(19)國家知識產權局(12)發(fā)明專利(65)同一申請的已公布的文獻號(73)專利權人西安電子科技大學杭州研究院地址311231浙江省杭州市蕭山區(qū)寧圍街道旅學路177號專利權人西安電子科技大學(72)發(fā)明人郭振宇黃誠姜文洪濤(74)專利代理機構天津智行知識產權代理有限公司12245專利代理師王洋GO6F18/213(2023.01)審查員張珊珊一種針對非平穩(wěn)非線性大地電磁測深信號的去噪方法本發(fā)明提供了一種針對非平穩(wěn)非線性大地電磁測深信號的去噪方法，涉及地球物理勘探技術領域，該方法包括從大地電磁測深儀器獲取大地電磁測深信號，從獲取的大地電磁測深信號中的其余大地電磁測深信號進行去噪處理。本發(fā)明通過結合變分模態(tài)分解(VMD)和獨立分量分析(ICA),從時頻域和統(tǒng)計特性多角度出發(fā)，實現(xiàn)大地電磁測深信號的去噪，在有效信號受到長時間高能量的非平穩(wěn)噪聲干擾時，該方法可以確保重構信號的高質量，有效減少人為參數(shù)選擇的影響，對噪聲具有魯棒性，并同時提供了明確的物理解釋，克服了傳統(tǒng)去噪方法的局限，為地球物21.一種針對非平穩(wěn)非線性大地電磁測深信號的去噪方法，其特征在于，包括：從大地電磁測深儀器獲取大地電磁測深信號；從獲取的大地電磁測深信號中選擇一道，對其進行去噪，具體為：對大地電磁信號進行VMD分解處理，定義本征模態(tài)函數(shù)為調幅調頻信號作為待優(yōu)化的對本征模態(tài)函數(shù)構造約束變分優(yōu)化問題求解；結合Parseval定理、傅里葉等距變換，轉換到頻率域內，在matlab中使法進行迭代優(yōu)化，計算頻域內各模態(tài)的頻域表達式，基于傅里葉逆變換獲取具有不同中心頻率的IMF分量的時域表達式；基于得到的各階本征模態(tài)分量，構造ICA的觀測矩陣；對觀測矩陣進行預白化和中心化的操作；基于負熵和峰度構造權重向量的優(yōu)化函數(shù)，采用梯度上升法迭代權重向量，重復迭代分別從形態(tài)、時頻特性對ICA處理后的IMFs分量進行評估，識別并抑制噪聲成分，保留有用的信號成分，將有用的信號成分重新組合，構建去噪后的大地電磁測深信號，并對其進重復上述操作，對獲取的其余大地電磁測深信號進行去噪處理。2.根據(jù)權利要求1所述的方法，其特征在于，從大地電磁測深儀器獲取大地電磁測深信從大地電磁測深儀器獲取5道大地電磁測深信號，其中，第1道及第2道分別為南北向、東西向的電道測量值，第3道及第4道分別為南北向、東西向的磁道測量值，第5道為垂向磁道測量值。征模態(tài)函數(shù)為調幅調頻信號作為待優(yōu)化的IMF分量，即第k階本征模態(tài)分量，具體為：定義本征模態(tài)函數(shù)x(t)=A(t)cos(φ(1))為調幅調頻信號作為待優(yōu)化的IMF分量，時頻率通過對相位求導得到，為：用x(1)對輸入信號進行擬合。4.根據(jù)權利要求3所述的方法，其特征在于，對本征模態(tài)函數(shù)構造約束變分優(yōu)化問題求對x(t)構造約束變分優(yōu)化問題求解，確保每個模態(tài)滿足一定的約束條件，為：34獲取分解得到的時頻域各階本征模態(tài)分量，構造ICA的觀測矩陣X=[IMF?,IMF?,…,7.根據(jù)權利要求6所述的方法，其特征在于，基于負熵和峰度構造權重向量的優(yōu)化函式中，K(y)表示峰度，定義為K(y)=E{y?}-3(E{y2})2,H(y)表示負熵，近似為值用最小二乘法進行幅度恢復，得到信號源S的估計值Y=WX=WAS,其中，n是估計的5技術領域[0001]本發(fā)明涉及地球物理勘探技術領域，特別是涉及一種針對非平穩(wěn)非線性大地電磁測深信號的去噪方法。背景技術[0002]大地電磁測深(Magnetotelluric,MT)法作為一種有效的地球物理勘探技術，一直受到科研人員的高度重視，并已廣泛應用于地殼和上地幔結構研究、油氣礦產資源勘探及地震監(jiān)測等領域。MT方法通過記錄地球表面天然電磁場的時間變化，利用電磁感應原理推導地下介質的電導率分布。