共查询到15条相似文献，搜索用时 125 毫秒
1.
为压制大地电磁信号中的强人文干扰,提出一种基于压缩感知重构算法的大地电磁信号去噪方法.通过构建与常见典型强干扰相匹配而对有用信号不敏感的冗余字典原子,利用改进的正交匹配追踪算法,分离出大地电磁信号中的强干扰成分.为了验证所述方法的强干扰分离效果,首先通过在实测大地电磁信号中加入理想的强干扰信号进行了仿真分离实验,然后从大量实测数据中选取三种含有不同类型强干扰的时间域片段,用所述方法对实测数据中的强干扰进行分离,最后将所述方法应用于青海试验点以及庐枞矿集区某测点实测数据的综合处理.仿真实验结果表明,该方法在分离出强干扰的同时,能够较好地保留有用信号.实测数据处理结果表明,该方法能够有效压制强干扰,改善强干扰区大地电磁数据的质量. 相似文献
2.
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. 相似文献
3.
为了避免形态滤波方法在大地电磁强干扰分离中的"过处理"、进一步保留大地电磁低频段的有用信息,提出基于信噪辨识的矿集区大地电磁噪声压制方法.首先,从信号处理的角度剖析矿集区典型强干扰与天然大地电磁微弱信号之间的定量辨识关系,利用形态分形维数和形态膨胀谱熵对大地电磁信号与强干扰进行信噪辨识.然后,结合形态滤波技术和阈值法,仅对辨识出明显不是天然大地电磁信号的异常波形进行噪声压制.最后,重构大地电磁有用信号,并对算法进行性能评价.仿真结果表明,形态分形维数和形态膨胀谱熵能较好地定量辨识大地电磁信号与强干扰,大地电磁信号中一些缓变化的低频信息得到了更为精细的保留;与形态滤波整体处理相比,本文所提方法获得的卡尼亚电阻率曲线更为光滑、连续,视电阻率值相对稳定,其结果更为真实地反映了测点本身所固有的大地电磁深部构造信息. 相似文献
4.
匹配追踪能够根据地震信号自身的特点进行自适应分解,但因计算量巨大使其不能被广泛应用.本文提出了一种正交时频原子快速匹配追踪方法,该方法在迭代分解过程中,充分利用地震信号的局部性特征作为先验信息点,在先验信息点附近采用动态搜索策略寻找最佳匹配时频原子,同时对时频原子进行正交变换,消除了时频原子库中的冗余分量,最终将信号分解为一系列正交时频原子的线性叠加.测试结果表明,该方法不仅保持了匹配追踪的分解精度,而且使计算效率有了质的提高. 相似文献
5.
《应用地球物理》2017,(4)
进行音频大地电磁法勘探时不可避免的受到近源干扰的影响,限制了该方法的勘探深度。形态滤波法已被证明对于不同形态的大尺度强干扰(通常为低频噪声)有明显的压制作用,但是对于窄脉冲噪声无能为力,为此本文提出一种基于压缩感知重构算法和形态滤波法的近源干扰压制方法(简称MMF-IOMP法),即首先使用形态滤波法滤除大尺度的强干扰,然后采用改进的正交匹配追踪算法进一步滤除形态滤波法残留的类脉冲噪声。为滤除残留的类脉冲噪声并保留AMT有效信号,我们构造了只对类脉冲噪声敏感而对有效部分不敏感的冗余字典。仿真实验以及庐枞矿集区实测数据处理结果表明,所述方法能够克服形态滤波法对于脉冲干扰处理效果不佳以及单一的信号重构算法耗时过长的缺点,在较好的保留有用信号的前提下有效压制音频大地电磁信号中的近源效应。 相似文献
6.
本文在常规算法的基础上,提出了一种改进的匹配追踪方法.该方法通过引入新的完备库构建策略,并以雷克子波作为原子,利用原始地震数据最大相关性估计完备库的原子的位置和能量,使得分解精度进一步提高,极大地提高了算法的适应性;为避免原子间隔过小问题,引进了最小原子间距,使得分解效率和分解质量进一步提高.模型试算和实际资料应用表明,本文算法不仅提高了信号稀疏表示的质量,加快了收敛速度,而且算法的适应性和分解精度也得到提高;该方法能够较好地挖掘地震有效信息,提高地震解释精度. 相似文献
7.
为了有效分离矿集区音频大地电磁（AMT）信号中的大尺度强干扰、抑制近源效应，本文提出利用变分模态分解（VMD）和匹配追踪（MP）联合压制AMT强干扰的方法.首先，对比了VMD与经验模态分解（EMD）、固有时间尺度分解（ITD）的处理效果，验证了VMD在避免模态混叠和端点效应方面的优势；讨论了VMD中模态个数对典型大尺度强干扰的去噪性能，并选择合适的模态初步获取待处理信号的重构信息.然后，运用MP对VMD重构信号做二次信噪分离处理，进一步滤除残余的尖脉冲干扰.通过对模拟和实测数据的分析处理，以及与远参考法结果对比，本研究能有效剔除时间域序列中的大尺度强干扰，且重构信号中保留了更多的低频缓变化信息和细节成分，近源干扰得到有效压制；视电阻率-相位曲线更为光滑、连续，低频段的数据质量得到明显改善，其结果能更为真实、可靠地反映地下电性结构信息. 相似文献
8.
