中文摘要：

受复杂条件限制得到的不完整地震勘探信号常常影响后续的处理解释和最终的油气判断，传统的重建方法受香农采样定理的约束来采样信号，不仅是时间和空间上的浪费，也导致勘探成本较大。基于此，本项目引入新近诞生的压缩感知理论，将地震信号采集和压缩合二为一，融合勘探数据在某些局部位置的已知特征于目标函数，构建更加符合实际情况的自适应压缩感知模型；引入流形学习和主分量分析挖掘现实中勘探数据的关键本质特征，自适应调整变换基函数以获得地震资料的最佳稀疏表示；基于稀疏Haar类正交矩阵的高效算法，构造与变换基不相干的测量矩阵；从最优匹配原子的选择策略和残差信号的更新方式方面对比分析各种算法的重构性能，融合现有几类重构算法的优点并考虑局部先验特征，恰当选择支撑集的大小和优化迭代的步长与次数，设计盲稀疏度下的变步长自适应匹配追踪和罚因子重建算法，在测量次数、重建误差和重建速度之间达到最佳平衡。