盡管MT法具有較深的穿透力和較高的分辨率，其信號在采集過程中卻極易受到自然噪聲和人為噪聲的影響，嚴重降低了MT數(shù)據(jù)的信噪比，并可能導致視電阻率和相位曲線的畸變，影響大地電磁資料的反演和解釋。常見的人文噪聲例如高壓電力線、無線電發(fā)射塔均會對大地電磁測深信號的觀測產生長時間的強干擾，因此，研究有效的去噪技術對提高MT數(shù)據(jù)質量、增強解釋精度具有重要意義。[0003]自20世紀50年代Tikhonov和Cagniard提出大地電磁法以來，針對噪聲抑制的研究取得了顯著進展，并衍生出多種方法。根據(jù)處理對象的不同，大地電磁去噪技術可以劃分為時間域、頻率域和時頻域三類：1、傳統(tǒng)方法例如帶遠參考道的互功率譜方法、Robust統(tǒng)計方法，這些方法均在頻率域的阻抗估計過程中實現(xiàn)，分別可以實現(xiàn)非相關噪聲的去除、壓制“飛點”的極端值帶來的影響；2、時間域分析方法例如基于貝葉斯估計的時間域阻抗估計，通過結合先驗知識和觀測數(shù)據(jù)來更新對參數(shù)的估計，是在不確定性下進行統(tǒng)計推斷的框架，相比于基于傅里葉變換的頻率域方法，在處理非平穩(wěn)數(shù)據(jù)中更具有優(yōu)勢；數(shù)學形態(tài)學濾波技術對特定噪聲類型具有精準識別能力，當有用信號和噪聲共享相同的頻帶時，該方法相比于傳統(tǒng)的帶通濾波器顯示出更好的魯棒性；此外，機器學習方法例如人工神經網絡，通過其強大的模式識別和特征提取能力，能夠從海量數(shù)據(jù)中捕捉信號的局部特征，自動學習并調整模型參數(shù)從時間域對信號進行精準的去噪；3、時頻域分析方法有小波分析、希爾伯特-黃變換(Hilbert-HuangTransform,HHT),小波分析通過小波基函數(shù)的伸縮和平移，將信號分解為不同時間尺度的成分，希爾伯特-黃變換通過經驗模態(tài)分解自適應地得到本征模態(tài)函數(shù)并用希爾伯特變換得到時頻譜，兩種方法均可得到時頻特性，在阻抗估計時，結合遠參考數(shù)據(jù)和魯棒估計，可以有效地抑制相干噪聲，同時保持較高的時頻分辨率，因此得到相關研究人員的廣泛關注和研究。[0004]上述方法雖然在理論上都具有可行性，但在處理大地電磁測深野外實測數(shù)據(jù)時，由于信號的非平穩(wěn)非線性以及非最小相位的特性，使得傳統(tǒng)基于傅里葉變換的頻譜分析具有一定的局限性。時間域去噪的方法中，貝葉斯估計依賴于先驗知識的設定，這些先驗可能基于經驗或主觀判斷，可能影響最終結果的客觀性，此外，在實際應用中，由于大地電磁系統(tǒng)復雜而且數(shù)據(jù)信息不完全，選擇合適的貝葉斯模型可能很困難；數(shù)學形態(tài)學濾波的效果強烈依賴于結構元素的選擇，需要專業(yè)知識和經驗，對于不同的信號可能需要不同的結構元素；機器學習方法訓練深度學習模型通常需要大量的計算資源，包括高性能的GPU和大量6的內存，此外，其內部工作機制和決策過程難以解釋，這在需要明確物理解釋的大地電磁數(shù)據(jù)去噪中可能是一個問題。在時頻分析過程中，地下結構復雜多變，小波分解的效果依賴當前環(huán)境中的小波基的選擇，且閾值設置對去噪結果有顯著影響。由于時頻域分析方法特別適合處理非平穩(wěn)信號，可以獲得不同時間尺度和頻率層次上的細節(jié)信息，對于識別信號中局部發(fā)生的特征例如瞬時事件或暫態(tài)現(xiàn)象具有獨特優(yōu)勢，使得EMD及其改進方法成為目前時頻分析中的主流方法并得到廣泛應用。然而經驗模態(tài)分解缺乏廣泛的標準化和理論基礎，這在一定程度上限制了其在分解過程中的精確性和可靠性。特別是在處理模態(tài)混疊問題時，EMD可能會遇到困難，不同的信號模態(tài)可能會相互干擾，導致不能清晰地區(qū)分模態(tài)分量，且分解結果可能并不總是與物理現(xiàn)象直接關聯(lián)。[0005]因此，設計一種針對非平穩(wěn)非線性大地電磁測深信號的去噪方法是十分有必要發(fā)明內容[0006]為了克服現(xiàn)有技術的不足，本發(fā)明的目的是提供一種針對非平穩(wěn)非線性大地電磁測深信號的去噪方法。