Содержание к диссертации
Введение
1. Проблема сжатия сейсмических сигналов - постановка задачи, методы решения 10
1.1. Постановка задачи синтеза системы сжатия геофизической информации 10
1.2. Модель сейсмического сигнала 16
1.3. Исследование стандартных алгоритмов сжатия применительно к сейсмическому сигналу 25
1.3.1 Классификация методов сжатия информации 25
1.3.2 Задача построения алгоритма сжатия сейсмического сигнала... 28
1.3.3 Статистическое кодирование 30
1.3.4 Сокращение избыточности информации 36
1.3.5 Методы сжатия на основе выделения параметров 38
1.3.6 Методы сжатия с преобразованием 41
1.4. Сравнение существующих методов сжатия 50
2. Субполосное кодирование 53
2.1. Банки фильтров с равномерным разбиением на каналы 56
2.1.1. Построение банков фильтров с полным восстановлением 58
2.1.2. Построение банков фильтров с квази-полным восстановлением . 68
2.1.3. Каскадное соединение банков фильтров 72
2.2. Банки фильтров с неравномерным разбиением на каналы 76
2.3. Оптимальное субполосное кодирование 82
2.3.1. Постановка задачи построения оптимального субполосного кодера 82
2.3.2 Банки фильтров основных компонент 87
3. Построение субполосного кодера 92
3.1. Постановка задачи 92
3.2. Поиск наилучшей методики сжатия субполосных сигналов . 96
3.2.1 Равномерное квантование субполосных сигналов 96
3.2.2 Арифметическое кодирование субполосных сигналов 99
3.2.3 Линейное предсказание субполосных сигналов 101
3.2.4 Адаптивное квантование субполосных сигналов 102
3.3. Оптимальное адаптивное субполосное кодирование сейсмических сигналов 107
3.4 Оценка полученных результатов 115
4. Оптимальная реализация системы предобработки сейсмического сигнала на ЦПОС 117
4.1. Оптимальная реализация универсальной структуры децимации 118
4.2. Реализация цифрового банка фильтров 130
4.3. Программная реализация на языке ассемблера для ЦПОС ADSP-21 хх 146
Заключение 151
Библиографический список
- Исследование стандартных алгоритмов сжатия применительно к сейсмическому сигналу
- Построение банков фильтров с квази-полным восстановлением
- Поиск наилучшей методики сжатия субполосных сигналов
- Реализация цифрового банка фильтров
Введение к работе
Чтобы иметь возможность жить и развиваться, человечество сейчас ищет источники энергии более усиленно, чем когда бы то ни было. Нефть и природный газ все еще являются одними из важнейших источников энергии, по этому разведка (в том числе и сейсмическая) мест залегания углеводородов ведется все более тщательно и интенсивно. Необходимость поиска в новых районах и с большей точностью становиться все более очевидной, особенно в наши дни, когда уже невозможно довольствоваться районами, где «нефть течет как вода». С другой стороны, рост требуемой точности ведет к значительному увеличению объема данных, которые необходимо получить (зарегистрировать), передать, обработать и интерпретировать. При осуществлении любого сейсмического проекта регистрируются буквально миллионы сейсмических трасс. Эти трассы анализируются с тем, чтобы составить структурные карты по горизонтам осадочного чехла, которые затем используются для определения мест бурения. Из-за высокой стоимости бурения и еще большей стоимости аренды перспективных на нефть участков от геофизических исследований ждут только точных результатов. В связи с этим актуальной является проблема построения систем сбора, обработки и передачи больших объемов геофизических данных в составе общей системы оперативного управления сейсморазведочными работами. Основным требованием к такого рода системам является высокая скорость передачи данных из пункта сбора в пункт управления, а также компактное хранение накапливаемой информации. Кроме того, имеет место допущение о некоторой потере информации, которая определяется заранее заданной нижней границей точности представления данных. Оборудование, составляющее реализационный базис такой системы, должно отличаться простотой и надежностью, так как используется в полевых условиях.
