阅读说明：本技术 一种地震数据的非规则优化采集方法、装置、设备及介质 (Irregular optimization acquisition method, device, equipment and medium for seismic data ) 是由 单小彩 吕尧 周永健 杨长春 于 2020-11-13 设计创作，主要内容包括：本发明公开了一种地震数据的非规则优化采集方法、装置、设备及介质,该方法包括,执行微调循环：针对待优化采样矩阵Φ_N,根据基于交替方向贪心序贯的采样减少方案,更新采样矩阵为Φ_(N-n),根据基于交替方向贪心序贯的采样增加方案,更新采样矩阵为Φ_N′。根据压缩感知理论、预设数量m和整体优化终止条件确定是否结束循环,及输出最终优化采样矩阵。本发明提供的方法、装置、设备及介质用以解决现有的非规则地震采集方案易陷入局部最优,计算量大和不适合复杂地形区域的技术问题。提供了一种整体微调寻优,适合复杂地形区域,并降低采样成本的地震采集策略。(The invention discloses a method, a device, equipment and a medium for irregular optimization acquisition of seismic data, wherein the method comprises the following steps of: for a sampling matrix phi to be optimized N Updating the sampling matrix to phi according to a sampling reduction scheme based on alternating direction greedy sequence N‑n According to a sampling increasing scheme based on alternating direction greedy sequence, updating a sampling matrix to phi N '. And determining whether to finish the cycle or not according to the compressed sensing theory, the preset number m and the overall optimization termination condition, and outputting a final optimization sampling matrix. The method, the device, the equipment and the medium provided by the invention are used for solving the technical problems that the existing irregular seismic acquisition scheme is easy to fall into local optimization, large in calculation amount and not suitable for a complex terrain area. Provides an integral fine-tuning optimizing and fitting deviceAnd the seismic acquisition strategy integrates complex terrain areas and reduces the sampling cost.)

一种地震数据的非规则优化采集方法、装置、设备及介质

技术领域

本发明涉及采样技术领域，尤其涉及一种地震数据的非规则优化采集方法、装置、设备及介质。

背景技术

传统地震勘探数据采集采用规则采样施工，炮点和检波点都会均匀分布在规则网格上。根据经典信号处理中的香农-奈奎斯特采样定理，即若要使采集到的数据能不失真地保持原信号中的信息，采样频率必须是原信号频带宽度的两倍以上。

为了描述目标体的精细特征，往往需要采集更精确的信号，因此，需要通过在空间上加密采样点数来实现。这样的采集方式大大增加了采集的数据量，从而导致采集成本的急剧增高。

另外，在复杂地区施工，往往会遇到峭壁、河流、沟壑、村庄和工业区等不易甚至无法布置检波器的情况，从而给上述规则采集方案带来了一定的困难，甚至导致无法平均布置采样点去采集的情况发生。如果因为这些原因导致原始数据的大量缺失，就会严重影响整个工区的勘探质量和成像效果，从而给资料解释带来困难。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的地震数据的非规则优化采集方法、装置、设备及介质。

第一方面，提供了一种地震数据的非规则优化采集方法，包括：

执行下述微调循环：

针对待优化采样矩阵Φ_N，根据基于交替方向贪心序贯的采样减少方案，依次减少n个采样点，更新所述采样矩阵为Φ_N-n；其中n为预设的微调幅度数值，N大于n；

针对Φ_N-n，根据基于交替方向贪心序贯的采样增加方案，依次增加n个采样点，更新所述采样矩阵为Φ_N′；

根据压缩感知理论判断当前的采样矩阵Φ_N′的μ值是否小于采样矩阵Φ_N的μ值，所述μ值为压缩感知理论中感知矩阵的列向量间的最大互相关值；

如果小于，则将Φ_N更改为Φ_N′，结束针对Φ_N的所述微调循环，并针对Φ_N′重复执行所述微调循环；

如果没有小于，则不更改当前采样矩阵，将当下微调幅度的拒绝次数增加一次，并判断所述拒绝次数是否达到预设数量m；如果未达到，则在当前采样矩阵的基础上返回重复执行所述微调循环，直到拒绝次数达到所述预设数量m；如果达到，则判断n是否符合整体优化终止条件，如果不符合，则降低微调幅度n，在当前采样矩阵的基础上返回重复执行所述微调循环，直到n符合所述整体优化终止条件；如果符合，则结束循环，输出最终优化采样矩阵。

