共查询到19条相似文献，搜索用时 827 毫秒
1.
时间域航空电磁数据往往在测量过程中受到天然和人文噪声的干扰.如果不能很好滤除这些电磁噪声,那么将会降低资料质量、影响反演的精度,甚至获得错误的解释结果.本文提出了一种基于核主成分分析的去噪方法,通过核主成分分析提取叠加后衰减曲线的主成分,然后使用能量占比方法分离反映地下介质的有效信号和噪声,最后使用反映地下介质的特定成分进行重构.本文所推荐的去噪方法不仅能剔除天然噪声,例如天电产生的尖脉冲或者振荡,而且能有效地抑制人文噪声.分别使用基于核主成分分析的去噪方法,以及AeroTEM软件的处理方法对同样的吊舱式时间域直升机航空电磁勘查系统实测数据进行处理,并比较其结果.处理结果表明:所推荐的去噪方法要优于AeroTEM软件. 相似文献
2.
主成分分析方法利用低阶主成分重构航空电磁数据,解决了航空电磁探测中噪声与数据在频谱重叠情况下的噪声压制问题,但是参与重构的低阶主成分仍包含高频空间噪声,影响数据成像精度.本文提出的主成分滤波重构去噪方法,根据自适应窗宽平滑算法,设计了主成分低通滤波器组,对参与重构的低阶主成分进行测线滤波,再将滤波后的低阶主成分重构为电磁信号,不仅可以去除低阶主成分中的高频空间噪声,而且去除了高阶主成分包含的不相关噪声.仿真数据的去噪结果表明,主成分滤波重构获得较高的信噪比,较常规测线滤波与主成分重构分别提高了10.96dB和2.52dB;电导率深度成像结果证明了主成分滤波重构方法能够提高地下深部异常体的识别能力.最后通过实测数据的成像结果进一步验证了本文研究的主成分滤波重构去噪方法的有效性. 相似文献
3.
航空电磁法作为一种地形复杂地区资源探测的有效方法,近年来得到了广泛的应用.然而,由于系统所处的动态环境,噪声干扰严重.为了改善航空电磁数据质量,提高地下电性反演的准确性,需要研发相关去噪技术.传统航电去噪大多针对特定噪声或单一测线上的信号进行处理,难以兼顾相邻测线之间观测信号的相关性.本文采用曲波变换进行二维航空电磁数据去噪.由于曲波变换具有多尺度和多方向性特征,可以在对噪声精细分析的基础上进行有效去除,同时还保证了整个测区内信号的相关性.进而,我们提出Sigmoid阈值函数对传统阈值函数进行改进,以进一步改善去噪效果.为了验证曲波变换方法对航空电磁数据去噪的有效性,将曲波变换和传统去噪方法分别应用于理论模型和实测数据进行对比.试验证明本文曲波变换用于航空电磁数据去噪具有明显的优越性. 相似文献
4.
高效的瞬变电磁数据处理对后续的精确地质解译具有决定性的作用,而数据信号的去噪是数据处理环节的重中之重.时频分析方法是当前广泛应用于瞬变电磁数据处理去噪领域的主要方法技术,但其基本是单域方法的应用探索,各自单域方法实际应用效果不尽人意.本文基于曲波变换、小波变换及高阶相关统计技术,进行了交叉型组合域瞬变电磁数据去噪技术的研究与探索.通过引入高阶相关统计理论提供自适应的阈值函数、采用小波变换进行残留噪声成分小波系数分解,结合曲波变换正反过程实现交叉型组合域去噪技术.设计了包含随机噪声、相关噪声的数值模拟合成数据去噪算例验证了本文方法的可行性.将本文方法应用于两个实测数据去噪分析,表明本文方法可有效解决不同复杂程度的含噪声瞬变电磁数据去噪领域.研究成果为瞬变电磁高精度数据处理提供了新的技术手段. 相似文献
5.