Существует множество подходов к решению задачи сжатия сейсмических данных, отличающихся друг от друга сложностью, эффективностью и способом представления данных. Последний критерий выражается в том, что под сейсмическими данными понимают как отдельную сейсмотрассу, так и сейсмограмму, состоящую из 96-ти и более сеисмотрасс. Кроме того, трехмерное изображение участка поверхности недр также подразумевают под сейсмическими данными.
Первая значительная публикация на тему сжатия сейсмических данных появилась в 1974 году [90]. В этой работе предлагается метод сжатия сейсмограмм, состоящих из множества сеисмотрасс, как двумерные данные при помощи кодирования с преобразованием Уолша. Восстановленный сигнал удовлетворял по точности только таким целям как печать и визуальный анализ сейсмограмм и был непригоден для более сложного и точного анализа. Преобразование Уолша более подходит для кодирования сигналов с острыми пиками и разрывами, что не характерно для сейсмического сигнала, чья амплитуда (при высокой частоте дискретизации) меняется достаточно медленно. Появление и бурное развитие теории вейвлет преобразования, применение арифметического кодирования, развитие теории построения банков фильтров с полным восстановлением, а также развитие вычислительной техники стимулировали бурные поиски новых путей сжатия сейсмических данных.
В большом количестве зарубежных публикаций описывается схожие подходы к сжатию сейсмических сигналов на базе субполосной обработки. Основу их составляют три этапа: декорреляция или анализ сигнала при помощи банка фильтров, квантование полученных субполосных составляющих с контролем возникающих при этом искажений и энтропийное кодирование. Так, в работе, [55, 56] рассматривается использование субполосного кодирования для сжатия сейсмичских сигналов. При этом субполосные составляющие разбиваются на блоки, классифицируются по характеру распределения значений, и кодируются при помощи метода арифметического кодирования. Исходными данными являются готовые сейсмограммы, на основе анализа которых оптимизируются банки фильтров. В работе [46] предлагается в
6 качестве банка фильтров использовать локальные ортогональные преобразования с перекрывающимися окнами. Похожий метод сжатия предлагается и в [63]. В качестве метода декомпозиции сигнала используется Дискретное косинусное преобразование.
Интересный подход описан в [41]. Исходный сигнал после разбиения на субполосные составляющие и вторичного квантования кодируется арифметическим кодером в плоскости разряда. Однако, область применения такого метода - кодирование данных, получаемых при регулярном наблюдении за сейсмической активностью земли. Такие сигналы имеют значительные отличия от данных, получаемых при проведении сейсморазведки.
Большое количество работ посвящено использованию вейвлет преобразования для сжатия сейсмических данных. Популярность данного метода анализа сигналов обусловлена значительными успехами в области сжатия изображений. Сжатие целых сейсмограмм как двумерных изображений на основе вейвлет кодирования рассматривается в работах [38,57,83,87,33]. Заявленная в этих работах эффективность сжатия достигает десятков и даже сотен раз, однако, данные методы не в состоянии обеспечить подробной передачи формы сигнала. Восстанавливаемый сигнал отражает лишь основные сейсмические события и не может быть эффективно использован в сложных методах интерпретации. Хороший обзор методов сжатия сейсмических данных как изображений дан в работе [23], а также в большой статье [25].
В [34] показывается, что сжатие сейсмических сигналов при помощи вейвлет преобразования позволяет уменьшить мощность аддитивного шума. Сигнал рассматривается как сумма полезной и шумовой составляющих. Доказывается, что сжатие с потерями в большей степени «вредит» шумовой составляющей, в связи с чем отношение сигнал/шум увеличивается.
Существуют и нестандартные подходы к кодированию сейсмических сигналов. В [38] в качестве базового преобразования используется разложение по сингулярным значениям. Однако кодеры, построенные на основе этого преобразования, значительно хуже стандартных JPEG кодеров в плане
выходного соотношения сигнал шум для заданного количества бит [52].
Особо следует отметить тезисы на соискание ученой степени [26] в которых дается хороший обзор методов сжатия сейсмических сигналов, рассмотрены различные подходы к решению данной проблемы, такие как вейвлет преобразование, дискретное косинусное преобразование, энтропийное кодирование как сейсмограмм, так и отдельных сейсмотрасс. Также в этой работе предложен очень интересный подход, связанный с учетом корреляции между соседними сейсмотрассами и названный «горизонтальным кодированием». Описано влияние сжатия с потерями на результаты последующего использования искаженных данных в целях построения карты строения земных недр.