可选的，所述整体优化终止条件为：所述微调幅度n达到提前设置的微调幅度最小值n_set。

可选的，所述基于交替方向贪心序贯的采样减少方案为：执行遍历减少循环：针对所述采样矩阵Φ_N，随机选择一个已采样点为候选点；沿所述候选点的x方向遍历所有已采样点，分别计算Φ_N减少每个已采样点后的μ值，选择使μ值最小的已采样点替换所述候选点；沿替换后的所述候选点的y方向遍历所有已采样点，分别计算Φ_N减少每个已采样点后的μ值，选择使μ值最小的已采样点替换所述候选点；判断替换后的所述候选点是否在x和y方向上均使得μ值最小；如果否，则返回重复所述遍历减少循环，直到所述候选点在x和y方向上均使得μ值最小；如果是，则将所述候选点从采样矩阵Φ_N中删除，更新采样矩阵为Φ_N-1；判断删除的采样点数目是否达到微调幅度n；如果未达到，则针对Φ_N-1重复所述遍历减少循环，直到删除的采样点数目达到微调幅度n；如果达到，则输出当前微调幅度下的更新后的优化采样矩阵Φ_N-n。

可选的，所述基于交替方向贪心序贯的采样增加方案为：执行遍历增加循环：针对采样矩阵Φ_N-n，随机选择一个未采样点为候选点；沿所述候选点的x方向遍历所有未采样点，分别计算Φ_N-n增加每个未采样点后的μ值，选择使μ值最小的未采样点替换当前的所述候选点；沿替换后的所述候选点的y方向遍历所有未采样点，分别计算Φ_N-n增加每个未采样点后的μ值，选择使μ值最小的未采样点替换所述候选点；判断替换后的所述候选点是否在x和y方向上均使得μ值最小；如果否，则返回重复所述遍历增加循环，直到所述候选点在x和y方向上均使得μ值最小；如果是，则将所述候选点加入采样矩阵Φ_N-n，更新采样矩阵为Φ_N-n+1；判断增加的采样点数目是否达到微调幅度n；如果未达到，则针对Φ_N-n+1重复所述遍历增加循环，直到增加的采样点数目达到微调幅度n；如果达到，则输出当前微调幅度下的更新后的优化采样矩阵Φ_N′。

可选的，所述方法还包括待优化采样矩阵生成方案：设待优化采样矩阵Φ_N的初始采样矩阵为Φ_k，其中，k大于0且小于N，随机选择未采样点为候选点，并执行下述第一循环：根据压缩感知理论，沿当前候选点的x方向遍历所有未采样点，分别计算Φ_k增加每个未采样点后的μ值；选择使μ值最小的未采样点替换所述候选点；结束所述第一循环，从替换后的所述候选点出发，执行下述第二循环：沿所述候选点的y方向遍历所有未采样点，分别计算Φ_k增加每个未采样点后的μ值；选择使μ值最小的未采样点替换所述候选点；判断替换后的所述候选点是否满足在x和y方向上均使得μ值最小；如果否，则重复所述第一循环和所述第二循环，直到替换后的所述候选点在x和y方向上均使得μ值最小；如果是，则将替换后的所述候选点加入所述初始采样矩阵Φ_k，更新所述初始采样矩阵为Φ_k+1，并判断是否满足生成阶段终止条件；如果不满足，则重复以上循环，增加新的采样点并更新所述初始采集矩阵，直到满足生成阶段终止条件；如果满足，则输出更新后的所述初始采集矩阵作为所述待优化采集矩阵Φ_N。

可选的，所述生成阶段终止条件为：所述更新后的初始采样矩阵Φ_k+1的采样点数k+1已达到预先设置的采样数目N；或者所述更新后的所述初始采样矩阵Φ_k+1的μ值已小于提前设置的值μ_set。

第二方面，提供一种地震数据的非规则优化采集装置，包括微调循环模块，用于：

执行下述微调循环：

针对待优化采样矩阵Φ_N，根据基于交替方向贪心序贯的采样减少方案，依次减少n个采样点，更新所述采样矩阵为Φ_N-n；其中n为预设的微调幅度数值，N大于n；

针对Φ_N-n，根据基于交替方向贪心序贯的采样增加方案，依次增加n个采样点，更新所述采样矩阵为Φ_N′；

根据压缩感知理论判断当前的采样矩阵Φ_N′的μ值是否小于采样矩阵Φ_N的μ值，所述μ值为压缩感知理论中感知矩阵的列向量间的最大互相关值；

如果小于，则将Φ_N更改为Φ_N′，结束针对Φ_N的所述微调循环，并针对Φ_N′重复执行所述微调循环；

如果没有小于，则不更改当前采样矩阵，将当下微调幅度的拒绝次数增加一次，并判断所述拒绝次数是否达到预设数量m；如果未达到，则在当前的采样矩阵的基础上返回重复执行所述微调循环，直到拒绝次数达到所述预设数量m；如果达到，则判断n是否符合整体优化终止条件，如果不符合，则降低微调幅度n，在当前的采样矩阵的基础上返回重复执行所述微调循环，直到n符合所述整体优化终止条件；如果符合，则结束循环，输出最终优化采样矩阵。