《地球物理学进展》2016,(3)
大地电磁测深采集的是天然电磁场,具有振幅微弱、频带宽的特点.在人文活动密集地区,电磁噪声干扰日趋严重,导致大地电磁测深曲线具有明显的近场源效应.本文利用电偶极子理论模型分析了电磁相关噪声对大地电磁测深数据的影响特征,并对湖南衡阳某矿区噪声实验数据进行了讨论,分析了矿区噪声的特点.分别利用远参考方法和基于大地电磁时间序列依赖关系的去噪方法对实验数据进行了处理.研究结果表明:矿区近场源噪声的频率一般大于0.1 Hz,远参考方法可以压制高频部分近场源噪声,但在0.1 Hz附近仍存在跳点;基于大地电磁时间序列依赖关系的去噪方法也可以压制矿区强相关噪声,抑制近场源效应,其效果要好于远参考的处理;两种方法结合可以更好的压制强噪声,基本消除了近场源效应,有效提高了大地电磁测深数据的信噪比. 相似文献
6.
基于飞艇的时间域地空电磁探测系统,具有勘探深度大、效率高、空间分辨率高、飞行控制容易等优势.但在低空飞行测量过程中,飞艇飞行高度、航迹、姿态等受风向、大气气流、地形、地面局部温度场变化等影响而发生变化,导致固定在艇囊前端的接收线圈发生运动,切割大地磁场,产生了电磁噪声、运动噪声、基线漂移等,从而影响电磁数据的电阻率成像质量.因此,研究地空电磁信号中多种噪声的去除方法,对数据的反演解释非常重要.由于地空电磁信号中有效信号频带与部分噪声频带相重叠,使用传统滤波或消噪方法具有一定局限性.因此,本文提出一种综合小波去噪法:根据地空电磁信号的特点,采用sym8小波基;基于小波多分辨率分析原理,利用小波高尺度近似分量估计基线漂移,以校正电磁数据中的基线;基于小波阈值收缩原理,采用5层小波分解、极小极大阈值配合硬收缩函数的消噪方法,来压制数据中的其余噪声.最后,通过异常环模型的理论响应和实测数据进行算法的验证,结果表明这种综合消噪法对多种噪声均有很好的抑制作用,是一种实用有效的时间域地空电磁数据消噪方法. 相似文献
7.
半航空电磁法(SAEM)是一种有利于在复杂地形地表条件下高效、低成本开展探测的新兴方法,尤其适合我国国情.SAEM数据受多种系统内外部噪声影响,信号质量不佳;传统去噪方法针对不同噪声逐一处理,步骤多、主观因素强.针对上述问题,本文考虑同时在压制噪声来源与增强去噪方法两方面做工作,提出一套全流程低噪声解决方案：采用降噪搭载结构抑制主要外部噪声,低噪声混合放大电路抑制主要内部噪声,基于深度学习的一站式去噪方法克服主观因素影响,从而在整个SAEM观测与处理流程上实现低噪声.测试表明,在地形复杂、气流条件复杂地区,所研发的SAEM系统可稳定工作,数据可靠性一致性高,未来有望为我国资源探查、深部工程等工作提供更为有力的支撑. 相似文献
8.
基于主成分的时间域航空电磁数据神经网络反演仿真研究(英文) 总被引：5，自引：0，他引：5
传统上,时间域航空电磁数据通过拟合迭代反演计算得到大地模型,然而,由于航空电磁数据道间的较强相关性,导致病态反演,并引起超定问题;同时电磁数据的相关性使其与模型参数的映射关系复杂,增加了反演的复杂度。采用主成分分析法将航空电磁数据变换为正交的较少数量的主成分,不仅降低了数据道间的相关性,减小了数据量,同时压制了数据的不相关噪声。本文利用人工神经网络(ANN)逼近主成分与大地模型参数间的映射关系,避免了传统反演算法中雅克比矩阵的复杂计算。层状模型的主成分神经网络与数据神经网络的反演结果对比显示,主成分神经网络反演方法网络结构简单,训练步数少,反演结果好,特别是对于含噪数据。准二维模型的主成分ANN、数据ANN以及Zhody方法的反演结果显示了主成分神经网络具有更接近真实模型的反演效果,进一步证明了主成分神经网络反演方法适合海量航空电磁探测数据反演。 相似文献
9.
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. 相似文献
10.
