基于递归分析和聚类的大地电磁信噪辨识及分离

为了剖析大地电磁信号和强干扰的本质特征,进一步精细分离出微弱的大地电磁有用信号,提出基于递归分析和聚类的大地电磁信噪辨识及分离方法.首先,运用递归分析法扩展大地电磁一维时间序列的维数,分析了嵌入维数、延迟时间和判别阈值对递归图的性能,并研究了不同长度的序列对递归定量分析参数的影响情况,然后,构建典型的大地电磁强干扰类型和微弱的大地电磁有用信号样本库,针对样本库讨论了强干扰和微弱大地电磁信号之间的递归定量分析参数,分析了K均值聚类和模糊C均值聚类的信噪辨识效果.最后,对实测大地电磁数据进行信噪辨识处理,并仅对辨识为强干扰的时间段采用数学形态滤波进行噪声压制.实验结果表明,递归分析能定性及定量地描述大地电磁信号时间序列的非线性特征和原动力系统的本质规律,与聚类算法相结合能对矿集区实测大地电磁信号进行信噪辨识;处理后的卡尼亚电阻率-相位曲线更为光滑、连续,其结果更为精细地保留了大地电磁信号低频段的缓变化信息,整个低频段的大地电磁数据质量得到了明显改善.

基于信噪辨识的矿集区大地电磁噪声压制

为了避免形态滤波方法在大地电磁强干扰分离中的"过处理"、进一步保留大地电磁低频段的有用信息,提出基于信噪辨识的矿集区大地电磁噪声压制方法.首先,从信号处理的角度剖析矿集区典型强干扰与天然大地电磁微弱信号之间的定量辨识关系,利用形态分形维数和形态膨胀谱熵对大地电磁信号与强干扰进行信噪辨识.然后,结合形态滤波技术和阈值法,仅对辨识出明显不是天然大地电磁信号的异常波形进行噪声压制.最后,重构大地电磁有用信号,并对算法进行性能评价.仿真结果表明,形态分形维数和形态膨胀谱熵能较好地定量辨识大地电磁信号与强干扰,大地电磁信号中一些缓变化的低频信息得到了更为精细的保留;与形态滤波整体处理相比,本文所提方法获得的卡尼亚电阻率曲线更为光滑、连续,视电阻率值相对稳定,其结果更为真实地反映了测点本身所固有的大地电磁深部构造信息.

利用多尺度形态学和递归图分离辨识大地电磁微弱信号

为了突出形态滤波中结构元素不同尺度下的相关局部特性、分层次刻画大地电磁信号本身所固有的多尺度特征,将加权多尺度形态滤波与递归图相结合对大地电磁微弱信号与噪声进行信噪分离及信噪辨识。首先,利用不同尺度的结构元素对大地电磁信号进行全方位扫描;然后,加权合成获取更精细的形态特征信息;最后,引入非线性动力学行为中的递归图对分离出的信噪特征进行确定性检验。研究结果表明:大地电磁微弱信号与噪声得到更精细分离;递归图的相空间轨迹适合定性判断大地电磁时间序列的非稳态动态变化;卡尼亚电阻率曲线更加光滑、连续,大地电磁低频段数据质量得到有效改善。

基于SVM-CEEMDWT的大地电磁信噪分离方法（英文）

为了精细保留大地电磁低频段的有用信号,避免现有技术整体处理时损失低频有用信息,提出支持向量机、互补集合经验模态分解及小波阈值法(SVM-CEEMDWT)的大地电磁信噪分离方法。首先,从大地电磁数据的信号复杂度入手,提取近似熵、模糊熵、样本熵和Lempel-Ziv(LZ)复杂度进行分析。然后,将这4类鲁棒性的特征参数作为支持向量机(Support vector machine,SVM)的输入,对样本库进行训练得到信噪辨识数学模型。最后,对实测大地电磁数据进行信噪辨识,并仅对甄别为强干扰的时间序列结合互补集合经验模态分解(Complementary ensembleempirical mode decomposition,CEEMD)和小波阈值法(Wavelet threshold,WT)进行噪声压制。实验结果表明,基于鲁棒性特征参数的SVM在噪声压制前能较好地区分信号和强干扰的时间段;与CEEMDWT整体处理相比,所提方法保留了更多的低频缓变化信息,视电阻率曲线更为光滑、连续,其结果更为真实地反映了测点本身所固有的电性结构信息。