可选的，所述装置还包括待优化采样矩阵生成模块，用于：设待优化采样矩阵Φ_N的初始采样矩阵为Φ_k，其中，k大于0且小于N，随机选择未采样点为候选点，并执行下述第一循环：根据压缩感知理论，沿当前候选点的x方向遍历所有未采样点，分别计算Φ_k增加每个未采样点后的μ值；选择使μ值最小的未采样点替换所述候选点；结束所述第一循环，从替换后的所述候选点出发，执行下述第二循环：沿所述候选点的y方向遍历所有未采样点，分别计算Φ_k增加每个未采样点后的μ值；选择使μ值最小的未采样点替换所述候选点；判断替换后的所述候选点是否满足在x和y方向上均使得μ值最小；如果否，则重复所述第一循环和所述第二循环，直到替换后的所述候选点在x和y方向上均使得μ值最小；如果是，则将替换后的所述候选点加入所述初始采样矩阵Φ_k，更新所述初始采样矩阵为Φ_k+1，并判断是否满足生成阶段终止条件；如果不满足，则重复以上循环，增加新的采样点并更新所述初始采集矩阵，直到满足生成阶段终止条件；如果满足，则输出更新后的所述初始采集矩阵作为所述待优化采集矩阵Φ_N。

第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述方法的步骤。

第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述方法的步骤。

本发明实施例中提供的技术方案，至少具有如下技术效果或优点：

本发明实施例提供的地震数据的非规则优化采集方法、装置、设备及介质，结合基于交替方向贪心序贯的采样减少方案和基于交替方向贪心序贯的采样增加方案将所述采样矩阵从待优化采样矩阵Φ_N更新为Φ_N′，并根据压缩感知理论判断更新后的采样矩阵Φ_N′的μ值是否小于采样矩阵Φ_N的μ值来判断是否接受该次微调，微调的趋势是使得采样矩阵更符合整体性更优的要求，保证采样结果的可靠性。进一步，通过将拒绝次数是否达到预设数量m作为循环判决条件，和逐步降低微调幅度n来执行循环确定出最终优化采样矩阵。这样微调优化出的最终优化采样矩阵不需要对区域进行机械的平均划分和平均密集设置采样点，即使在地势复杂区域也可以通过本申请的方案，在不能采样的区域不进行候选点寻优来确定出合适的采样点。并且该方案计算量小，整体性能高，基于整体微调寻优来更新采样点可保证采样结果的可靠性，与常规规则采样相比需要较少的采样数目，且不易陷入其他非规则采样方案易陷入的局部最优解，在保证采样效果的同时可大大降低采样成本。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的

具体实施方式

。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明实施例中地震数据的非规则优化采集方法的流程图；

图2为本发明实施例中获取待优化采样矩阵Φ_N的方法的流程图；

图3为本发明实施例中获取待优化采样矩阵Φ_N的示意图一；

图4为本发明实施例中获取待优化采样矩阵Φ_N的示意图二；

图5为本发明实施例中获取待优化采样矩阵Φ_N的示意图三；

图6为本发明实施例中获取待优化采样矩阵Φ_N的示意图四；

图7为本发明实施例中获取待优化采样矩阵Φ_N的示意图五；

图8为本发明实施例中获取待优化采样矩阵Φ_N的示意图六；

图9为本发明实施例中获取待优化采样矩阵Φ_N的示意图七；

图10为本发明实施例中获取待优化采样矩阵Φ_N的示意图八；

图11为本发明实施例中基于交替方向贪心序贯的采样减少方案的流程图；

图12为本发明实施例中基于交替方向贪心序贯的采样增加方案的流程图；

图13为本发明实施例中采样减少方案的示意图一；

图14为本发明实施例中采样减少方案的示意图二；

图15为本发明实施例中采样减少方案的示意图三；

图16为本发明实施例中采样减少方案的示意图四；

图17为本发明实施例中采样减少方案的示意图五；

图18为本发明实施例中采样增加方案的示意图；

图19为本发明实施例中地震数据的采集装置的示意图；

图20为本发明实施例中电子设备的示意图；

图21为本发明实施例中存储介质的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本申请提供了一种地震数据的非规则优化采集方法，如图1所示，包括：

执行下述微调循环：

步骤S101，针对待优化采样矩阵Φ_N，根据基于交替方向贪心序贯的采样减少方案，依次减少n个采样点，更新所述采样矩阵为Φ_N-n；其中n为预设的微调幅度数值，N大于n；