9.
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. 相似文献
10.
《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
11.
Near-source noise suppression of AMT by compressive sensing and mathematical morphology filtering 总被引：5，自引：0，他引：5
Guang Li Xiao Xiao Jing-Tian Tang Jin Li Hui-Jie Zhu Cong Zhou Fa-Bao Yan 《应用地球物理》2017,14(4):581-589
In deep mineral exploration, the acquisition of audio magnetotelluric (AMT) data is severely affected by ambient noise near the observation sites; This near-field noise restricts investigation depths. Mathematical morphological filtering (MMF) proved effective in suppressing large-scale strong and variably shaped noise, typically low-frequency noise, but can not deal with pulse noise of AMT data. We combine compressive sensing and MMF. First, we use MMF to suppress the large-scale strong ambient noise; second, we use the improved orthogonal match pursuit (IOMP) algorithm to remove the residual pulse noise. To remove the noise and protect the useful AMT signal, a redundant dictionary that matches with spikes and is insensitive to the useful signal is designed. Synthetic and field data from the Luzong field suggest that the proposed method suppresses the near-source noise and preserves the signal well; thus, better results are obtained that improve the output of either MMF or IOMP. 相似文献
12.
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. 相似文献
13.
Amir Semnani Liang Wang Mehdi Ostadhassan Majid Nabi-Bidhendi Babak Nadjar Araabi 《Geophysical Prospecting》2019,67(7):1701-1719
Matching pursuit belongs to the category of spectral decomposition approaches that use a pre-defined discrete wavelet dictionary in order to decompose a signal adaptively. Although disengaged from windowing issues, matching point demands high computational costs as extraction of all local structure of signal requires a large size dictionary. Thus in order to find the best match wavelet, it is required to search the whole space. To reduce the computational cost of greedy matching pursuit, two artificial intelligence methods, (1) quantum inspired evolutionary algorithm and (2) particle swarm optimization, are introduced for two successive steps: (a) initial estimation and (b) optimization of wavelet parameters. We call this algorithm quantum swarm evolutionary matching pursuit. Quantum swarm evolutionary matching pursuit starts with a small colony of population at which each individual, is potentially a transformed form of a time-frequency atom. To attain maximum pursuit of the potential candidate wavelets with the residual, the colony members are adjusted in an evolutionary way. In addition, the quantum computing concepts such as quantum bit, quantum gate, and superposition of states are introduced into the method. The algorithm parameters such as social and cognitive learning factors, population size and global migration period are optimized using seismic signals. In applying matching pursuit to geophysical data, typically complex trace attributes are used for initial estimation of wavelet parameters, however, in this study it was shown that using complex trace attributes are sensitive to noisy data and would have lower rate of convergence. The algorithm performance over noisy signals, using non-orthogonal dictionaries are investigated and compared with other methods such as orthogonal matching pursuit. The results illustrate that quantum swarm evolutionary matching pursuit has the least sensitivity to noise and higher rate of convergence. Finally, the algorithm is applied to both modelled seismograms and real data for detection of low frequency anomalies to validate the findings. 相似文献
14.
Spectral decomposition is a widely used technique in analysis and interpretation of seismic data. According to the uncertainty principle, there exists a lower bound for the joint time–frequency resolution of seismic signals. The highest temporal resolution is achieved by a matching pursuit approach which uses waveforms from a dictionary of functions (atoms). This method, in its pure mathematical form can result in atoms whose shape and phase have no relation to the seismic trace. The high‐definition frequency decomposition algorithm presented in this paper interleaves iterations of atom matching and optimization. It divides the seismic trace into independent sections delineated by envelope troughs, and simultaneously matches atoms to all peaks. Co‐optimization of overlapping atoms ensures that the effects of interference between them are minimized. Finally, a second atom matching and optimization phase is performed in order to minimize the difference between the original and the reconstructed trace. The fully reconstructed traces can be used as inputs for a frequency‐based reconstruction and red–green–blue colour blending. Comparison with the results of the original matching pursuit frequency decomposition illustrates that high‐definition frequency decomposition based colour blends provide a very high temporal resolution, even in the low‐energy parts of the seismic data, enabling a precise analysis of geometrical variations of geological features. 相似文献
15.
随着油气勘探观测环境愈发复杂,采集的地震数据常常掺杂各种噪声信号,导致勘探目标引起的有效微弱信号被覆盖,严重影响高精度的地震勘探数据解译,因而有效的压制地震勘探数据噪声显得越发重要。本文采用字典学习策略,将复杂地震数据进行分块,通过分块数据的字典学习获取字典原子,构建高精度的字典学习地震数据稀疏表示,通过两次迭代更新字典原子,进行数据去噪。将本文的字典学习算法应用于含随机噪声的模拟数据和实测地震勘探数据处理,验证该算法的可行性及有效性。结果表明,本文算法有效去除了随机噪声,保留了有效信号同相轴,提高了信噪比,可为复杂含噪地震数据的去噪处理提供新的技术手段。 相似文献