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.

     

庐枞矿集区大地电磁测深强噪声的影响规律

天然大地电磁场信号微弱,极化方向随机,极易受电磁噪声污染.张量阻抗分析、远参考技术、Robust估计等对随机噪声和不相关噪声有比较好的压制效果,但对强的相关噪声目前还没有有效的压制方法.庐枞矿集区人烟稠密、工业发达,是我国著名的铁、铜、硫等矿产基地之一,区内强烈的工业、通讯、矿山、民用等电磁干扰严重污染了大地电磁测深数据.本文首先根据实测的电磁场时间域波形和卡尼亚电阻率测深曲线形态,挑选出基本未受噪声污染的测点(Y1650).然后利用数学形态学从受严重污染的电磁场时间序列中提取出类方波、三角波、阶跃、脉冲和充放电5种典型噪声的波形,并以不同的方式将这些噪声波形与Y1650的电磁场波形叠加,对比分析加噪后Y1650点电阻率和相位测深曲线的变化,进而归纳出典型强噪声对庐枞大地电磁测深资料的影响规律,为进一步压制强噪声和资料处理提供依据.     

基于匹配追踪和遗传算法的大地电磁噪声压制

针对匹配追踪计算量大、大地电磁数据处理效率低的问题,提出基于匹配追踪和遗传算法的大地电磁噪声压制方法.首先,利用Gabor原子构建过完备原子库,并对过完备原子库集合进行划分.然后,借助遗传算法的自适应性,快速搜寻最优匹配原子及所在位置.最后,运用最优匹配原子对待处理信号进行稀疏分解,重构有用信号.通过对计算机模拟的典型强干扰和矿集区实测大地电磁数据进行分析处理,实验结果表明,相对于匹配追踪和正交匹配追踪,文中所提方法能从过完备原子库中快速、自适应地选取最优匹配原子与不同噪声干扰类型高精度的匹配,极大地提升了计算效率;大地电磁时间域序列中的大尺度强干扰被有效剔除,视电阻率曲线更为光滑、连续,低频段的数据质量得到明显改善.

     

Hilbert-Huang 变换与大地电磁噪声压制

大地电磁信号具有非线性、非平稳、非最小相位特征,不符合以Fourier变换为基础的传统功率谱估计的基本要求. Hilbert-Huang变换是近年发展起来的处理非线性、非平稳信号的完全局部时频分析方法. 本文在简要介绍Hilbert-Huang变换基本原理与算法基础上,以实际数据分析为例,探讨了它在大地电磁信号处理及噪声压制中的应用. 提出利用Hilbert时-频能量谱对大地电磁信号进行时段筛选,以提高信号品质,增强数据处理的质量和资料的可解释性. 利用经验模态分解方法及其多尺度滤波特征,可以有效地分析MT信号中的噪声分布特征,并进行干扰压制.     

数学形态滤波与大地电磁噪声压制

数学形态滤波是一种新型的非线性滤波方法.介绍了形态学滤波的基本原理,针对大地电磁信号表现出的非线性、非平稳性和非最小相位特性,综合结构元素特征我们提出一种基于数学形态滤波的大地电磁噪声压制方法.为了有效抑制目标信号中的噪声干扰及修正统计偏倚现象,通过选用合理的结构元素及形态开-闭、闭-开组合,将正、负结构元素级联构造组合广义形态滤波器对实测大地电磁信号进行噪声压制.实验结果表明,该方法是切实可行的,有效地剔除了大尺度干扰及基线漂移,较好地还原了大地电磁信号的原始特征,修正了标准形态算子所产生的统计偏倚现象,去噪精度高.该方法计算速度快,具有潜在优势,为矿集区海量大地电磁信号与强干扰的分离提供了一条新的途径,应用前景广阔.     

基于循环神经网络的大地电磁信号噪声压制研究

由于天然电磁场源信号微弱,观测数据极易受到噪声干扰,严重影响反演和解释结果.传统去噪方法依赖于人工对时间序列和功率谱的筛选,去噪效率低,主观性强.本文提出利用循环神经网络对大地电磁时域信号进行特征噪声的识别和提取,进而重构出去噪后的大地电磁信号.在对大地电磁时域信号进行大量分析的基础上,对噪声进行分类并搭建含噪信号数据库,利用该数据库训练了两个循环神经网络,并选取长短时记忆单元优化循环神经网络结构,分别实现含噪数据段筛选和噪声形态提取.对仿真和实测数据分别进行了测试,循环神经网络均能准确筛选出大地电磁信号中的噪声段,本方法在避免人为操作主观性的同时提高了工作效率,视电阻率和相位曲线质量得到明显改善.