Таким образом, существует большое количество подходов к решению задач, объединяемых под одним названием «сжатие сейсмических сигналов» и отличающихся друг от друга по методам, целям и используемому материалу. Проведенное в данной работе исследование отличается тем, что его объектом является система сбора, передачи и обработки геофизических данных в системах управления сейсморазведкой. Методы и цифровые устройства сжатия телеметрической информации, являющиеся важным звеном такой системы, составляют предмет исследования данной работы. Особенностью предлагаемого в данной работе подхода является направленность на эффективное кодирование одиночных сигналов, получаемых на этапе регистрации. Основными условиями к решению данной задачи являются большой коэффициент сжатия при достаточно точной передаче формы сигнала, обработка в реальном времени и возможность эффективного использования при различных условиях и параметрах регистрации. В связи со сложившейся методикой регистрации сейсмических сигналов дополнительной задачей является построение системы децимации, которая должна быть эффективно реализована на одном операционном устройстве с подсистемой сжатия.
Исходя из выше сказанного, можно сформулировать цель исследования и основные задачи, решение которых ведет к достижению этой цели.
Целью работы является разработка и исследование эффективных методов и цифровых устройств кодирования сейсмической информации на основе субполосной, многоскоростной и оптимальной обработки сигналов применительно к системам сбора и передачи геофизических данных.
Поставленная цель работы включает решение следующих задач:
разработка адекватной модели сейсмического сигнала, отражающей временные, спектральные и статистические особенности реальных сигналов и позволяющей генерировать реализации сигналов для статистического исследования эффективности различных методов сжатия;
исследование эффективности известных алгоритмов сжатия, принадлежащих к таким классам, как разностные алгоритмы, апертурные алгоритмы, алгоритмы сжатия с преобразованием, алгоритмы на основе идентификации модели сообщения, статистические алгоритмы;
поиск и разработка эффективного метода сжатия сейсмических сигналов;
разработка методики оптимальной реализации подсистемы децимации на базе ЦПОС;
разработка методики эффективной реализации выбранного метода сжатия на сигнальном процессоре.
Для достижения поставленной цели использовались методы математической статистики, матричного исчисления, многоскоростной обработки сигналов, спектрального оценивания и другие, которые сочетались с экспериментальными исследованиями как на основе имитационного моделирования в среде Матлаб, так и с использованием сейсморазведочного оборудования.
Диссертационная работа состоит из четырех глав, введения, заключения и приложений. В первой главе ставится общая задача построения системы предобработки сейсмических данных как последовательно расположенных подсистемы децимации и подсистемы сжатия сейсмического сигнала. Задача построения подсистемы сжатия формулируется с общих позиций построения подсистемы сжатия данных (ПСД). Для исследования эффективности различных методик эффективного кодирования строится модель сейсмического
сигнала в виде суммы множества элементарных импульсов и аддитивного шума. На основе сформулированной задачи построения алгоритма сжатия сейсмических сигналов и приведенной классификации исследуется эффективность стандартных методов сжатия. В заключение главы делается вывод о перспективности дальнейшего исследования и развития метода субполосного кодирования.
Вторая глава посвящена основному инструменту субполосного кодирования - цифровым банкам фильтров. Проводится полный обзор современного состояния дел в области проектирования и расчета БФ с полным и квазиполным восстановлением. Приводятся примеры использования некоторых методик для расчета ЦБФ. Также, рассматривается теория построения оптимальных субполосных кодеров на основе «банков фильтров основных компонент».
Непосредственному применению ЦБФ для построения методов сжатия сейсмических сигналов посвящена третья глава. Исследуются различные способы кодирования субполосных сигналов. Показывается, что введения элемента адаптации при квантовании субполосных сигналов приводит к наилучшим результатам. Кроме того, в третьей главе оценивается возможность применения теории оптимального субполосного кодирования. Ввиду того, что характер проведения полевых работ и статистические характеристики не позволяют использовать теорию оптимального субполосного кодирования в полной мере, делается попытка построить адаптивную систему частотной селекции на базе методики, схожей с построением банков фильтров основных компонент.
