论文目录 | |
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 Bayesian盲反褶积算法的发展及应用 | 第11-12页 |
| 1.2.1 Bayesian盲反褶积算法在图像处理中的应用 | 第11页 |
| 1.2.2 Bayesian盲反褶积算法在通信信号处理中的应用 | 第11-12页 |
| 1.2.3 其他方面的应用 | 第12页 |
| 1.3 反褶积算法在地震处理中的应用及其研究现状 | 第12-15页 |
| 1.3.1 地震反褶积算法的国内外研究现状 | 第12-13页 |
| 1.3.2 地震盲反褶积算法的国内外研究现状 | 第13-15页 |
| 1.4 本论文主要创新点及结构安排 | 第15-18页 |
| 1.4.1 论文主要创新点 | 第15-16页 |
| 1.4.2 论文结构安排 | 第16-18页 |
| 第二章 Bayesian地震盲反褶积算法的理论基础 | 第18-31页 |
| 2.1 地震记录的形成机理及反褶积方法分析 | 第18-20页 |
| 2.1.1 地震记录的形成机理 | 第18-19页 |
| 2.1.2 地震信号处理中反褶积方法 | 第19-20页 |
| 2.2 地震反褶积主要算法 | 第20-24页 |
| 2.2.1 最小平方反褶积算法 | 第20-21页 |
| 2.2.2 同态反褶积算法 | 第21-22页 |
| 2.2.3 预测反褶积算法 | 第22-23页 |
| 2.2.4 脉冲反褶积算法 | 第23-24页 |
| 2.3 地震盲反褶积主要算法形式 | 第24-26页 |
| 2.3.1 非参数迭代地震盲反褶积算法 | 第25页 |
| 2.3.2 参数估计地震盲反褶积算法 | 第25-26页 |
| 2.4 相关的估计理论 | 第26-30页 |
| 2.4.1 最大似然估计方法 | 第26-28页 |
| 2.4.2 最大后验估计方法 | 第28-29页 |
| 2.4.3 Bayesian估计方法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于确知假设的Bayesian地震盲反褶积算法 | 第31-58页 |
| 3.1 确定假设Bayesian推理方法在信号处理中的应用现状 | 第31页 |
| 3.2 变分Bayesian地震盲反褶积算法 | 第31-46页 |
| 3.2.1 变分Bayesian框架 | 第31-32页 |
| 3.2.2 Bayesian地震盲反褶积问题的提出 | 第32-33页 |
| 3.2.3 地震子波、反射系数及超参数的先验模型 | 第33-35页 |
| 3.2.4 算法推导 | 第35-41页 |
| 3.2.5 实验仿真及结果分析 | 第41-46页 |
| 3.3 基于稀疏表示的变分Bayesian地震盲反褶积算法 | 第46-57页 |
| 3.3.1 信号的稀疏表示及先验模型结构 | 第46-47页 |
| 3.3.2 算法描述及其推理 | 第47-52页 |
| 3.3.3 实验仿真及结果分析 | 第52-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 基于蒙特卡罗的Bayesian多通道地震盲反褶积算法 | 第58-85页 |
| 4.1 多通道地震盲反褶算法的提出 | 第58-59页 |
| 4.2 部分折叠Gibbs抽样的Bayesian多通道地震盲反褶积算法 | 第59-73页 |
| 4.2.1 部分折叠Gibbs抽样 | 第59-60页 |
| 4.2.2 反射系数剖面的马尔可夫贝努利高斯模型 | 第60-63页 |
| 4.2.3 算法推导 | 第63-68页 |
| 4.2.4 实验仿真及结果分析 | 第68-73页 |
| 4.3 局部边缘化Gibbs抽样的Bayesian多通道地震盲反褶积算法 | 第73-84页 |
| 4.3.1 局部边缘化Gibbs抽样 | 第73页 |
| 4.3.2 改进的反射系数剖面马尔可夫贝努利高斯模型 | 第73-74页 |
| 4.3.3 算法推导 | 第74-79页 |
| 4.3.4 实验仿真及结果分析 | 第79-84页 |
| 4.4 本章小结 | 第84-85页 |
| 第五章 基于Bayesian压缩感知的地震盲反褶积算法 | 第85-107页 |
| 5.1 压缩感知理论在信号处理中的应用及重建策略 | 第85-87页 |
| 5.2 基于线性小波变换的Bayesian压缩感知地震盲反褶积算法 | 第87-97页 |
| 5.2.1 Bayesian压缩感知地震盲反褶积算法原理 | 第87-88页 |
| 5.2.2 信号的先验模型 | 第88-89页 |
| 5.2.3 算法推导 | 第89-92页 |
| 5.2.4 实验仿真结果分析 | 第92-97页 |
| 5.3 基于Curvelet变换的Bayesian压缩感知地震盲反褶积算法 | 第97-106页 |
| 5.3.1 算法基本原理 | 第97-98页 |
| 5.3.2 信号模型 | 第98-99页 |
| 5.3.3 算法推导 | 第99-100页 |
| 5.3.4 实验仿真及结果分析 | 第100-106页 |
| 5.4 本章小结 | 第106-107页 |
| 第六章 结论与展望 | 第107-109页 |
| 6.1 本论文主要的研究工作 | 第107-108页 |
| 6.2 今后研究的努力方向 | 第108-109页 |
| 参考文献 | 第109-119页 |
| 发表论文和科研情况说明 | 第119-121页 |
| 致谢 | 第121-122页 |