     

利用K-SVD字典学习算法压制海洋大地电磁噪声

海洋大地电磁数据处理的结果会影响数据反演和解释的准确性.在浅水中, 由海浪引起的强电磁干扰和大地电磁场叠加在一起, 使得噪声所在频段内的视电阻率和相位曲线出现畸变.针对这种强干扰, 本文将K-SVD字典学习算法应用于海洋大地电磁信号处理中, 通过稀疏表示海浪感应磁噪声实现大地电磁磁场信号的重构, 并结合视电阻率信息进行相位校正.仿真数据和南黄海实测数据的处理结果表明, 该方法能够有效压制海浪感应磁噪声, 恢复后的视电阻率和相位曲线更加连续、光滑.

     

基于同步大地电磁时间序列依赖关系的噪声处理

本文从信号与系统的角度讨论了同步大地电磁时间序列信号之间的依赖关系,选取高信噪比的时间序列信号作为先验数据,用最小二乘法估算依赖关系;结合参考道的数据,合成本地道含噪声时段的数据,最后用合成数据替代噪声段数据,组成新数据,从而在时域中去除大地电磁噪声.西藏地区高信噪比实测数据的试算结果表明,无论电场还是磁场,信号之间的依赖关系是相对稳定的,只与先验数据的长度有关,与时间无关;虽然不同参考点之间的依赖关系不同,但都可以精确合成本地点数据,与参考点地下电性结构和参考距离无关.仿真实验显示,去噪后的信号与原始信号基本一致.实测数据处理结果表明,该方法可以有效去除强噪声干扰,抑制中高频段的近场源效应,同时保留了微弱的有效信号,保证了处理结果的正确性.最后针对方差比方法无法识别的方波噪声,提出了一种简单的平移方法,成功去除了持续时间大于窗口长度的方波噪声;将该方法与远参考技术结合,可以有效抑制近场源噪声干扰,获得光滑连续并且可信的测深资料.     

基于字典学习的音频大地电磁数据处理

音频大地电磁（Audio Magnetotelluric,AMT）信号常常受到持续性人文噪声影响,这类噪声使用远参考法和Robust阻抗估计等常规方法往往效果不佳.为此,本文从噪声的规律与特征出发,提出一种新的AMT数据处理方法.首先通过字典学习方法从观测数据中自主学习到人文噪声的特征结构,构建冗余字典,然后利用学习到的冗余字典,分离出AMT数据中的人文噪声.为验证方法的有效性,首先进行了合成数据的仿真试验,然后在四川凉山进行了针对性的野外试验研究,最后将本文方法应用于庐枞矿集区实测数据的处理.结果表明,本文方法能够快速、准确地分离出AMT信号中的人文干扰,保留有用信号,显著改善AMT数据质量.

     

基于站间天然电磁场单位脉冲响应的大地电磁时间序列去噪方法

针对天然大地电磁场信号在人文活动密集地区易受噪声干扰的问题,本文提出利用两个同步测点天然电磁场时间序列之间的单位脉冲响应,合成本地点受干扰时段的数据,从而去除大地电磁噪声.首先,选择高信噪比时段的数据,采用最小二乘法,估算本地点与参考点之间的单位脉冲响应,再根据卷积定律,结合参考磁场合成本地点的磁场和电场.最后用合成数据替换含噪声时段数据,实现时间域去噪.实测高信噪比数据和含噪数据的处理结果表明,该方法可以高精度合成本地点磁场与电场信号,有效去除本地点电场和磁场噪声,包括相关噪声,提高大地电磁数据质量.     

GNMF小波谱分离在地震勘探噪声压制中的应用

地震勘探资料噪声压制及信噪比提高是整个地震勘探信号处理过程中的重要任务,随着地震勘探深度的增加及其复杂性,人们对地震数据质量的要求越来越高.勘探环境的复杂化使得采集到的地震资料中有效信号被大量噪声淹没,无法清晰辨识,严重影响后续的数据处理与解释.小波去噪是地震勘探中常用且发展较成熟的一种方法,但是其涉及到的阈值函数选取问题一直令人困扰,虽然已有多种阈值函数被提出,但仍存在各自的缺陷.本文利用小波分解在时域及频域良好的信号细节体现特性,引入模式识别中的非负矩阵分解(NMF)谱分离思想,针对小波系数阈值优化问题,提出了一种小波域图非负矩阵分解(GNMF)消噪算法.该方法首先在小波分解基础上,利用GNMF算法实现小波分解系数谱中信号分量与噪声分量的谱分离,然后通过反变换重构各分离子谱对应的子信号,最后利用K均值聚类算法将得到的多个子信号划分为信号类及噪声类,最终得到重构信号及分离噪声.合成记录和实际地震资料的消噪结果验证了新方法在提高信号与噪声分离准确性和精度方面的有效性,同时新方法避免了阈值选取造成的噪声压制不理想或有效成分损失问题.与小波消噪结果的对比及数值分析也说明了新方法在噪声压制及有效成分保持方面的优势.     