为了研究时间域航空电磁系统扩散特征,基于连续性边界条件将电磁场向下延拓得到地下介质中各点处的频率域响应,通过傅里叶变换将其变换到时间域.计算阶跃波形发射时垂直磁偶极子和水平磁偶极子在均匀半空间介质和两层介质中产生的电磁场,通过电流密度矢量图和随时间变化的电流密度等值线展示电磁场在地下介质中的扩散过程.电磁场在地下的扩散受电阻率结构的影响.在良导地区电磁场扩散慢、衰减快,而在高阻地区电磁场扩散快、衰减慢.垂直磁偶极子在地下产生的感应电流形成一个电流环随时间向下、向外扩散.水平磁偶极子在地下产生的感应电流形成两个互相叠加的电流环.时间域电磁场扩散代表着真正物理意义上的电磁扩散,因为它展示了地下电磁场空间分布随时间的变化和场强的衰减.基于对感应电流环的研究,我们探究了扩散深度和时间域航空电磁数据成像深度的关系.时间域电磁场扩散规律的研究不仅加深了对电磁扩散特征的理解,更有助于提高航空电磁数据解释水平. 相似文献
11.
基于光子计数探测器的能谱CT,可以同时采集多个能谱通道的投影数据,并获得相应能量范围内物质的吸收特征,可以有效应用于物质识别与材料分解。主成分分析是一种很好的多元数据分析技术,可以用于处理多能谱CT数据。本文分别在投影域和图像域对能谱CT数据进行主成分分析,并对分析结果做出系统比较。为了减少噪声的影响,提高能谱CT图像的彩色表征性能,提出双域滤波与像素值平方相结合的方法,用于含噪声的主成分图像去噪,然后将所选取的主成分图像映射到RGB颜色通道。实验结果表明,无论是在投影域还是图像域进行主成分分析,都可以获取清晰的CT图像,识别出物质的不同成分。相较于在图像域的主成分分析方法,在投影域进行主成分分析能够保留物质的更多细节,获取更清晰的彩色CT图像。 相似文献
12.
To suppress the strong noise in seismic data with wide range of amplitudes, commonly used methods often yield unsatisfactory denoising results owing to inappropriate thresholds and require parametric testing as well as iterations to achieve the anticipated results. To overcome these problems, a data-driven strong amplitude suppression method based on the decibel criterion in the wavelet domain (ISANA) is proposed. The method determines the denoising threshold based on the decibel criterion and statistically analyzes the amplitude index rather than the abnormally high amplitudes. The method distinguishes the frequency band distributions of the valid signals in the time–frequency domain based on the wavelet transformation and then calculates thresholds in selected time windows, eventually achieving frequency-divided noise attenuation for better denoising. Simulations based on theoretical and real-world data verify the adaptability and low dependence of the method on the size of the time window. The method suppresses noise without energy loss in the signals. 相似文献
13.
Singular value decomposition as a denoising tool for airborne time domain electromagnetic data 总被引：1，自引：0，他引：1
P.-A. Reninger G. Martelet J. Deparis J. Perrin Y. Chen 《Journal of Applied Geophysics》2011,75(2):264-276
Airborne time domain electromagnetic (TDEM) surveys are increasingly carried out in anthropized areas as part of environmental studies. In such areas, noise arises mainly from either natural sources, such as spherics, or cultural sources, such as couplings with man-made installations. This results in various distortions on the measured decays, which make the EM noise spectrum complex and may lead to erroneous inversion and subsequent misinterpretations. Thresholding and stacking standard techniques, commonly used to filter TDEM data, are less efficient in such environment, requiring a time-consuming and subjective manual editing. The aim of this study was therefore to propose an alternative fast and efficient user-assisted filtering approach. This was achieved using the singular value decomposition (SVD). The SVD method uses the principal component analysis to extract into components the dominant shapes from a series of raw input curves. EM decays can then be reconstructed with particular components only. To do so, we had to adapt and implement the SVD, firstly, to separate clearly and so identify easily the components containing the geological signal, and then to denoise properly TDEM data.The reconstructed decays were used to detect noisy gates on their corresponding measured decays. This denoising step allowed rejecting efficiently mainly spikes and oscillations. Then, we focused on couplings with man-made installations, which may result in artifacts on the inverted models. An analysis of the map of weights of the selected “noisy components” highlighted high correlations with man-made installations localized by the flight video. We had therefore a tool to cull most likely decays biased by capacitive coupling noises. Finally, rejection of decays affected by galvanic coupling noises was also possible locating them through the analysis of specific SVD components. This SVD procedure was applied on airborne TDEM data surveyed by SkyTEM Aps. over an anthropized area, on behalf of the French geological survey (BRGM), near Courtenay in Région Centre, France. The established denoising procedure provides accurate denoising tools and makes, at least, the manual cleaning less time consuming and less subjective. 相似文献
14.
