[发明专利]基于压缩感知的小波域稀疏一维油井数据压缩与重构方法

说明书

本发明是一种基于压缩感知的数据压缩与重构方法，属于信号压缩处理领域。该方法可以以低于奈奎斯特采样定理的速率在特定稀疏域上压缩采样，可以更好的利用信号的可压缩性，在信号采集的过程中尽可能少的采集信号的冗余部分，压缩传输，精确重构。其中压缩采样在小波变换域完成。其中的数据重构采用正交匹配追踪算法。在油田实际数据传输应用中，降低了通信资源的占用，缓解了网络传输延时，节约了生产运行成本。

技术领域

本发明涉及基于压缩感知的一维油井数据压缩与重构方法，属于信号处理技术领域。

背景技术

在实际油田生产参数实时监控情况下，需降低数据采样率来节约通信流量。油井载荷，位移，温度，压力和电参数这些信息主要通过无线网络传输。其中一类是内部专门的无线网络，如ZigBee网络，这类网络一般带宽较小，油井之间通过多跳方式传输；另一类是第三方运营网络，如GPRS或者3G网络，这类网络带宽相对较大，通过单跳基站传输，根据数据流量计算费用。载荷、位移和电参数信息数据量较大，直接传输有许多弊端。对于专用网络，会增大网络的数据负荷和传输延时，降低网络的服务质量，增加网络中发送终端和传输路由节点的功耗，极端情况下甚至会导致网络瘫痪。对于收费网络，增加了数据流量不仅提高了生产运行成本，而且占用了民用通信资源。

发明内容

本发明的目的是为了降低信号的采样率，减少油井数据传输资源的消耗，提出基于压缩感知的一维油井数据压缩与重构方法，该方法可以以低于奈奎斯特采样定理的速率在特定稀疏域上压缩采样，可以更好的利用信号的可压缩性，在信号采集的过程中尽可能少的采集信号的冗余部分，压缩传输，精确重构。

本发明的目的是通过以下技术方案实现的。

本发明的基于压缩感知的一维油井数据压缩与重构方法，步骤为：

1)对油井数据x去噪后在基底Ψ∈R^N×N所张成空间上进行稀疏分解：x＝Ψα；

所述的去噪处理，是指将数据x进行傅里叶变换后加窗滤波去除噪声。

所述的稀疏分解，是指将数据x在小波变换域进行基分解。

2)对步骤1)得到的N维稀疏向量α进行压缩采样，得到信号y，y有M个采样点：y＝Φx＝ΦΨα；

所述的压缩，是指选取M维高斯随机矩阵为观测矩阵Φ与数据x相乘，M为自然数，由于M＜＜N，即实现数据压缩。

3)对步骤2)得到的观测值y用于油井数据监控系统的传输数据。

4)接收端接收步骤3)传输数据y，进行正交匹配追踪(OMP,Orthogonal MatchingPursuit)重构最优解。

5)定义OMP算法初始残差为e₀＝y，定义初始已匹配集合为，定义列数初始值i＝1。

6)计算相关性最大的列向量：q＝argmax|e_i-1,(φψ)_j|，其中行数j＝1,2,...,d，记录此时列数i，稀疏系数在i列有非零值，大小为

7)将步骤6)寻找到的基底向量q加入到集合A_i＝A_i-1∪q后，对A_i进行施密特正交化，并求取新的残差

8)多次循环迭代步骤7)，直至残差小于门限值，得到最终匹配的稀疏系数α和集合A，即(φψ)′。

9)利用步骤8)中得到的稀疏系数，还原原始信号x＝Ψα。

自此完成一维油井数据压缩与重构。

有益效果