宁夏海原大震区西安州—韦州剖面大地电磁探测与研究

对穿过宁夏海原大震区西安州(N36.5°,E105.5°)北至同心县韦州(N37.28°,E106.48°)的大地电磁测深剖面，采用远参考道大地电磁方法进行测量和资料处理，得到高精度的数据如视电阻率、阻抗相位、二维偏离度、最佳主轴方位角等. 依据这些数据，对测区的电性结构进行了定性分析和二维定量反演解释. 结果表明，沿剖面可以分成5个电性区块，与西、南华山隆起(Ⅰ)、兴仁堡—海原盆地(Ⅱ)、中卫—清水河盆地(Ⅲ)、中宁—红寺堡盆地(Ⅳ)和鄂尔多斯西缘带(Ⅴ)对应，各区块的边界由大断裂构成. 地表到深度10km左右，西、南华山隆起和鄂尔多斯西缘带呈高阻特性，兴仁堡—海原、中卫—清水河、中宁—红寺堡三个盆地的电阻率较低且呈盆地凹陷形状，盆地基底显示为西南深东北浅的簸箕状起伏形态，基底最深约为8km. 西、南华山隆起、中卫—清水河盆地和鄂尔多斯西缘带的下地壳为“正常”电阻率结构. 兴仁堡—海原和中宁—红寺堡盆地的下地壳上部为“异常”低电阻率带. 1920年的海原大震区存在明显的电性结构差异，震区西南侧和上部区域为相对高阻，东北侧和下部区域为相对低阻.     

宁-芜矿集区及其西缘深部结构初探

为了探查宁(南京)—芜(湖)矿集区及其西缘地区上地壳结构及其与区域成矿作用的关系,在宁芜矿集区及其西缘布设两条大地电磁测深剖面(江宁区—姑山,巢湖—当涂),通过数据处理、分析和反演,获得了宁芜矿集区10 km以内地壳电性结构模型.大地电磁测深及重力多尺度边缘检测结果表明:(1)宁芜矿集区自南向北表现为低—高—低的电性结构特征,南段深部存在低阻体,向上延伸至浅部,中段深部发育巨型高阻体上隆至浅部,倾向南西,推测可能是巨型花岗岩体,北段低阻体发育深度大,向上延伸至浅部时分叉并上升至地表;(2)揭示了滁河断裂和长江断裂带的存在; 3线剖面东段与2线南段的低阻体位置较为一致,推测为岩浆喷发通道,在含山附近发现两条电性梯度带,3线剖面的电性结构特征可能反映了区域经历了先挤压、后拉伸的演变过程.     

基于时频分析与分数阶最优控制网络的地震数据噪声压制

在复杂的地表环境, 地震勘探采集到的实际地震资料信噪比较低, 分辨率较差, 接收的噪声能量较强, 与有效信号存在频谱的重叠.常规的消噪手段很难在保证有效信号幅值的同时, 还兼顾噪声压制的效果.本文采用基于分数阶最优控制(Fractional Optimal Control)理论建立的深度学习神经网络——FOCNet来压制地震数据噪声, 并恢复微弱同相轴.不同于传统深度学习网络(DCNN)算法大多为基于经验的网络设计, FOCNet具有坚实的数理基础, 它从动态系统的最优控制角度阐述了网络的原理, 并采用长期记忆的方式增强了网络的稳定性, 提高了系统对噪声的消减能力.针对地震数据有效信号在低频带与噪声重叠严重, 且FOCNet对数据中、高频信息保留更好这一情况, 本文提出了一种基于理想时频分析与FOCNet相结合的算法(TF-FOCNet)来压制地震噪声, 提取有效信号.该算法通过理想时频分析, 针对性的提取信噪重叠的低频目标数据成分, 并与数据的中、高频成分一起送入网络中进行处理并融合, 完成噪声的压制, 增强了低频信息的保留能力.模拟及实际的实验结果验证了算法在随机噪声、面波压制及微弱信号恢复上的有效性和优越性.

     

叠前逆时深度偏移低频噪声压制策略研究

低波数噪音严重影响了逆时偏移的成像质量,选择合适的低波数噪音压制方法是进行逆时偏移时必然涉及到的一个重要方面.本文首先详细分析了逆时偏移中低波数噪音产生的本质原因,然后根据噪音的产生机制对目前各类低波数噪音压制方法进行了分析和归类:第一类低波数噪音压制策略的核心是在构建波场中避免发生背向反射;第二类低波数噪音压制策略的核心是进行选择性成像.最后通过对压噪方法进行合理的选择和搭配,构建了在不同实现条件和成像需求情况下逆时偏移去噪方法的最佳抉择策略.结合数值算例对几种压噪方案进行了测试和比较,实例表明了对噪音压制方法进行合理的搭配可以获得高信噪比逆时偏移成像结果.