基于自适应模糊优化奇异谱分析的瞬变电磁信号去噪方法
知识产权简介
本发明针对瞬变电磁信号去噪,涉及到一种基于自适应模糊优化奇异谱分析(SSA)的瞬变电磁信号去噪方法,其具体步骤如下:第一步将含噪信号通过互补集合经验模态分解(CEEMD)方法分解为多个模态,根据样本熵将模态分类为信号主导和噪声主导两类。第二步将信号模糊熵(FE)作为各模态优化的目标函数,利用粒子群优化(PSO)算法得到各模态SSA重构阶次的严格边界,并将严格边界内的奇异值作为信号成分。第三步通过奇异值谱和奇异值差分谱求出各模态重构阶次的宽松边界并结合严格边界生成模糊区间。第四步通过加权模糊噪声聚类算法(WFNC)得到模糊区间中奇异值属于信号或噪声成分的隶属度,并将其作为权重进行信号成分重构。最后利用SSA方法对上述信号成分进行每个模态的自适应重构,并通过模态求和得到去噪信号。该方法提出了低信噪比的自适应奇异谱分析去噪方法,避免了重构过程中错误的奇异值选取问题,有效提升了信噪比。
转化前景
本申请涉及地球物理探勘技术的信号处理技术领域, 本申请能够很好缓解高电磁噪声环境中SSA瞬变电磁信号降噪方法的失真缺陷,提高去噪信号的信噪比。与常规SSA去噪方法相比,这里根据信号信噪比自适应优化选择SSA去噪重构阶次,防止经验性选取方法导致的信号失真或噪声残留。同时含噪信号奇异谱的部分奇异值同时含有信号和噪声成分,因此这里利用基于WFNC的奇异值信号噪声隶属度预测方法提取奇异值中的信号成分进行信号重构,能够进一步提升信噪比。该技术的应用领域非常广泛,主要涉及在地质勘查与矿产资源勘探、水文地质与工程地质调查、环境与地质灾害评估、考古调查等领域有着广泛的应用。随着技术的不断进步和应用领域的不断拓展,将在更多领域发挥重要作用,推动相关产业的发展和进步。因此具有产业化应用前景。