首页|基于IITD和PNN的广域电磁法数据信噪分离方法

基于IITD和PNN的广域电磁法数据信噪分离方法

扫码查看
原文链接
  • 万方数据
  • 维普
矿产资源开发需求加速了广域电磁法(Wide Field Electromagnetic Method,WFEM)的发展与应用,但强电磁干扰严重降低了原始数据质量与探测效果.为此,本文提出基于改进固有时间尺度分解(Improved Inherent Time-scale Decomposition,IITD)和概率神经网络(Probabilistic Neural Network,PNN)的广域电磁法数据信噪分离方法.首先,通过改进固有时间尺度分解算法,提高信号分解精度,消除原始数据中存在的趋势噪声;然后,构建WFEM数据样本库,提取最大值、峰值因子、脉冲因子、裕度因子等多个时域特征,结合概率神经网络进行信噪辨识;最后,将识别为有效信号的部分按原采样顺序进行整合与重构,实现WEFM数据去噪;通过数值模拟与实测分析,结果表明,趋势噪声和异常波形均能被有效辨识及剔除,处理后的电场曲线形态趋于平滑稳定,原始数据质量得到提升.
WFEM signal-noise separation method based on improved inherent time-scale decomposition and probabilistic neural network
The exploitation of mineral resources accelerates the development and application of the Wide Field Electromagnetic Method(WFEM),but the strong electromagnetic interference seriously degrades the quality of the raw data and the detection effect.In the paper,the Improved Inherent Time-scale Decomposition(IITD)and Probabilistic Neural Network(PNN)is proposed for WFEM data signal-noise separation.First,the ITD is improved to improve the signal decomposition accuracy and eliminate the trend noise in the raw data.Then,the WFEM data sample library was constructed,multiple time-domain features(maximum value,peak factor,pulse factor and margin factor)were extracted,and the signal-noise identification was applied by using PNN algorithm.Finally,the identified as effective signals are integrated and reconstructed according to the original sampling sequence to realize the WEFM data denoising.Through numerical simulation and measured analysis,the results show that the trend noise and abnormal waveform can be effectively identified and eliminated,the shape of the electric field curve after processing that tends to be smooth and stable,and the quality of raw data is improved.

Wide Field Electromagnetic Method(WFEM)Improved Inherent Time-scale Decomposition(IITD)Probabilistic Neural Network(PNN)Signal-noise separation

张贤、李帝铨、胡艳芳、朱云起、李富

展开 >

湖南财政经济学院,财经大数据科学与技术湖南省重点实验室,信息技术与管理学院,长沙 410205

中南大学地球科学与信息物理学院,长沙 410083

广域电磁法 改进固有时间尺度分解 概率神经网络 信噪分离

国家自然科学基金项目有色金属成矿预测与地质环境监测教育部重点实验室(中南大学)开放基金项目湖南省教育厅科学研究项目

418740812023YSJS0722A0457

2024

10.6038/pg2024HH0162

地球物理学进展
中国科学院地质与地球物理研究所 中国地球物理学会

地球物理学进展

CSTPCD北大核心
影响因子：1.761
ISSN：1004-2903
年,卷(期)：2024.39(1)
  • 52