Заключительная глава посвящена реализации системы предобработки сейсмических сигналов на базе цифровых процессоров обработки сигналов (ЦПОС). Особое внимание уделяется методики оптимального построения универсальной подсистемы децимации. Формулируется и решается задача оптимального синтеза многокаскадной структуры системы децимации. Схожая с ней система частотной селекции на базе ЦБФ имеет отличные особенности при реализации. Описывается методика оптимальной реализации ЦБФ с полным или квази-полным восстановлением. В заключение, приводится пример использования данных методик и примеры программ на языке Ассемблер.
Исследование стандартных алгоритмов сжатия применительно к сейсмическому сигналу
Задав ограничения на реализационный базис В и определив класс сигналов X можно преступить к решению поставленной задачи, а именно, к построению алгоритмов сжатия данных А и исследованию их эффективности, что равносильно исследованию области значений вектора показателей качества U.
Задача поиска метода сжатия не нова, и, к настоящему времени, известно большое количество подходов к ее решению. Существующие методы сжатия столь разнообразны, что естественным этапом на пути нашего исследования является классификация этих методов. На основе классификации очертим круг тех методов, которые представляют особый интерес в плане сжатия именно сейсмического сигнала.
Существует множество признаков, по которым возможно классифицировать методы сжатия. Во-первых, по типу сообщения все методы можно разделить на предназначенные для обработки аналоговых, аналого-дискретных и дискретных (цифровых) сообщений. Предметная область, методика проведения полевых работ, а также сложившаяся практика цифровой записи и хранения сейсмических данных четко отводят нам последний класс из выше перечисленных. Вторым важным признаком классификации является возможность восстановления исходной реализации сообщения с контролируемой погрешностью. Выделяют обратимые (квазиобратимые) и необратимые методы сжатия. В первом случае восстановление с заданной верностью возможно, во втором - нет. Среди обратимых методов следует особо отметить методы сжатия цифровых данных, которые гарантируют при отсутствии ошибок в канале связи точное восстановление исходного сообщения, то есть полное восстановление (ПВ). Нас прежде всего будут интересовать обратимые методы сжатия и методы с ПВ. По способам и технике уменьшения объема данных методы сжатия можно классифицировать следующим образом (Рис. 1.8).
Как видно из выше приведенного рисунка, все методы сжатия данных можно условно разделить на методы с преобразованием исходного сигнала, методы с выделением параметров сигнала, на методы сокращения избыточности в исходном сигнале и статистическое кодирование.
Среди методов сжатия, основанных на эффективном кодировании не самого сигнала, а его некоторого обратимого преобразования выделим четыре наиболее известных метода, а именно: преобразование Фурье или метод кодирования коэффициентов Фурье является наиболее известным и изученным. Этот метод основан на том факте, что в частотной области сигнал может иметь боле компактное представление, чем во временной области. Кроме того, данное преобразование имеет быстрый алгоритм реализации, что делает его потенциально привлекательным для решения поставленных перед нами задач.
Преобразование Карунена-Лоэва-Пугачева в общем случае не имеет быстрого алгоритма, но имеет важное теоретическое значение, так как позволяет оценить максимальный эффект сжатия, достижимый для кодеров с преобразованием. Бурно развивающийся в последнее десятилетие Вейвлет-анализ позволяет получить многомасштабное частотно-временное представление сигнала. Очевидно, что такое преобразование позволяет эффективно представить сигнал, чья частотная характеристика изменяется во времени. Кроме того, существуют быстрые алгоритмы вейвлет-преобразования. Субполосная обработка подразумевает разделение сигнала на не перекрывающиеся частотные поддиапазоны, внутри которых возможно более эффективное кодирование. Упомянутые методы сжатия сигналов ниже будут рассмотрены более подробно.
Класс методов, которые выделяют определенный набор параметров сигнала, а по существу, производят идентификацию источника сигнала, не могут быть применены в сейсмике. Проблема заключается в очень высокой сложности и чувствительности к исходным данным процедур обработки сейсмической информации. Используемые сейчас методы получения информации о геологическом строении поверхности земли производят комплексную обработку большого набора записанных и оцифрованных сейсмических сигналов. Кроме того, сигналы должны пройти предварительную предобработку на основе экспертной оценки качества полученных данных.