步骤S102，针对Φ_N-n，根据基于交替方向贪心序贯的采样增加方案，依次增加n个采样点，更新所述采样矩阵为Φ_N′；

步骤S103，根据压缩感知理论判断当前的采样矩阵Φ_N′的μ值是否小于采样矩阵Φ_N的μ值，所述μ值为压缩感知理论中感知矩阵的列向量间的最大互相关值；

步骤S104，如果小于，则将Φ_N更改为Φ_N′，结束针对Φ_N的所述微调循环，并针对Φ_N′重复执行所述微调循环；

步骤S105，如果没有小于，则不更改当前采样矩阵，将当下微调幅度的拒绝次数增加一次；

步骤S106，判断所述拒绝次数是否达到预设数量m，其中m随微调幅度n反比例变化；

步骤S107，如果未达到，则在当前采样矩阵的基础上返回重复执行所述微调循环，直到拒绝次数达到所述预设数量m；

步骤S108，如果达到，则判断n是否符合整体优化终止条件(图1假设整体优化终止条件为n＝1)；

步骤S109，如果不符合，则降低微调幅度n，在当前采样矩阵的基础上返回重复执行所述微调循环，直到n符合所述整体优化终止条件；

步骤S110，如果符合，则结束循环，输出最终优化采样矩阵。

具体来讲，该地震数据的非规则优化采集方法可以应用于专用的采集装置，也可以应用于计算机等设备，在此不作限制。

需要说明的是，本申请不涉及采样的具体地震数据内容，采样内容可以为现有的任意地震采样数据。

下面详细介绍本申请提供的地震数据的非规则优化采集方法的详细实施步骤，请参考图1。

首先，先确定待优化采样矩阵Φ_N，该Φ_N可以是根据经验预设的采样矩阵，也可以是根据交替方向的贪心贯序循环获取的采样矩阵，在此不作限制。

具体来讲，根据交替方向的贪心贯序循环获取待优化采样矩阵Φ_N的方法如图2所示。先设置待优化采样矩阵Φ_N的初始采样矩阵Φ_k，其中，k可以等于1，也可以等于2或3等其他数值，在此不作限制。然后，随机选择一个未采样点为候选点，并执行下述第一循环：根据压缩感知理论，沿当前候选点的x方向遍历所有未采样点，分别计算Φ_k增加每个未采样点后的μ值；选择使μ值最小的未采样点替换所述候选点。然后，结束所述第一循环，从替换后的所述候选点出发，执行下述第二循环：沿所述候选点的y方向遍历所有未采样点，分别计算Φ_k增加每个未采样点后的μ值；选择使μ值最小的未采样点替换所述候选点。

判断替换后的所述候选点是否满足在x和y方向上均使得μ值最小；如果否，则重复所述第一循环和所述第二循环，直到替换后的所述候选点在x和y方向上均使得μ值最小；如果是，则将替换后的所述候选点加入所述初始采样矩阵Φ_k，更新所述初始采样矩阵为Φ_k+1，并判断是否满足生成阶段终止条件；如果不满足，则增加新的采样点并更新所述初始采集矩阵使得k＝k+1，并重复以上循环，直到满足生成阶段终止条件；如果满足，则输出更新后的所述初始采集矩阵Φ_k+1作为所述待优化采集矩阵Φ_N。

其中，该生成阶段终止条件为：更新后的初始采样矩阵Φ_k+1的采样点数k+1已达到预先设置的采样数目N；或者所述更新后的所述初始采样矩阵Φ_k+1的μ值已小于提前设置的值μ_set。

下面提供一具体实例帮助理解根据交替方向的贪心贯序循环获取待优化采样矩阵Φ_N,N＝20的方法：

假设采样场景为图3所示的10*10的空间网格点(空心圆圈为空间网格点)。假设已经确定10个采样点Φ_k，即k＝10(位置如图4中的实心圆点)，需要确定下一个采样点的位置。

在未采样的网格点中，随机选择一未采样点(7,8)作为候选点(位置如图5中中心有圆点的空心圆圈)。然后如图5中箭头所示沿当前候选点的x方向遍历所有未采样点，即遍历横坐标为7所在行的所有未采样网格点，分别计算Φ_k增加每个未采样点后的μ值。选择使μ值最小的未采样点替换所述候选点，假设使μ值最小的未采样点为(7,5)，如图6所示将(7,5)作为更新后的候选点。然后，如图7所示从替换后的候选点(7,5)出发，沿箭头所示的(7,5)的y方向遍历所有未采样点，即遍历纵坐标为5所在列的所有未采样网格点，分别计算Φ_k增加每个未采样点后的μ值，选择使μ值最小的未采样点替换所述候选点。假设如图8所示，使μ值最小的未采样点为(1,5)。

