基于改进多尺度散布熵的大地电磁信号去噪方法及系统技术方案

本发明专利技术公开了一种基于改进多尺度散布熵的大地电磁信号去噪方法及系统，该方法包括：步骤S1：将大地电磁信号分段，再分别提取每段大地电磁信号的改进多尺度散布熵；步骤S2：利用每段大地电磁信号的改进多尺度散布熵进行聚类分析识别出强干扰信号段和低频缓变化信号段；步骤S3：对所述强干扰信号段进行去噪；步骤S4：将步骤S3中去噪后的信号段与低频缓变化信号段进行合并拼接得到重构的大地电磁信号。本发明专利技术能获得高质量的大地电磁信号，能有效避免大地电磁低频数据丢失的情况，提升针对性去噪效果。

【技术实现步骤摘要】
基于改进多尺度散布熵的大地电磁信号去噪方法及系统
本专利技术属于大地电磁信号处理
，具体涉及一种基于改进多尺度散布熵的大地电磁信号去噪方法及系统。
技术介绍
大地电磁(MT)是一种基于电磁感应原理的电磁测深方法，通过利用在地面上观测具有区域性乃至全球性分布特性的天然交变电磁场来研究地下岩层的电性及分布特征。由于天然场中含有从高频到低频丰富的频率成分，而不同频率成分的电磁波具有不同的趋肤深度，因此大地电磁法能达到测深的目的。然而，一种天然交变电磁场做场源的方法与有源场相比，其信号微弱、频带宽，在野外数据采集中易受到噪声的干扰。如何高效压制噪声，提高大地电磁数据的信噪比，保证数据质量，始终是MT数据采集和处理的核心问题。伴随着电子技术，信号处理技术的发展而迅速推广，大地电磁测深无论在仪器研制，数据采集，处理技术与反演解释的研究都融合了当今最新的科学理论和高新技术。如远参考法、robust估计、小波变换、数学形态滤波、压缩感知、稀疏分解、信噪辨识等均在MT数据处理中得到较好地应用，一定程度上提高数据的信噪比和质量。然而，上述方法在处理MT噪声信号时，往往丢失低频有用信息或处理效率低等问题，造成视电阻率-相位曲线严重混乱，导致数据质量严重降低，无法为后续电磁法反演提供有效可靠的大地电磁测深数据。
技术实现思路
本专利技术的目的是提供一种基于改进多尺度散布熵的大地电磁信号去噪方法及系统，从大地电磁时间序列入手，提取每段大地电磁信号的改进多尺度散布熵作为特征，再利用特征参数进行聚类分析，自动识别出强干扰信号段和低频缓变化信号段，然后仅对强干扰信号段进行针对性去噪，将去噪后的信号段和识别为低频缓变化信号段合并来重构高质量的大地电磁信号，解决了现有技术在去噪中的过处理和处理不当等问题。本专利技术算法简单，易于实现，适合于处理海量受方波和三角波强干扰的实测大地电磁数据。本专利技术提供的一种基于改进多尺度散布熵的大地电磁信号去噪方法，包括以下步骤：步骤S1：将大地电磁信号分段，再分别提取每段大地电磁信号的改进多尺度散布熵；其中，将一段大地电磁信号在尺度因子τ下进行多尺度粗粒化处理得到τ组粗粒化序列，再统计尺度因子τ下粗粒化序列的散布模式概率的均值，并结合香农熵定义和所述散布模式概率的均值得到所述一段大地电磁信号的改进多尺度散布熵。其中，将原始的大地电磁信号X分为n段，X＝{Xi,i＝1,2,...,n}，Xi表示第i个信号段，再分别计算每一段大地电磁信号的改进多尺度散布熵；步骤S2：利用每段大地电磁信号的改进多尺度散布熵进行聚类分析识别出强干扰信号段和低频缓变化信号段；步骤S3：对所述强干扰信号段进行去噪；步骤S4：将步骤S3中去噪后的信号段与低频缓变化信号段进行合并拼接得到重构的大地电磁信号。