[0007]為實現(xiàn)上述目的，本發(fā)明提供了如下方案：[0008]本發(fā)明提供了一種針對非平穩(wěn)非線性大地電磁測深信號的去噪方法，包括：[0009]從大地電磁測深儀器獲取大地電磁測深信號；[0010]從獲取的大地電磁測深信號中選擇一道，對其進行去噪；[0011]重復上述操作，對獲取的其余大地電磁測深信號進行去噪處理。[0012]優(yōu)選地，從大地電磁測深儀器獲取大地電磁測深信號，[0013]從大地電磁測深儀器獲取5道大地電磁測深信號，其中，第1道及第2道分別為南北向、東西向的電道測量值，第3道及第4道分別為南北向、東西向的磁道測量值，第5道磁道測量值。[0015]對大地電磁信號進行VMD分解處理，定義本征模態(tài)函數(shù)為調幅調頻信號作為待優(yōu)[0016]對本征模態(tài)函數(shù)構造約束變分優(yōu)化問題求解；[0017]結合Parseval乘子法進行迭代優(yōu)化，計算頻域內各模態(tài)的頻域表達式，基于傅里葉逆變換獲取具有不同中心頻率的IMF分量的時域表達式；[0018]基于得到的各階本征模態(tài)分量，構造ICA的觀測矩陣；[0019]對觀測矩陣進行預白化和中心化的操作；[0020]基于負熵和峰度構造權重向量的優(yōu)化函數(shù)，采用梯度上升法迭代權重向量，重復[0021]分別從形態(tài)、時頻特性對ICA處理后的IMFs分量進行評估，識別并抑制噪聲成分，保留有用的信號成分，將有用的信號成分重新組合，構建去噪后的大地電磁測深信號，并對其進行性能評估。7[0023]定義本征模態(tài)函數(shù)x(t)=A(t)cos(φ(1)為調幅調頻信號作為待優(yōu)化的分且瞬時頻率通過對相位求導得到，為：用x(1)對輸入信號進行擬合。優(yōu)選地，對本征模態(tài)函數(shù)構造約束變分優(yōu)化問題求解，具體為：對x(t)構造約束變分優(yōu)化問題求解，確保每個模態(tài)滿足一定的約束條件，為：式中，x(t)為第k階模態(tài)分量，の(t)為瞬時交替方向乘子法進行迭代優(yōu)化，計算頻域內各模態(tài)的頻域表達式，基于傅里葉逆變換獲取具有不同中心頻率的IMF分量的時域表達式，具體為：乘子法進行迭代優(yōu)化，使得它們在頻域內的能量主要集中在預定的頻率帶內，在頻率域得到的各模態(tài)的xk(W)和，其中，交替尋優(yōu)迭代后的表達式為：[0034]經過傅里葉變換后，此時均為頻率の的函數(shù)，原來的x(t)、y(t)變換為x(o)、y8y(1)的值用最小二乘法進行幅度恢復，得到信號源S的估計值Y=WX=WAS,其中，是9其進行去噪，重復上述操作，對獲取的其余大地電磁測深信號進行去噪處理。本發(fā)明通過結合變分模態(tài)分解(VMD)和獨立分量分析(ICA),從時頻域和統(tǒng)計特性多角度出發(fā)，實現(xiàn)大地電磁測深信號的去噪，在有效信號受到長時間高能量的非平穩(wěn)噪聲干擾時，該方法可以確保重構信號的高質量，有效減少人為參數(shù)選擇的影響，對噪聲具有魯棒性，并同時提供了明確的物理解釋，克服了傳統(tǒng)去噪方法的局限，為地球物理勘探領域提供了一種更為可靠和精確的數(shù)據(jù)處理手段。本發(fā)明的優(yōu)點包括：[0053]1、通過變分模態(tài)分解技術，本發(fā)明能夠自適應地分解信號，無需先驗知識或設定特定的濾波器，這為處理復雜信號提供了一種靈活的方法；[0054]2、通過獨立分量分析進一步解決模態(tài)混疊問題，在處理同頻帶內信噪混合時展現(xiàn)出顯著的有效性，對于長期存在且能量強大的干擾噪聲，不僅能夠應對信號的瞬時變化，還能夠在長時間尺度上穩(wěn)定地識別和抑制干擾，確保大地電磁測深數(shù)據(jù)去噪的質量和可靠[0055]3、ICA的引入減少了對VMD參數(shù)選擇的依賴，降低了人為因素對去噪結果的影響，增強了方法的魯棒性，使其在復雜條件下都能穩(wěn)定工作；[0056]4、去噪過程和結果具有更為明確的物理意義，每個獨立的信號分量可能與特定的物理過程相關聯(lián)，如高頻分量可能揭示近地表的含水層、低頻分量可能指示深層巖石結構、工頻噪聲的干擾常在50Hz及其諧波，使得去噪后的信號更容易被解釋為具體的地質結構或過程。