基于生成对抗网络的半航空瞬变电磁噪声数据扩充方法
A data augmentation method for semi-airborne transient electromagnetic noise based on a generative adversarial network
冯威 1冯浩 2肖立江 1陈品明 1刘东 3王用鑫 4周小生 3孙怀凤 2王震5
作者信息
- 1. 浙江交工集团股份有限公司,浙江 杭州 310000
- 2. 山东大学 岩土工程中心,山东 济南 250061
- 3. 山东大学 岩土工程中心,山东 济南 250061;广西交通 投资交通有限公司,广西 南宁 530022
- 4. 山东大学 岩土工程中心,山东 济南 250061;山东省交通规划设计院集团有限公司,山东 济南 250101
- 5. 山东大学 岩土工程中心,山东 济南 250061;山东大学 北京研究院,北京 100873
- 折叠
摘要
半航空瞬变电磁噪声数据形式复杂,获取成本高、数据量稀缺,难以通过传统的扩充方法进行数据扩充,极大地影响了后续降噪工作的开展.针对这个问题,本研究提出了基于生成对抗网络的半航空瞬变电磁信号数据扩充方法,通过将生成器设计为LSTM网络,基于实采噪声数据集,进行生成器与判别器模型的训练,成功获取了可以生成仿真噪声数据的生成器模型,之后分析了生成器生成的仿真噪声与实采噪声的分布,并且对比了扩充前后降噪网络的表现,验证了本方法对于半航空瞬变电磁实采噪声数据的扩充是真实有效的.
Abstract
The semi-airborne transient electromagnetic(SATEM)noise data,exhibiting intricate forms,high acquisition costs,and small volumes,cannot be augmented using conventional augmentation methods,thus significantly hindering the subsequent denoising work.Hence,this study proposed a data augmentation method for SATEM signals based on the generative adversarial network(GAN).By designing the generator as a long short-term memory(LSTM)network and training the generator and discriminator models based on the dataset of real-measured SATEM noise,this study obtained a generator model that can generate simulated noise data.Then,this study analyzed the distributions of the simulated noise generated by the generator and the real-measured noise.Moreover,this study compared the performance of the denoising network before and after augmentation,demonstrating the effectiveness of this method for augmenting real-measured SATEM noise data.
关键词
半航空瞬变电磁/生成对抗网络/实采噪声/数据扩充Key words
semi-airborne transient electromagnetics/generative adversarial network/real-measured noise/data augmentation引用本文复制引用
基金项目
广西壮族自治区重点研发计划(桂科AB22080010)
国家自然科学基金面上项目(42074145)
出版年
2024
国家科技期刊平台
NSTL
万方数据