判断替换后的所述候选点(1,5)是否满足在其所在x和y方向上均使得μ值最小；如果否，则以(1,5)作为候选点重复上述遍历步骤，直到替换后的所述候选点在x和y方向上均使得μ值最小。如果是(此实例情况下为是)，则如图9所示将替换后的所述候选点(1,5)加入所述初始采样矩阵Φ_k，更新所述初始采样矩阵为Φ_k+1。再按前述方法逐次增加一个采样点，直至获得如图10所示的含有20个采样点的采集矩阵Φ_N,N＝20。

具体来讲，采用交替方向的贪心贯序循环获取待优化采样矩阵Φ_N，不需要对区域进行机械的平均密集设置采样点，即使在地势复杂区域也可以通过该方法，在不能采样的区域不进行候选点寻优来确定出合适的采样点。并且该方案计算量小，整体性能高，与常规规则采样相比需要较少的采样数目，且不易陷入其他非规则采样方案易陷入的局部最优解，在保证采样效果的同时可大大降低采样成本。

在确定了待优化采样矩阵Φ_N后，如图1所示，继续执行图1中的步骤S101，针对采样矩阵Φ_N，根据基于交替方向贪心序贯的采样减少方案，依次减少n个采样点，更新所述采样矩阵为Φ_N-n；其中n为预设的微调幅度数值，N大于n。

具体来讲，基于交替方向贪心序贯的采样减少方案如图11所示：

执行遍历减少循环：针对所述待优化采样矩阵Φ_N(即图11中的Φ_K,K＝N)，随机选择一个已采样点为候选点。再沿所述候选点的x方向遍历所有已采样点，分别计算Φ_N减少每个已采样点后的μ值，选择使μ值最小的已采样点替换所述候选点。然后，沿替换后的所述候选点的y方向遍历所有已采样点，分别计算Φ_N减少每个已采样点后的μ值，选择使μ值最小的已采样点替换所述候选点。接下来，判断替换后的所述候选点是否在x和y方向上均使得μ值最小；如果否，则返回重复执行所述遍历减少循环，直到所述候选点在x和y方向上均使得μ值最小；如果是，则将所述候选点从采样矩阵Φ_N中删除，更新采样矩阵为Φ_N-1；判断删除的采样点数目是否达到微调幅度n；如果未达到，则针对Φ_N-1重复所述遍历减少循环，直到删除的采样点数目达到微调幅度n；如果达到，则输出当前微调幅度下的更新后的优化采样矩阵Φ_N-n。

然后，执行图1中的步骤S102，针对Φ_N-n，根据基于交替方向贪心序贯的采样增加方案，依次增加n个采样点，更新所述采样矩阵为Φ_N′。

具体来讲，基于交替方向贪心序贯的采样增加方案如图12所示：

执行遍历增加循环：针对采样矩阵Φ_N-n(即图12中的Φ_K，K＝N-n)，随机选择一个未采样点为候选点；沿所述候选点的x方向遍历所有未采样点，分别计算Φ_N-n增加每个未采样点后的μ值，选择使μ值最小的未采样点替换当前的所述候选点。然后，沿替换后的所述候选点的y方向遍历所有未采样点，分别计算Φ_N-n增加每个未采样点后的μ值，选择使μ值最小的未采样点替换所述候选点。再判断替换后的所述候选点是否在x和y方向上均使得μ值最小；如果否，则返回重复所述遍历增加循环，直到所述候选点在x和y方向上均使得μ值最小；如果是，则将所述候选点加入采样矩阵Φ_N-n，更新采样矩阵为Φ_N-n+1。然后，判断增加的采样点数目是否达到微调幅度n；如果未达到，则针对Φ_N-n+1重复所述遍历增加循环，直到增加的采样点数目达到微调幅度n；如果达到，则输出当前微调幅度下的更新后的优化采样矩阵Φ_N′。