附圖說明[0057]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。[0058]圖1為本發(fā)明實施例提供的針對非平穩(wěn)非線性大地電磁測深信號的去噪方法流程示意圖；[0060]圖3為ICA分離流程示意圖；[0061]圖4為信號篩選與重構流程示意圖。具體實施方式[0062]下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他[0063]本發(fā)明通過結合變分模態(tài)分解(VMD)和獨立分量分析(ICA),從時頻域和統(tǒng)計特性多角度出發(fā)，實現(xiàn)大地電磁測深信號的去噪，在有效信號受到長時間高能量的非平穩(wěn)噪聲干擾時，該方法可以確保重構信號的高質量，有效減少人為參數(shù)選擇的影響，對噪聲具有魯棒性，并同時提供了明確的物理解釋，克服了傳統(tǒng)去噪方法的局限，為地球物理勘探領域提磁道測量值。擬合；數(shù));[0080]步驟2013:結合Parseval定理、用交替方向乘子法進行迭代優(yōu)化，使得它們在頻域內的能量主要集中在預定的頻率帶內，在頻率域得到的各模態(tài)的xk(の)和@k,通過求傅里葉逆變換并取實數(shù)部分得到具有不同中心頻率的IMF的時域表達式，解決步驟4中的優(yōu)化問題；[0084]經過傅里葉變換后，此時均為頻率の的函數(shù)，原來的x(t)、y(t)變換為x(o)、y拉格朗日乘子，在迭代計算中使用；α是懲罰因子；@是第k個IMF的中心頻率；[0087]根據(jù)設定的模態(tài)數(shù)量K選擇和更新模態(tài)，在滿足迭代次數(shù)或殘差能量的閾值時，結[0091]步驟2021:取步驟2013信號分解所得的各階本征模態(tài)分量，即K個IMF分量，構造ICA的觀測矩陣X=[IMF?,IMF?,…,IMF],設n個獨立的源信號表示為S=[s?,S?,…,s。],在混合矩陣A=[a?,a?,…,a。]的作用下得到觀測值X=[x?,x?,…,x。],可以用如下的矩陣方程表示[0093]步驟2022:對觀測數(shù)據(jù)矩陣X做預白化和中心化的操作，預白化使得算法更容易收斂可以提高穩(wěn)定性，中心化消除數(shù)據(jù)中的直流分量，使得ICA算法能夠更好地識別和分離出統(tǒng)計獨立的信號源；[0094]步驟2023:基于負熵和峰度構造權重向量的優(yōu)化函數(shù)：可近似為H(y)α[E{G(y)}-E{G(V)}]2,其中，G是非二次函數(shù)，v是標準正態(tài)分布，E為求數(shù)學期望的操作；[0097]采用梯度上升法迭代權重向量；[0098]步驟2024:重復步驟2023的迭代操作，求得n個權重向量，n是估計的源信號的數(shù)量，組合成解混矩陣W=[w?,W?,…,w],根據(jù)觀測的y(t)的值用最小二乘法進行幅度恢復，得到信號源S的估計值Y=WX=WAS,Y的每個列向量即為信號源的估計值；[0100]步驟2031:分別從形態(tài)、時頻特性對ICA處理后的IMFs(IMF是本征模態(tài)函數(shù)IntrinsicModeFunction的縮寫，IMF是第k個IMF(從IMF?,IMF?,…,到IMF,中的某一個),IMFs指所有的IMF,即IntrinsicModeFunctions)進行評估，識別并抑制用的信號成分；[0101]步驟2032:將步驟2031中保留的有用信號成分重新組合，構建去噪后的大地電磁測深信號；[0102]步驟2033:對步驟2032得到的去噪信號進行性能評估，使用歸一化互相關系數(shù)[0108]步驟300中，重復上述操作，對獲取的其余大地電磁測深信號進行去噪處理，具體