矿集区采集的大地电磁信号极易受到各类噪声污染,导致其视电阻率-相位曲线在低频段出现紊乱现象或呈现出近源效应等。文中提出了一种优化固有时间尺度分解(Improved Intrinsic Time Decomposition,IITD)和小波阈值(Wavelet Threshold,WT...矿集区采集的大地电磁信号极易受到各类噪声污染,导致其视电阻率-相位曲线在低频段出现紊乱现象或呈现出近源效应等。文中提出了一种优化固有时间尺度分解(Improved Intrinsic Time Decomposition,IITD)和小波阈值(Wavelet Threshold,WT)的大地电磁(Magnetotelluric,MT)去噪方法及应用。首先将含噪信号进行IITD分解得到若干阶旋转(Proper Rotation,PR)分量;然后对PR分量进行小波去噪,叠加小波系数重构得到MT去噪数据。通过计算机模拟出不同类型的强噪声,并对小波阈值法设置不同的分解层数、基函数对强噪声进行处理,总结出该算法面对不同噪声时的去噪性能。对模拟大尺度方波和三角波噪声去噪后,信噪比最高可达24dB和17dB,所提方法去噪性能显著。将所提方法应用至MT实测数据的降噪,结果显示该方法能够有效去除隐藏在MT数据中的强噪声。由去噪前后视电阻率曲线对比可知,相较于远参考法和原始曲线,所提方法获得的视电阻率曲线更为光滑、连续,低频段的数据质量明显改善。展开更多
【目的】大地电磁测深是一种通过观测天然电磁场获取地下电性结构的勘探方法,较易受到噪声干扰。脉冲类噪声是大地电磁工作中的常见噪声,其幅值高、频带宽,会对数据质量产生较大影响。【方法】为了压制脉冲类噪声,以插补思想为基础,提...【目的】大地电磁测深是一种通过观测天然电磁场获取地下电性结构的勘探方法,较易受到噪声干扰。脉冲类噪声是大地电磁工作中的常见噪声,其幅值高、频带宽,会对数据质量产生较大影响。【方法】为了压制脉冲类噪声,以插补思想为基础,提出了基于时间序列双向循环插补模型(Bidirectional recurrent imputation for time series,BRITS)的大地电磁脉冲类噪声处理方法。首先,将噪声干扰段删除,此时大地电磁时间序列可视为待插补的缺失序列,而后利用该缺失序列构建训练集,对BRITS模型进行插补训练,训练完成后对缺失序列进行插补,即可得到去噪结果。通过仿真及实测含噪声数据处理,并与经验模态分解(Empirical mode decomposition,EMD)阈值方法进行了对比。【结果和结论】结果表明:BRITS方法对仿真噪声数据处理后与原始数据的归一化互相关系数可达0.999以上,信噪比可达29 dB以上,EMD阈值方法处理前后相关系数为0.778,信噪比为3.09 dB;在实测数据处理中,BRITS方法有效恢复了噪声干扰数据,相比EMD阈值方法,其阻抗奈奎斯特图更接近天然大地电磁信号特征。通过不同训练样本试验得出:对4分量大地电磁数据而言,数据中至少需包含两道正常分量,单个含噪分量中噪声占比不大于20%,且噪声连续干扰长度不超过10个采样点,此时,BRITS方法去噪后数据的相关系数在0.96以上,可以保证一定的去噪精度。展开更多
文摘【目的】大地电磁测深是一种通过观测天然电磁场获取地下电性结构的勘探方法,较易受到噪声干扰。脉冲类噪声是大地电磁工作中的常见噪声,其幅值高、频带宽,会对数据质量产生较大影响。【方法】为了压制脉冲类噪声,以插补思想为基础,提出了基于时间序列双向循环插补模型(Bidirectional recurrent imputation for time series,BRITS)的大地电磁脉冲类噪声处理方法。首先,将噪声干扰段删除,此时大地电磁时间序列可视为待插补的缺失序列,而后利用该缺失序列构建训练集,对BRITS模型进行插补训练,训练完成后对缺失序列进行插补,即可得到去噪结果。通过仿真及实测含噪声数据处理,并与经验模态分解(Empirical mode decomposition,EMD)阈值方法进行了对比。【结果和结论】结果表明:BRITS方法对仿真噪声数据处理后与原始数据的归一化互相关系数可达0.999以上,信噪比可达29 dB以上,EMD阈值方法处理前后相关系数为0.778,信噪比为3.09 dB;在实测数据处理中,BRITS方法有效恢复了噪声干扰数据,相比EMD阈值方法,其阻抗奈奎斯特图更接近天然大地电磁信号特征。通过不同训练样本试验得出:对4分量大地电磁数据而言,数据中至少需包含两道正常分量,单个含噪分量中噪声占比不大于20%,且噪声连续干扰长度不超过10个采样点,此时,BRITS方法去噪后数据的相关系数在0.96以上,可以保证一定的去噪精度。