| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 创新点摘要 | 第9-13页 |
| 第1章 引言 | 第13-27页 |
| 1.1 研究意义 | 第13-14页 |
| 1.2 概述 | 第14-16页 |
| 1.2.1 地震干扰波概述 | 第14-15页 |
| 1.2.2 同相轴识别概述 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-24页 |
| 1.3.1 地震资料降噪技术 | 第16-19页 |
| 1.3.2 时空域数字信号处理技术 | 第19-23页 |
| 1.3.3 群智能优化算法 | 第23-24页 |
| 1.4 地震资料降噪处理有待解决的问题 | 第24页 |
| 1.5 论文的主要内容和结构安排 | 第24-27页 |
| 第2章 人工蜂群算法的收敛性分析 | 第27-35页 |
| 2.1 人工蜂群算法基本原理 | 第27-28页 |
| 2.2 ABC 算法收敛性分析 | 第28-34页 |
| 2.2.1 马尔科夫链理论 | 第28-29页 |
| 2.2.2 ABC 算法全局收敛基础 | 第29-30页 |
| 2.2.3 ABC 算法马尔科夫链收敛性分析 | 第30-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第3章 基于改进ICA的单频干扰消除方法 | 第35-60页 |
| 3.1 ICA 基本理论 | 第35-36页 |
| 3.2 改进的 ICA 算法 | 第36-39页 |
| 3.2.1 改进 ICA 算法原理 | 第36-38页 |
| 3.2.2 单频干扰消除方法 | 第38-39页 |
| 3.3 模型试算与实际资料处理 | 第39-59页 |
| 3.3.1 模拟信号分离试验 | 第39-44页 |
| 3.3.2 模型试算 | 第44-53页 |
| 3.3.3 实际地震记录处理 | 第53-59页 |
| 3.4 本章小结 | 第59-60页 |
| 第4章 基于自适应相对梯度ICA的随机噪声压制方法 | 第60-78页 |
| 4.1 超定 ICA 相对梯度算法 | 第60页 |
| 4.2 自适应相对梯度 ICA 算法 | 第60-63页 |
| 4.2.1 步长调整准则 | 第61-62页 |
| 4.2.2 步长自适应 ICA 算法原理 | 第62-63页 |
| 4.3 模型试算与实际资料处理 | 第63-77页 |
| 4.3.1 合成单道信号处理 | 第63-67页 |
| 4.3.2 合成多道数据处理 | 第67-72页 |
| 4.3.3 实际资料处理 | 第72-77页 |
| 4.4 小结 | 第77-78页 |
| 第5章 基于自适应双边滤波器的异常振幅噪声衰减方法 | 第78-100页 |
| 5.1 双边滤波器原理 | 第78-79页 |
| 5.2 自适应双边滤波器 | 第79-82页 |
| 5.2.1 脉冲噪声检测机制 | 第79-80页 |
| 5.2.2 自适应双边滤波器原理 | 第80-82页 |
| 5.2.3 自适应双边滤波器去噪方法 | 第82页 |
| 5.3 模型试算与实际资料处理 | 第82-99页 |
| 5.3.1 合成数据处理 | 第82-93页 |
| 5.3.2 实际数据处理 | 第93-99页 |
| 5.4 本章小结 | 第99-100页 |
| 第6章 基于动态单阈值图像分割的同相轴识别方法 | 第100-120页 |
| 6.1 基于一维最大模糊熵的阈值分割 | 第100-101页 |
| 6.2 动态单阈值图像分割算法 | 第101-104页 |
| 6.2.1 图像灰度重构 | 第101-102页 |
| 6.2.2 动态单阈值图像分割原理 | 第102-104页 |
| 6.3 同相轴增强算法 | 第104-105页 |
| 6.4 模型试算与实际资料处理 | 第105-119页 |
| 6.4.1 无噪合成数据处理 | 第105-110页 |
| 6.4.2 含噪合成数据处理 | 第110-114页 |
| 6.4.3 实际资料处理 | 第114-119页 |
| 6.5 本章小结 | 第119-120页 |
| 结论 | 第120-122页 |
| 参考文献 | 第122-135页 |
| 攻读博士学位期间取得的学术成果 | 第135页 |
| 攻读博士学位期间参与的主要科研项目 | 第135-136页 |
| 致谢 | 第136-137页 |
| 作者简介 | 第137页 |