其中，所述改进多尺度散布熵的公式如下：式中，m表示嵌入维数，c表示类别个数，d表示时延，Xi表示第i段大地电磁信号，1≤i≤n，n为待去噪的大地电磁信号分段后的总段数；表示尺度因子为τ时的第k个粗粒化序列，IMDE(Xi,m,c,d,τ)表示嵌入维数m、类别个数c、时延d、尺度因子τ确定时第i段大地电磁信号Xi对应的改进多尺度散布熵；表示散布模式，表示尺度因子τ下的粗粒化序列的散布模式概率的均值，表示一个粗粒化序列对应的一种散布模式的概率，cm表示散布模式的总个数，D＝1表示第一个散布模式，v0v1...vm-1分别对应嵌入向量中的m个元素值，嵌入向量是由粗粒化序列转换而来。本专利技术针对大地电磁信号中的方波干扰和三角波干扰，巧妙地选用改进多尺度散布熵作为特征输入聚类分析，达到自动识别低频缓变化信号段(有用信号段)和强干扰信号段(噪声段)的目的，随后将识别为大地电磁强干扰信号段进行正交匹配追踪剔除噪声，并与有用信号段进行合并得到重构的大地电磁信号，进而有针对性地压制了大地电磁信号中的噪声干扰，保留了大地电磁有用信号，避免了现有技术进行整体处理时丢失的部分有用信号和现有技术在多特征提取及聚类或分类时的效率问题。其中，本专利技术所选用的改进多尺度散布熵是将原始信号进行粗粒化处理，再统计粗粒化序列的散布模式概率的均值，并基于多尺度过程结合香农熵定义计算出的散布熵。其一方面，改进多尺度散布熵利用尺度因子下粗粒化序列的散布模式概率来计算均值，能有效地减少熵值随着尺度因子的增大而引起的波动，提高了多尺度分析的稳定性，减小计算偏差，另一方面，选用改进多尺度散布熵是从大地电磁时间序列的复杂性和不规则程度特征考虑的，改进多尺度散布熵越大，表示的混乱程度越高，更能反映强干扰信号段的不规则程度。然而，提取大地电磁数据特征是基于多尺度下粗粒化过程时对散布模式概率计算均值，并随着尺度的变化，本专利技术的特征参数值更加稳定，因此，本专利技术选用的改进多尺度散布熵特征能更加精细地描述大地电磁信号与噪声，提高MT数据的稳定性及计算特征时的效率。进一步优选，嵌入维数m的取值范围为：[2,3]，类别个数c的取值范围为：[4,7]，时延d的取值范围为：[1,3]，尺度因子τ的取值范围为：[2,7]。进一步优选，将一段大地电磁信号在尺度因子τ下进行多尺度粗粒化处理得到τ组粗粒化序列的过程为：所述τ组粗粒化序列中第k个粗粒化序列表示为：分别为粗粒化序列中的第一个、第二个元素；式中，表示粗粒化序列中的第j个元素，xi表示所述一段大地电磁信号中第i个信号，N表示所述一段大地电磁信号的长度，即第i个信号段Xi的长度为N。进一步优选，步骤S3中采用正交匹配追踪算法对所述强干扰信号段进行去噪；其中，所述正交匹配追踪算法中过完备原子库包含了Fourier原子库和小波原子库，原子设定为正余弦原子和小波原子。其中，Fourier原子库是简谐三角函数，表示傅里叶变换中的基，对简谐信号匹配，该原子由频率f和相位两个参数决定，当相位分别为0和1时就是余弦原子ar＝cos(2πft)和正弦原子ar＝sin(2πft)；小波原子库基于小波函数，通过离散尺度参数和时间平移参数来构建过完备原子库。进一步优选，采用正交匹配追踪算法对所述强干扰信号段进行去噪的过程如下：步骤S3.1：构建过完备原子库Γ；步骤S3.2：从过完备原子库Γ的原子库中任意选择第r个原子，并对所选原子进行正交化处理；步骤S3.3：利用正交化处理后的原子更新原子集合，初始的所述原子集合为空集；式中，φn、φn-1分别表示第n次、第n-1次稀疏分解的原子集合，表示当前第n次稀疏分解中步骤S3.2所选的正交化处理后的原子；步骤S3.4：利用最小二乘法计算投影系数bn，再利用投影系数bn与更新的原子集合φn相乘获得重构信号，并利用重构信号更新残差信号：式中，bn表示当前第n次稀疏分解对应的投影系数，Rn-1、Rn分别表示第n-1次、第n次稀疏分解对应的残差信号，初始残差信号R0为所述强干扰信号段f，表示当前第n次稀疏分解对应的重构信号，T表示转置；<本文档来自技高网...