下面提供一具体实例帮助理解基于交替方向贪心序贯的采样减少方案和采样增加方案：

假设Φ_N为图10所示，采样场景为10*10的空间网格点(空心圆圈为空间网格点)，已确定有20个采样点(位置如图10中的实心圆点)，需要对采样点进行微调优化。

首先，记录当前的采样点和μ值。确定微调的幅度n，假设n＝2。先使用贪心序贯逐次去掉n个采样点，再逐次增加n个采样点。具体如下：

如图13所示，随机选择一个采样点作为候选点(位置如图13中中心有圆点的空心圆圈)，例如(4,4)。如图13中的箭头所示沿所述候选点的x方向遍历所有已采样点，即遍历横坐标为4所在行的所有已采样点，并分别计算将各点去采样后的μ值，如图14所示，选择使μ值最小的已采样点替换所述候选点，假设使μ值最小的已采样点为(4,3)。然后，如图15所示，沿替换后的所述候选点(4,3)的y方向遍历所有已采样点，即遍历纵坐标为3所在列的所有已采样点，并分别计算将各点去采样后的μ值，选择使μ值最小的已采样点替换所述候选点，假设使μ值最小的已采样点仍为(4,3)。接下来，判断替换后的所述候选点是否在x和y方向上均使得μ值最小；如果否，则返回重复执行所述遍历减少循环，直到所述候选点在x和y方向上均使得μ值最小；如果是，则将所述候选点从采样矩阵Φ_N中删除，更新采样矩阵为Φ_N-1。此处实例情况下(4,3)在x和y方向上均使得μ值最小，则如图16所示，去掉(4,3)处的采样。重复前述过程，交替方向序贯得到候选点并将其去采样，直到去掉的采样点数达到n.。因n＝2，假设如图17所示又去掉另一个采样点(6,5)，获得Φ_N-n。

然后，在去采样后的Φ_N-n基础上，贪心序贯的逐个增加n个采样点，具体增加采样点的方法与前述的根据交替方向的贪心贯序循环获取待优化采样矩阵Φ_N时增加采样点的方法相同。例如，在图17所示的Φ_N-n基础上随机选择未采样点(5,3)作为候选点，在x方向(横坐标为5的行)遍历寻得使μ值最小的新候选点(5,7)，再在y方向(纵坐标为7的行)遍历寻得使μ值最小的新候选点，假设在y方向寻得的使μ值最小的新候选点仍然是(5,7)，则新增采样点(5,7)。再随机选择未采样点(1,1)作为候选点，在x方向(横坐标为1的行)遍历寻得使μ值最小的新候选点(1,3)，再在y方向(纵坐标为3的行)遍历寻得使μ值最小的新候选点，假设在y方向寻得的使μ值最小的新候选点仍然是(1,3)，则新增采样点(1,3)，获得如图18所述的优化后的20个采样点，即当前微调幅度下的优化采样矩阵Φ_N′。

再下来，执行图1中的步骤S103，根据压缩感知理论判断当前的采样矩阵Φ_N′的μ值是否小于采样矩阵Φ_N的μ值，所述μ值为压缩感知理论中感知矩阵的列向量间的最大互相关值；

如果小于，则执行步骤S104将Φ_N更改为Φ_N′，结束针对Φ_N的所述微调循环，并针对Φ_N′重复执行所述微调循环。如果没有小于，则执行步骤S105，拒绝该次微调，不更改当前采样矩阵，将当下微调幅度的拒绝次数增加一次。

然后，执行步骤S106，判断所述拒绝次数是否达到预设数量m。较优的，m随微调幅度n反比例变化。

如果未达到，则执行步骤S107，在当前采样矩阵的基础上返回重复执行所述微调循环，直到拒绝次数达到所述预设数量m。如果达到，则执行步骤S108，判断n是否符合整体优化终止条件。其中，所述整体优化终止条件可以为：所述微调幅度n达到提前设置的微调幅度最小值n_set(图1中假设为1)。

如果不符合，则执行步骤S109，降低微调幅度n，在当前采样矩阵的基础上返回重复执行所述微调循环，直到n符合所述整体优化终止条件；如果符合，则步骤S110，结束循环，输出最终优化采样矩阵。

下面介绍本申请提供方法的理论基础，及其中μ值的计算方法：压缩感知理论的基本假设是目标信号具有稀疏性或者可压缩性，也就是说，目标信号或者其在某个变换域中只有有限个成分不等于0(对应稀疏性)，或者只有有限个成分远大于0(对应可压缩性)。若目标信号有K个成分不等于0，则称该信号为K稀疏的。假设具有稀疏性或者可压缩性的目标信号为x，稀疏变换采用傅里叶变换F，则正交基F为傅里叶基函数，于是x＝F^H·s，式中：s为信号x在傅里叶域的稀疏表示；F^H表示F的共轭转置。

采集得到的数据可以看作是采样函数或采样矩阵与目标信号相乘的结果。记采样矩阵为Φ，当进行满采样时，有Φ＝I，其中，I表示单位矩阵。当稀疏采样时，Φ为I抽出的若干列组成的矩阵，即只有采样位置对应的列向量被保留，采样数据为：y＝Φ·x＝Φ·F^H·s＝Ψ·s。式中：Ψ＝Φ·F^H为感知矩阵。