Сокращение избыточности информации на основе интерполяции отсчетов сигнала (так называемые аппертурные методы) либо на основе предсказания может принести некоторый эффект, так как сейсмический сигнал имеет колебательный характер, и часть отсчетов может быть отброшена при передаче и затем восстановлена с некоторой точностью на основании информации о соседних или предыдущих отсчетах.
Построение банков фильтров с квази-полным восстановлением
Для получения БФ с почти полным восстановлением разными авторами было предложено большое количество разнообразных методик. Многие их них имеют эвристический характер и предназначены для расчета ограниченного класса БФ (например [65]). Другие подходы, претендующие на общность, можно разделить на БФ, получаемых при помощи Нп оптимизации [28,39], и на БФ, получаемых путем косинусной модуляции фильтра-прототипа [43,49,73,74,91].
Модулированные банки фильтров привлекают к себе внимание из-за простоты их расчета и применения. Все фильтры анализа и синтеза могут быть получены путем модулирования значений коэффициентов фильтра-прототипа, а при их использовании может быть применена эффективная полифазная структура. Существует множество подходов к проектированию фильтра-прототипа. В основном, эти подходы связаны с процедурой нелинейной оптимизации.
На ранних стадиях проведения данных исследований использовался алгоритм, приведенный в [91], который позволяет получить БФ, аппроксимирующий БФ с ПВ с заданной точностью. Достоинством этого алгоритма является, прежде всего, очень быстрая сходимость. Для получения фильтра прототипа требуется всего несколько итераций.
Можно показать, что если импульсная характеристика h{n), Q n N-\ линейно-фазового КИХ фильтра-прототипа симметрична, то фильтры анализа и синтеза М-канального косинусно-модулированного банка фильтров могут быть получены как:
Следует сказать, что вся система анализа/синтеза, построенная на основе косинусно-модулированных БФ вносит в исходный сигнал все три вида искажений. Однако, построенные АЧХ таких систем позволяют говорить о соразмерности вносимых искажений ошибкам, возникающим за счет квантования.
Большинство из рассматриваемых методов служит для одновременного расчета БФ анализа и синтеза. Не смотря на то, что такой подход позволяет гораздо проще достичь полного восстановления, он не всегда подходит для решения задач построения БФ. Существует ряд приложений, для которых банк анализа проектируется с учетом заданной частотной избирательности. (Особенно это актуально при построении оптимальных субполосных кодеров). Требование обеспечения заданных частотных характеристик не всегда может быть включено в процедуру одновременного синтеза банков КЗФ для достижения полного восстановления. Возможным путем решения данной проблемы может быть следующее: для рассчитанного БФ анализа, удовлетворяющего всем требованиям по частотной избирательности, найти БФ синтеза, который бы позволил достичь ПВ или минимизировал некоторую меру ошибки восстановления.
В работах [28,39,40] рассматривается проблема проектирования БФ синтеза, который сводит к нулю ошибку наложения (элайзинг) и минимизирует Нх норму ошибки системы (Рис. 2.3) для Тн1 = z d и с/ 0. Такая Нх оптимизация эквивалентна минимизации энергии ошибки восстановления сигнала е(п) = х(п) - х(п - d) для наихудшего на всём множестве сигналов с ограниченной энергией х{п). Следует отметить, что предлагаемые в этих работах алгоритмы позволяют строить БФ как с равномерным, так и с неравномерным разделением на каналы.
Как уже отмечалось выше, самым прямым путем получения фильтров синтеза является обращение матрицы компонент наложения: fe\HM. Если ограничить F(z) условием устойчивости и реализуемости, то задача построения БФ синтеза может быть представлена как поиск матрицы синтеза F(z), которая бы минимизировала энергию сигнала ошибки для всех входных сигналов с ограниченной энергией и исключала ошибку наложения. Эта задача, в свою очередь, может быть сведена к эквивалентной Нх оптимизационной задаче в частотной области.
