輸入地震信號(hào)按照時(shí)間順序分成多個(gè)組，對(duì)每組數(shù)據(jù)采用緩存中的字典進(jìn)行稀疏編碼；s2:對(duì)步驟s1中的稀疏系數(shù)進(jìn)行量化及熵編碼；s3：從緩存中讀取前面p個(gè)已傳輸組的重建數(shù)據(jù)，結(jié)合當(dāng)前組傳輸?shù)南∈柘禂?shù)進(jìn)行字典學(xué)習(xí)，從而更新下一組數(shù)據(jù)稀疏表示所需的字典。更進(jìn)一步地，步驟s1具體為：s11：將近臨t個(gè)跡的地震信號(hào)數(shù)據(jù)分為一組，對(duì)每組數(shù)據(jù)單獨(dú)進(jìn)行處理；假設(shè)當(dāng)前組數(shù)據(jù)為z組數(shù)據(jù)，其表示為yz。將每個(gè)跡的數(shù)據(jù)等分為若干個(gè)單元，每個(gè)單元yi的長(zhǎng)度為m×1，將yi按照列方式進(jìn)行排序。因此，yz＝[y1,...yi,...yn]。這里假設(shè)每個(gè)跡上記錄的數(shù)據(jù)長(zhǎng)度為u，那么有如下關(guān)系式：t×u＝m×n。s12：讀取緩存中的字典dz-1，給定稀疏系數(shù)矩陣wz的稀疏性為l，對(duì)下式進(jìn)行優(yōu)化求解：對(duì)于式(1)的求解，我們擬采用ps方法(“partialsearchvectorselectionforsparsesignalrepresentation,”innorsig-03)。ps方法是基于omp算法(正交匹配追蹤,“comparisonofbasisselectionmethods,”insignals,systemsandcomputers,1996.conferencerecordofthethirtiethasilomarconferenceon)，因此，首先給出omp算法的流程：ps方法將上述步驟(1)僅僅對(duì)最大相關(guān)性字典單元的搜索過程修改為對(duì)若干個(gè)極大相關(guān)性字典單元的搜索，從而提供更多的搜索判決獲得較佳的稀疏向量。步驟s2具體為：s21：采用均勻量化方法對(duì)稀疏系數(shù)矩陣進(jìn)行量化，具體如下：wz(i,j)代表稀疏系數(shù)矩陣wz中坐標(biāo)為(i,j)的系數(shù)數(shù)值，δ代表量化步長(zhǎng)，代表(i,j)的系數(shù)數(shù)值的量化結(jié)果，round(·)代表取整運(yùn)算。s22：創(chuàng)建由數(shù)值0和數(shù)值1組成的非零系數(shù)矩陣pt，創(chuàng)建方法如下:其中，abs(·)代表絕對(duì)值運(yùn)算。s23：對(duì)非零系數(shù)矩陣pt采用算術(shù)編碼。s24：對(duì)非零系數(shù)(對(duì)應(yīng)于pt(i,j)＝1位置的wri,j)采用huffman編碼。步驟s3具體為：s31：計(jì)算p+1組重建數(shù)據(jù)p∈[z-p,z](當(dāng)前組數(shù)據(jù)是z組)，計(jì)算方法如下：其中，中的單元s32:按照如下優(yōu)化過程求解所需字典dz：其中，ai代表描述組間相關(guān)性的常數(shù)。式(2)可以通過如下步驟迭代運(yùn)算求解：1)固定dz，w'可以通過前面所述的ps方法進(jìn)行計(jì)算；2)固定w'，dz可以按照mod方法(“methodofoptimaldirectionsforframedesign,”in1999ieeeinternationalconferenceonacoustics,speechandsignalprocessing(icassp))進(jìn)行更新：3)重復(fù)上述步驟1)和步驟2)至指定迭代次數(shù)，生成所需的更新字典dz。實(shí)施例1：1.測(cè)試地震信號(hào)數(shù)據(jù)來源于utam圖像數(shù)據(jù)庫(kù)(http://utam.gg.utah.edu/seismicdata/seismicdata.html)，我們選用find-trapped-miners數(shù)據(jù)作為測(cè)試數(shù)據(jù)，它包含72個(gè)傳感器，每個(gè)傳感器包含135個(gè)跡；2.每個(gè)跡取1600個(gè)時(shí)間長(zhǎng)度樣本，每10個(gè)跡的數(shù)據(jù)為1組，部分測(cè)試數(shù)據(jù)如圖1所示；1.假定當(dāng)前組是第3組(前2組數(shù)據(jù)均已完成編碼且相關(guān)數(shù)據(jù)已輸出到解碼端和緩存中)，讀取緩存中的字典d2進(jìn)行稀疏編碼，在該實(shí)施例中緩存中字典的大小均為16×64，稀疏性為1/16(非零系數(shù)占總體系數(shù)的比例)，計(jì)算獲得的w3中部分?jǐn)?shù)據(jù)如下；0000000000000191086.6900000000069516.63000000000000000000263371.0300000-275961.58248225.2100000000000000000000002.對(duì)w3進(jìn)行量化，量化步長(zhǎng)選用1024；對(duì)量化后中的非零數(shù)據(jù)采用huffman編碼，對(duì)非零元位置采用算術(shù)編碼，我們通過snr來衡量原始信號(hào)和重建信號(hào)的差異，此時(shí)的snr是21.2db。3.通過讀取前兩組重建數(shù)據(jù)和w3，進(jìn)行字典更新，所更新的字典d3如圖3所示。實(shí)施例2：1.對(duì)第四組數(shù)據(jù)用第三組數(shù)據(jù)更新的字典d3進(jìn)行稀疏表示，并更新字典d4；2.對(duì)第五組數(shù)據(jù)用第四組數(shù)據(jù)更新的字典d4進(jìn)行稀疏表示，并更新字典d5；3.對(duì)上述每組數(shù)據(jù)進(jìn)行量化及編碼，計(jì)算碼率并通過snr衡量失真；4.調(diào)整不同稀疏性，重復(fù)上述3個(gè)步驟，得到不同碼率下的失真情況。5.為了證明算法的有效性，我們同時(shí)對(duì)基于dct，curvelet和離線字典學(xué)習(xí)方法(k-svd+ormp)的地震信號(hào)編碼算法進(jìn)行了實(shí)驗(yàn)，得到不同算法的率失真情況，相關(guān)對(duì)比實(shí)驗(yàn)結(jié)果如圖4所示。本技術(shù)中所描述的具體實(shí)施例僅僅是對(duì)本發(fā)明精神作舉例說明。本發(fā)明所屬
技術(shù)領(lǐng)域：
的技術(shù)人員可以對(duì)所描述的具體實(shí)施例做各種各樣的修改或補(bǔ)充或采用類似的方式替代，但并不會(huì)偏離本發(fā)明的精神或者超越所附權(quán)利要求書所定義的范圍。當(dāng)前第1頁(yè)12