重磁异常独立成分分析的多道信号构建方法

独立成分分析方法(ICA)通过求解观测信号中源信号统计独立性最大的最优化问题对观测信号进行分解,得到相互独立的信号分量即独立成分。这种利用统计学原理的信号分解方法在静态和时变重磁数据处理中具有广泛的应用前景,前人利用相邻剖面法构建ICA算法所需的多道输入信号并对重磁异常数据进行分解,得到了较优的位场分解结果。本文在前人的研究基础上,首先提出了利用相空间重构法与空间延拓方法构建ICA多道输入数据;其次,分别使用相邻剖面法、相空间重构法与空间延拓法对仿真的重、磁异常数据进行分解,对比分析了三种方法在异常分离中的应用效果,结果表明空间延拓法能够更加有效地对局部场与区域场进行分离;最后,将基于空间延拓的ICA方法应用于克拉玛依后山地区的重磁异常数据,结果显示ICA分解具有一定的模态混叠效应,因此在其基础上再进行匹配滤波,相比于直接的匹配滤波,联合方法计算结果的边界效应更弱,并且分离得到的局部重磁异常与地质构造之间的对应关系更加清晰。