压缩感知理论在地震台网数据采样、传输和存储中的应用

Seismic network provides large amounts of continuous seismic waveform data, which are most important in earthquake monitoring, earthquake early warning and the earth interior studies. Real-time waveform data transmission, long-term backup and storage are key techniques while building up and scaling up the seismic network. In current seismic station data processing, the discrete time series of waveform signal are obtained through equi-spaced sampling, after which the time series will be compressed and then transmitted and stored. This process only implement compression through data encoding, but not considering how to get maximum information from waveform signal using least sampling numbers. The research will focus on the sampling, recovery, compression and decompression based on Compressed Sensing theory. The theory indicates that signal can be recovered from small amounts of randomly sampled data through sparsity-promoting inversion if the signal is sparse or can be sparsely represented in transform domain. We are aiming at designing optimal mode for random sampling and corresponding data recovery algorithm. The final achievements will provide new way of alleviating the pressure of the seismic station data transmission and storage.

地震台网记录到的波形数据是地震监测、预警以及地球内部构造研究最重要的基础数据。海量地震波形数据的实时传输、长期备份存储是地震台网建设的关键技术。当前地震台网处理方式是先等时间间隔采样获得波形信号的离散时间序列，再对其进行压缩处理后传输和存储。该处理技术只从数据编码角度进行数据压缩，而不考虑如何用最少的采样点数获得包含最大信息量的波形数据。本课题拟研究基于压缩感知理论的地震台网波形数据的采样、重构、压缩和解压。压缩感知理论证明对存在稀疏性的数据按随机采样方式获取少量采样点数据后，通过稀疏促进算法可重构出与高采样率的等间隔采样数据等量的信息。本研究旨在针对台网数据特点设计最优的随机采样方式及与之对应的高精度数据重构算法。该研究成果有望为减少地震台网波形数据的传输、存储压力提供新的技术储备。

急剧扩增的地震监测与预警台网规模以及其产出的海量地震数据，对数据采集、压缩、传输、存储技术提出新的挑战。当前地震台网数据压缩技术基于简单的编码压缩，尚未考虑如何用最少的采样点数获得包含最大信息量的波形数据，因而更先进的数据采样、重构、压缩和解压技术是地震台网建设的一个重要研究方向。压缩感知理论认为具有稀疏特性的信号可以通过稀疏促进反演技术从少量随机采样观测值中高精度重构出原始信号。本课题以建立一种新的地震台网波形数据压缩采样、传输和存储的解决方案作为总体研究目标，基于先进的压缩感知理论，开展了一维、多维地震波形数据的稀疏变换域选取、采样方式、高精度快速重构方法与应用研究。一维地震时间信号压缩与重构技术适用于台站稀疏分布的情况。地震波形数据是具有一定带宽的波形信号，在频率域、小波变换域都可以得到稀疏表达。随机采样是可以满足大部分压缩感知数据重构的采样方式，而分段随机采样方式既可以保持采样方式的随机性，也可以避免局部较长时段采样连续缺失问题。对于台站分布较密集的多台站地震波形数据，更适合将其视为二维/三维地震数据进行多维压缩与重构。由于相邻的地震台站地震波形数据有一定相似性，采用具备多尺度、多方向特性的Curvelet变换可实现极高程度的稀疏表达。多维数据的随机压缩采样可采用水平平面空间上的随机采样或者时间、空间上的三维全随机采样。模型数据测试表明采用三维全随机压缩采样方式时，高精度重构的压缩比可达到10。JRSI快速联合迭代反演算法可以从压缩采样的地震观测数据中快速、稳定地重构出高精度地震原始信号，这对基于压缩感知的地震数据采样、实时传输和重构技术具有很高的实用价值。从现实眼光看，本研究成果不仅可以应用于已有地震台网数据的高压缩比、高保真存储，也可以应用于高分辨率地下结构研究。从更长远眼光看，本研究成果可能改变地震采集器的采集方式，实现高压缩比实时数据采样、传输、重构以及长期存储。