Можно показать, что если БФ анализа H(z) устойчив и реализуем, то все устойчивые и реализуемые БФ синтеза F(z), исключающие элайзинг, могут быть параметризованы (представлены) как F(z) = G(z)(detLy adj(HM.(z))[\ 0 о] , (2.28) где G(z) некоторая устойчивая функция с действительными значениями для любого действительного z, L - постоянная матрица, определяемая как /_и/- / L L JA=O,A/-U=O,A/-I Определим E(r) = Z(e(n)) - Z -преобразование сигнала ошибки, тогда
Поиск наилучшей методики сжатия субполосных сигналов
Исследования будем проводить в классе БФ с равномерным разбиением. Достоинством БФ с равномерным разделением на каналы является хорошо развитая теория их построения, а также обширная методическая база по их расчету. Возможность построения БФсПВ на основе полифазного разбиения и параметризации параунитарной матрицы теоретически позволяет строить системы субполосного кодирования с полным восстановлением исходного сигнала. Методы, основанные на косинусной модуляции, позволяют рассчитать БФ с высокими показателями частотной избирательности составляющих его фильтров, тем самым, обеспечивая низкую частотную зависимость между каналами.
Рассмотрим случай равномерных однокомпонентных банков фильтров. В данном случае выбор банка фильтров сводится к заданию числа каналов М. Ограничением на этот выбор может стать только тот факт, что чем больше М , тем выше прямоугольность фильтра и, как следствие, больше затраты на практическую реализацию. Кроме того, расчет БФсПВ для большого числа каналов может стать практически невозможным. Однако, двух и трех канальные БФ можно использовать для построения каскадной многоканальной системы частотной селекции. При этом, теоретически гарантировано полное восстановление.
Выбор оператора G(v) будем осуществлять из набора стандартных методов сжатия одномерной информации, описанных и исследованных в Главе 1. В первую очередь исследуем эффективность БИКМ для сжатия субполосных сигналов. Метод БИКМ позволяет закодировать цифровой сигнал с фиксированным максимальным количеством уровней квантования 2 й таким образом, что возможно полное восстановление. В случае, когда требуется получить более высокое сжатие, возможно уменьшить общее количество бит В, используемых для кодирования всех М отсчетов в каждом канале.
Очевидно, что Ь: =М -5, где Ь,- количество бит, отводимых на кодирование отсчета в /-ом канале. Встает вопрос о том, каким образом распределить биты между частотными каналами. Особый интерес вызывает влияние метода реализации БФ на точность восстановления и эффективность сжатия. Реализация БФ как каскадное соединение БФсПВ, имеющих невысокую частотную избирательность, но высокую точность восстановления позволяет достичь таких же результатов по сжатию (Таблица 3.3), как и при использовании БФ с почти полным восстановлением (Таблица 3.1-2).
Исследования показали, что функция плотности вероятностей распределения отсчетов субполосных сигналов в каждом из частотных поддиапазонов различна Рис 3.2. Учет этого обстоятельства может позволить более эффективно применить метод арифметического кодирования к сжатию сейсмических сигналов. Для исследования этого подхода была проведена оценка функции плотности распределения значений сесймического сигнала на основе 1000 сейсмотрасс.
Существует возможность применения метода линейного предсказания в целях сжатия субполосных сигналов. Данная методика уже использовалась для сжатия речевых сигналов и показала хорошую эффективность. Однако известно, что при кодировании речи не обязательно точно передавать форму сигнала, как это требуется для сейсмических сигналов. В отличие от сжатия исходного сигнала, в данном случае необходимо либо уменьшение порядка предсказания, либо уменьшение длительности окна (в отсчетах) на котором производится вычисление коэффициентов предсказания. Исследования показали, что оптимальными являются следующие значения параметров: Ми,с =6, Nu,c = 80. Результаты исследования эффективности данного метода, проводимые с использованием структуры, изображенной на Рис 3.3 приведена в таблицах 3.5 и 3.6.