根据压缩感知理论，成功重建K稀疏的目标信号的充分必要条件是感知矩阵Ψ＝Φ·F^H满足有限等距准则(Restored Isometric Property,RIP)条件，即对于任意K稀疏的向量v均有成立(对于每个整数K＝1，2，...，矩阵Ψ的等距常数δ定义为使不等式成立的最小数K时的δ_K)。然而，求解满足RIP条件的矩阵是个NP-Hard问题，取而代之，可采用一种可计算的准则来进行采样设计。设矩阵Ψ的列向量为Ψ_i，列向量间的最大互相关值为：

感知矩阵列向量间的最大互相关值即为非规则采样归一化频谱的最大非零频率振幅。在频率域，采样数据y的频谱是感知矩阵Ψ的频谱和目标信号的稀疏表达s的频谱之间卷积作用的结果。μ就是因为非规则采样造成傅里叶基(稀疏基)的正交性被破坏所引起的最大频谱泄漏，压制μ可以使感知矩阵Ψ的频谱近似Delta函数，否则，感知矩阵Ψ的频谱出现多个峰，与稀疏表达s卷积作用后，将在频率域(稀疏域)产生“假频”噪声。

μ越小，则信号在非规则采样后能够重建的概率就越高。由于Ψ＝Φ·F^H，其中F是固定的，因此，在采样数目不足时，可以通过改变采样矩阵Φ，即改变非规则采样点的分布来降低最大互相关值，从而优化采样矩阵，提高目标信号重建的概率，即：该优化问题是非凸的，具体优化时只要能够找到局部最优解就足够满足需求。

基于同一发明构思，本发明实施例还提供了一种地震数据的非规则优化采集装置，如图19所示，包括：

微调循环模块400，用于：执行下述微调循环：

针对待优化采样矩阵Φ_N，根据基于交替方向贪心序贯的采样减少方案，依次减少n个采样点，更新所述采样矩阵为Φ_N-n；其中n为预设的微调幅度数值，N大于n；

针对Φ_N-n，根据基于交替方向贪心序贯的采样增加方案，依次增加n个采样点，更新所述采样矩阵为Φ_N′；

根据压缩感知理论判断当前的采样矩阵Φ_N′的μ值是否小于采样矩阵Φ_N的μ值，所述μ值为压缩感知理论中感知矩阵的列向量间的最大互相关值；

如果小于，则将Φ_N更改为Φ_N′，结束针对Φ_N的所述微调循环，并针对Φ_N′重复执行所述微调循环；

如果没有小于，则不更改当前采样矩阵，将当下微调幅度的拒绝次数增加一次，并判断所述拒绝次数是否达到预设数量m；如果未达到，则在当前的采样矩阵的基础上返回重复执行所述微调循环，直到拒绝次数达到所述预设数量m；如果达到，则判断n是否符合整体优化终止条件，如果不符合，则降低微调幅度n，在当前的采样矩阵的基础上返回重复执行所述微调循环，直到n符合所述整体优化终止条件；如果符合，则结束循环，输出最终优化采样矩阵。

该地震数据的采集装置可以是专用的采集装置，也可以是计算机等设备，在此不作限制。

在本申请实施例中，所述的装置还可以包括：待优化采样矩阵生成模块，用于：

设待优化采样矩阵Φ_N的初始采样矩阵为Φ_k，其中，k大于0且小于N，随机选择未采样点为候选点，并执行下述第一循环：

根据压缩感知理论，沿当前候选点的x方向遍历所有未采样点，分别计算Φ_k增加每个未采样点后的μ值；选择使μ值最小的未采样点替换所述候选点；

结束所述第一循环，从替换后的所述候选点出发，执行下述第二循环：

沿所述候选点的y方向遍历所有未采样点，分别计算Φ_k增加每个未采样点后的μ值；选择使μ值最小的未采样点替换所述候选点；

判断替换后的所述候选点是否满足在x和y方向上均使得μ值最小；如果否，则重复所述第一循环和所述第二循环，直到替换后的所述候选点在x和y方向上均使得μ值最小；如果是，则将替换后的所述候选点加入所述初始采样矩阵Φ_k，更新所述初始采样矩阵为Φ_k+1，并判断是否满足生成阶段终止条件；如果不满足，则重复以上循环，增加新的采样点并更新所述初始采集矩阵，直到满足生成阶段终止条件；如果满足，则输出更新后的所述初始采集矩阵作为所述待优化采集矩阵Φ_N。

由于本发明实施例所介绍的装置，为实施本发明实施例的方法所采用的装置，故而基于本发明实施例所介绍的方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本发明实施例的方法所采用的装置都属于本发明所欲保护的范围。

基于同一发明构思，本发明实施例还提供了一种电子设备，如图20所示，包括存储器510、处理器520及存储在存储器510上并可在处理器520上运行的计算机程序511，所述处理器520执行所述计算机程序511时实现以下步骤：