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. 相似文献
15.
Utilizing data from controlled seismic sources to image the subsurface structures and invert the physical properties of the subsurface media is a major effort in exploration geophysics. Dense seismic records with high signal-to-noise ratio (SNR) and high fidelity helps in producing high quality imaging results. Therefore, seismic data denoising and missing traces reconstruction are significant for seismic data processing. Traditional denoising and interpolation methods rarely occasioned rely on noise level estimations, thus requiring heavy manual work to deal with records and the selection of optimal parameters. We propose a simultaneous denoising and interpolation method based on deep learning. For noisy records with missing traces, we adopt an iterative alternating optimization strategy and separate the objective function of the data restoring problem into two sub-problems. The seismic records can be reconstructed by solving a least-square problem and applying a set of pre-trained denoising models alternatively and iteratively.We demonstrate this method with synthetic and field data. 相似文献
16.
针对强随机噪声地震资料背景下经典维纳滤波方法在信号的保幅及高维数据空间求解过程中产生病态矩阵的问题,提出利用核函数主分量维纳滤波压制强地震勘探随机噪声.首先利用线性核函数将地震信号映射到特征空间,再通过主分量分析方法提取地震数据主分量进行数据降维,并得到核主分量维纳滤波因子,从而进行核主分量维纳滤波（K-WPC）.正演仿真及对实际地震资料处理表明,该方法对随机噪声有较好的压制作用,保幅效果也令人满意. 相似文献
17.
Most of the microseismic signals have low signal-to-noise ratio (SNR) due to the strong background noise, which makes it difficult to locate the first arrival time. Both accuracy and stability of conventional methods are poor in this situation. To overcome this problem, here we proposed a new method based on the adaptive Morlet wavelet and principal component analysis process in wavelet coefficients matrix. The three components of microseismic signal make it possible to extract the features in wavelet coefficients domain. Then the reconstructed signal from weighted features presents an obvious first arrival. Tests on synthetic signals and real data provide a solid evidence for its feasibility in low SNR microseismic signal. 相似文献
18.
本文针对噪声成分和噪声结构的复杂性及弱信号的特征,发展了最新的在线字典学习去噪方法.在线字典学习去噪方法是以数据驱动的方式,反复进行学习构建字典方式,求得信号的稀疏性解以实现对信号的去噪,在此基础上,提出了数据驱动与模型驱动联合的模型约束下的在线字典学习去噪方法,先通过模型驱动方式获得一个较优质的学习样本以构建字典再进行去噪处理.通过和传统小波变换进行理论地震合成记录的效果对比,在高噪声比例的弱信号情况下远远优于传统的时频域去噪方法.实际数据去噪处理表明,模型约束下的在线字典学习去噪方法是一种有效的去噪方法,这种联合去噪方式能在高噪声背景下有效地提取出弱信号,具有广阔的推广应用前景. 相似文献
19.
双程波方程逆时深度偏移是复杂介质高精度成像的有效技术,但其结果中通常包含成像方法引起的噪音和假象,一般的滤波方法会破坏成像剖面上的振幅,其中的假象也会给后续地质解释带来困扰.将波场进行方向分解然后实现入射波与反射波的相关成像能够有效地消除这类成像噪音,并提高逆时偏移成像质量.波传播方向的分解通常在频率波数域实现,它会占用大量的存储和计算资源,不便于在沿时间外推的逆时深度偏移中应用.本文提出解析时间波场外推方法,可以在时间外推的每个时间片上实现波传播方向的显式分解,逆时深度偏移中利用分解后的炮检波场进行对应的相关运算,实现成像噪音和成像信号的分离.在模型和实际数据上的测试表明,相比于常规互相关逆时偏移成像结果,本文方法能够有效地消除低频成像噪音和特殊地质构造导致的成像假象. 相似文献