【技术保护点】
1.一种基于改进多尺度散布熵的大地电磁信号去噪方法，其特征在于：包括以下步骤：/n步骤S1：将待去噪的大地电磁信号分段，再分别提取每段大地电磁信号的改进多尺度散布熵；/n其中，将一段大地电磁信号在尺度因子τ下进行多尺度粗粒化处理得到τ组粗粒化序列，再统计尺度因子τ下粗粒化序列的散布模式概率的均值，并结合香农熵定义和所述散布模式概率的均值得到所述一段大地电磁信号的改进多尺度散布熵；/n步骤S2：利用每段大地电磁信号的改进多尺度散布熵进行聚类分析识别出强干扰信号段和低频缓变化信号段；/n步骤S3：对所述强干扰信号段进行去噪；/n步骤S4：将步骤S3中去噪后的信号段与低频缓变化信号段进行合并拼接得到重构的大地电磁信号。/n

【技术特征摘要】
1.一种基于改进多尺度散布熵的大地电磁信号去噪方法，其特征在于：包括以下步骤：
步骤S1：将待去噪的大地电磁信号分段，再分别提取每段大地电磁信号的改进多尺度散布熵；
其中，将一段大地电磁信号在尺度因子τ下进行多尺度粗粒化处理得到τ组粗粒化序列，再统计尺度因子τ下粗粒化序列的散布模式概率的均值，并结合香农熵定义和所述散布模式概率的均值得到所述一段大地电磁信号的改进多尺度散布熵；
步骤S2：利用每段大地电磁信号的改进多尺度散布熵进行聚类分析识别出强干扰信号段和低频缓变化信号段；
步骤S3：对所述强干扰信号段进行去噪；
步骤S4：将步骤S3中去噪后的信号段与低频缓变化信号段进行合并拼接得到重构的大地电磁信号。


2.根据权利要求1所述的方法，其特征在于：所述改进多尺度散布熵的公式如下：






式中，m表示嵌入维数，c表示类别个数，d表示时延，Xi表示第i段大地电磁信号，1≤i≤n，n为待去噪的大地电磁信号分段后的总段数；IMDE(Xi,m,c,d,τ)表示嵌入维数m、类别个数c、时延d、尺度因子τ确定时第i段大地电磁信号Xi对应的改进多尺度散布熵；表示散布模式，表示尺度因子τ下的粗粒化序列的散布模式概率的均值，表示一个粗粒化序列对应的一种散布模式的概率，表示尺度因子为τ时的第k个粗粒化序列，cm表示散布模式的总个数，D＝1表示第一个散布模式，v0v1...vm-1分别对应嵌入向量中的m个元素值，嵌入向量是由粗粒化序列转换而来。


3.根据权利要求2所述的方法，其特征在于：嵌入维数m的取值范围为：[2,3]，类别个数c的取值范围为：[4,7]，时延d的取值范围为：[1,3]，尺度因子τ的取值范围为：[2,7]。


4.根据权利要求1所述的方法，其特征在于：将一段大地电磁信号在尺度因子τ下进行多尺度粗粒化处理得到τ组粗粒化序列的过程为：所述τ组粗粒化序列中第k个粗粒化序列表示为：分别为粗粒化序列中的第一个、第二个元素；



式中，表示粗粒化序列中的第j个元素，xi表示所述一段大地电磁信号中第i个信号，N表示所述一段大地电磁信号的长度。
<...

【专利技术属性】
技术研发人员：张贤，李帝铨，李晋，蒋奇云，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43