执行下述微调循环：

针对待优化采样矩阵Φ_N，根据基于交替方向贪心序贯的采样减少方案，依次减少n个采样点，更新所述采样矩阵为Φ_N-n；其中n为预设的微调幅度数值，N大于n；

针对Φ_N-n，根据基于交替方向贪心序贯的采样增加方案，依次增加n个采样点，更新所述采样矩阵为Φ_N′；

根据压缩感知理论判断当前的采样矩阵Φ_N′的μ值是否小于采样矩阵Φ_N的μ值，所述μ值为压缩感知理论中感知矩阵的列向量间的最大互相关值；

如果小于，则将Φ_N更改为Φ_N′，结束针对Φ_N的所述微调循环，并针对Φ_N′重复执行所述微调循环；

如果没有小于，则不更改当前采样矩阵，将当下微调幅度的拒绝次数增加一次，并判断所述拒绝次数是否达到预设数量m；如果未达到，则在当前采样矩阵的基础上返回重复执行所述微调循环，直到拒绝次数达到所述预设数量m；如果达到，则判断n是否符合整体优化终止条件，如果不符合，则降低微调幅度n，在当前采样矩阵的基础上返回重复执行所述微调循环，直到n符合所述整体优化终止条件；如果符合，则结束循环，输出最终优化采样矩阵。

在本发明实施例中，所述处理器520执行所述计算机程序511时可以实现本发明实施例的方法中任一实施方式。

由于本发明实施例所介绍的电子设备，为实施本发明实施例的方法所采用的设备，故而基于本发明实施例所介绍的方法，本领域所属人员能够了解该设备的具体结构及变形，故而在此不再赘述。凡是本发明实施例的方法所采用的设备都属于本发明所欲保护的范围。

基于同一发明构思，本发明实施例还提供了实施例中方法对应的存储介质：

本实施例提供一种计算机可读存储介质600，如图21所示，其上存储有计算机程序611，该计算机程序611被处理器执行时实现以下步骤：

执行下述微调循环：

针对待优化采样矩阵Φ_N，根据基于交替方向贪心序贯的采样减少方案，依次减少n个采样点，更新所述采样矩阵为Φ_N-n；其中n为预设的微调幅度数值，N大于n；

针对Φ_N-n，根据基于交替方向贪心序贯的采样增加方案，依次增加n个采样点，更新所述采样矩阵为Φ_N′；

根据压缩感知理论判断当前的采样矩阵Φ_N′的μ值是否小于采样矩阵Φ_N的μ值，所述μ值为压缩感知理论中感知矩阵的列向量间的最大互相关值；

如果小于，则将Φ_N更改为Φ_N′，结束针对Φ_N的所述微调循环，并针对Φ_N′重复执行所述微调循环；

如果没有小于，则不更改当前采样矩阵，将当下微调幅度的拒绝次数增加一次，并判断所述拒绝次数是否达到预设数量m；如果未达到，则在当前采样矩阵的基础上返回重复执行所述微调循环，直到拒绝次数达到所述预设数量m；如果达到，则判断n是否符合整体优化终止条件，如果不符合，则降低微调幅度n，在当前采样矩阵的基础上返回重复执行所述微调循环，直到n符合所述整体优化终止条件；如果符合，则结束循环，输出最终优化采样矩阵。

在具体实施过程中，该计算机程序611被处理器执行时，可以实现本发明实施例的方法中任一实施方式。

本发明实施例中提供的技术方案，至少具有如下技术效果或优点：

本发明实施例提供的方法、装置、设备及介质，结合基于交替方向贪心序贯的采样减少方案和基于交替方向贪心序贯的采样增加方案将所述待优化采样矩阵从Φ_N更新为Φ_N′，并根据压缩感知理论判断更新后的采样矩阵Φ_N′的μ值是否小于采样矩阵Φ_N的μ值来判断是否接受该次微调，微调的趋势是使得采样矩阵更符合整体性更优的要求，保证采样结果的可靠性。进一步，通过将拒绝次数是否达到预设数量m作为循环判决条件，和逐步降低微调幅度n来执行循环确定出最终优化采样矩阵，这样微调优化出的最终优化采样矩阵不需要对区域进行机械的平均密集设置采样点，即使在地势复杂区域也可以通过本申请的方案，在不能采样的区域不进行候选点寻优来确定出合适的采样点。并且该方案计算量小，整体性能高，基于整体微调寻优来更新采样点可保证采样结果的可靠性，与常规规则采样相比需要较少的采样数目，且不易陷入其他非规则采样方案易陷入的局部最优解，在保证采样效果的同时可大大降低采样成本。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的网关、代理服务器、系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。