Если сделать предположение о стационарности сейсмического сигнала в широком смысле и нулевом математическом ожидании, то на основе известных или оцененных субполосных дисперсий сигнала, можно произвести оптимальное распределение бит. Такое распределение позволит получить значительно меньшую дисперсию ошибки восстановления при тех же затратах на кодирование. Однако, анализ реальных сейсмограмм показал, что сейсмотрассы могут отличаться как в рамках одной сейсиограммы, так и в зависимости от условий и места проведения полевых работ. Следовательно, при вторичном квантовании субполосных сигналов должен присутствовать элемент адаптации. Для реализации субполосного кодирования была построена следующая система (Рис. 3.4). Каждый субполосный сигнал разбивается на интервалы и в рамках каждого интервала на основе оценки дисперсии а] и заданной дисперсии шума квантования а] кодируется количеством бит и,, вычисляемым по формуле 3.13.
Реализация цифрового банка фильтров
Проведенные исследования позволяют говорить о целесообразности использования ЦБФ в целях построения подсистемы сжатия геофизических данных, получаемых при проведении сейсморазведки. Комбинирование субполосной обработки и стандартных методов сжатия показало низкую эффективность БИКМ с равномерным распределением бит, не высокую эффективность линейного предсказания субполосных сигналов и средние показатели для арифметического кодирования. Введение элемента адаптации при квантовании субполосных сигналов позволило достичь гораздо лучших результатов. При этом было показано, что рост числа каналов приводит к росту степени сжатия. Однако, увеличение коэффициента сжатия за счет роста числа каналов ограничено затратами на практическую реализацию ЦБФ, которые также растут с ростом М , но гораздо в большей степени. Недостатком метода с адаптивным квантованием является низкая помехоустойчивость. Ошибочное принятие одного бита служебной информации приведет к потере всей реализации. Это справедливо и для всех методов, использующих БИКМ.
Оптимальный субполосный кодер, построенный с применением соответствующей теории, имеет наилучшие показатели в плане уменьшения средней дисперсии ошибки восстановления. Однако, он имеет значительные ограничения по применению, так как требует знания СПМ сигнала и накладывает на него ограничение по стационарности в широком смысле.
Построение адаптивной системы частотной селекции, в которой производится «сортировка» субполосных составляющих в зависимости от энергии сигнала и их объединение в общие потоки для совместного кодирования, позволяет улучшить степень сжатия сейсмических сигналов. Кроме того, такая система гарантирует наилучшие показатели при любых условиях и параметрах регистрации сейсмических сигналов, так как проводится частотно-временная адаптация. Основным недостатком данной адаптивной системы является увеличение вычислительных затрат как на дополнительную фильтрацию, так и на оценку дисперсии и вычисление распределения бит. Сравнительные характеристики исследуемых методов
Сравнительные характеристики наилучшего метода сжатия исходного сигнала - кодирования коэффициентов Фурье, методов кодирования субполосных сигналов для случая 4-х и 16-ти каналов и метода адаптивной частотной селекции приведены на Рис. 3.8.
Реализация системы обработки и сжатия сейсмической информации на базе ЦПОС подразумевает выполнение процедуры, первым шагом которой является эффективное построение системы децимации. Методика оптимального построения фильтров-дециматоров достаточно хорошо проработана в работах [2,32]. Отличительной особенностью решаемой в данной работе задачи является требование высокой гибкости системы по отношению к частоте квантования исходного сейсмического сигнала и частоте дискретизации кодируемого и передаваемого сигнала. То есть, система должна иметь возможность понижения частоты дискретизации сигнала в задаваемое на этапе штатного функционирования число раз.
Вторым шагом на пути реализации системы обработки и сжатия информации является оптимальная реализация субполосного кодера, что в первую очередь подразумевает поиск оптимальных параметров и структуры цифровых банков фильтров. Основным требованием к подпрограммам, реализующим ЦБФ, является эффективное использование памяти и вычислительных ресурсов реализационного базиса при максимально возможной эффективности сжатия.
Следующим шагом является реализация выбранного метода кодирования субполосных сигналов. Главным условием выполнения данного этапа является достижение максимального коэффициента сжатия при минимальном искажении сигнала.
Заключительным этапом решения поставленной задачи является оценка затрат на реализацию всей системы в целом, оценка эффективности использования выбранного типа микропроцессора, а также корректировка параметров каждой из описанных выше подсистем с целью более эффективного использования реализационного базиса.
