一种基于优化变分模态分解的电磁信号处理方法和装置制造方法及图纸

本申请公开了一种基于优化变分模态分解的电磁信号处理方法和装置，该方法包括：将待处理的电磁信号进行等距分段；利用最小包络熵作为改进鲸鱼优化算法的适应度函数，迭代得到模态个数K与惩罚因子α；使用所述K和所述α对分段后的所述电磁信号进行变分模态分解处理，得到K个模态分量；从所述K个模态分量中选择大于等于阈值的模态分量进行叠加获取重构有用信号，其中，所述阈值为去趋势波动分析中的标度指数值。通过本申请解决了VMD中靠主观经验设置参数难以消除不同人文电磁干扰的问题，从而自适应选取重构信号所需的参数，提升了去噪效果及信噪比。效果及信噪比。效果及信噪比。

【技术实现步骤摘要】
一种基于优化变分模态分解的电磁信号处理方法和装置


[0001]本申请涉及到电磁领域，具体而言，涉及一种基于优化变分模态分解的电磁信号处理方法和装置。

技术介绍

[0002]噪声是限制电磁勘探应用效果的主要因素，噪声也严重制约了数据质量，导致视电阻率
‑
相位曲线过度失真，极大地影响了地下电性结构的可解释性及采集数据本身的可靠性。因此，在强干扰地区开展电磁信号去噪研究将提升数据的质量，并能从不同程度污染的电磁法数据中获取真实的电性结构。
[0003]针对智能优化与信号处理在电磁信号去噪处理中的应用，经验模态分解(EMD)、局域均值分解(LMD)等算法消除了常见的人文电磁干扰，改善了受干扰的电磁数据的质量。由于EMD、LMD算法存在模态混叠，导致分解效果失真。因此，变分模态分解(Variational Mode Decomposition,VMD)是一种完全非递归、自适应的信号分解方法，该方法通过迭代搜寻变分模型的最优解来确定每个分量的中心频率和带宽，从而能够自适应地实现信号的频域剖分及各分量的有效分离，同时也有效克服了EMD、LMD算法存在的不足。当VMD应用于电磁信号处理时，该算法参数中的模态分量个数K和惩罚因子α无法自适应获取，导致了无法最优分解信号及获取不真实的重构信号，从而降低了去噪效果。
[0004]在现有技术中，VMD中的模态分量个数K和惩罚因子α需人为预先设置参数，这种基于主观经验设置参数的方法难以消除不同人文电磁干扰的影响。

技术实现思路

[0005]本申请实施例提供了一种基于优化变分模态分解的电磁信号处理方法和装置，以至少解决VMD中靠主观经验设置参数难以消除不同人文电磁干扰的问题。
[0006]根据本申请的一个方面，提供了一种基于优化变分模态分解的电磁信号处理方法和装置，包括：将待处理的电磁信号进行等距分段；利用最小包络熵作为改进鲸鱼优化算法的适应度函数，迭代得到模态个数K与惩罚因子α；使用所述K和所述α对分段后的所述电磁信号进行变分模态分解VMD处理，得到K个模态分量；从所述K个模态分量中选择大于等于阈值的模态分量进行叠加获取重构有用信号，其中，所述阈值为去趋势波动分析中的标度指数值。
[0007]进一步地，利用最小包络熵作为改进鲸鱼优化算法的适应度函数，迭代得到模态个数K与惩罚因子α包括：确定鲸鱼种群规模，随机生成X只鲸鱼的位置，将[K，α]设置为鲸鱼的位置向量，其中，所述K为模态个数与所述α为惩罚因子；计算每只鲸鱼的适应度函数值，确定当前适应度值最优的鲸鱼个体；在定义最优鲸鱼位置后，别的鲸鱼个体朝向鲸鱼位置游去以更新自身的位置，进行鲸鱼捕食的过程；对整个鲸鱼种群进行判断，通过镜像选择策略改进种群的多样性，确定全局最优的鲸鱼个体及位置；满足最大迭代次数，终止搜寻，输出全局最优解；否则继续进行迭代。
[0008]进一步地，所述适应度函数如下：式中，N表示个数，p
i
表示第i个经Hilbert变换的包络信号，E表示包络熵值。
[0009]进一步地，确定当前适应度值最优的鲸鱼个体的计算如下：进一步地，确定当前适应度值最优的鲸鱼个体的计算如下：式中，表示鲸鱼个体与最优鲸鱼位置之间的距离，表示摆动因子，表示第t代中最优鲸鱼的位置，表示第t代中鲸鱼个体的位置，| |表示绝对值，表示[0,1]之间的随机数，表示收敛因子，表示随迭代次数的增加从2线性递减至0的值。
[0010]进一步地，别的鲸鱼个体朝向鲸鱼位置游去以更新自身的位置，进行鲸鱼捕食的过程通过如下计算：
[0011][0012][0013][0014]式中，表示鲸鱼到食物的距离，表示鲸鱼捕食的数学模型，分别表示鲸鱼摇摆包围捕食和螺旋姿势游动吐气泡捕食，b表示螺旋形常数，l表示[0,1]之间的随机数，e表示指数因子，p表示[0,1]之间的随机数。
[0015]进一步地，对整个鲸鱼种群进行判断，通过镜像选择策略改进种群的多样性，确定全局最优的鲸鱼个体及位置通过如下计算：
[0016][0017][0018][0019]式中，B
u
表示单个鲸鱼个体上限向量，B
l
表示单个鲸鱼个体下限向量，表示镜像独立鲸鱼个体的位置，表示当前种群中随机一只鲸鱼的位置，表示全局最优解。
[0020]进一步地，所述的全局最优解为优化VMD参数的最优组合
[0021]进一步地，所述K的取值范围为2～15，所述α的取值范围为10～5000。
[0022]进一步地，从所述K个模态分量中选择大于等于阈值的模态分量进行叠加获取重构有用信号包括：
[0023][0024][0025]式中，argmax表示为取最大值的参量，y表示标度指数，θ表示阈值为0.75，J表示标度指数大于等于阈值的个数，cz(t)表示t时刻的重构信号，u
j
表示第j个模态分量。
[0026]根据本申请的另一个方面，还提供了一种基于优化变分模态分解的电磁信号处理装置，其特征在于，包括至少一个模块，其中，所述至少一个模块用于执行上述的方法。
[0027]在本申请实施例中，采用了将待处理的电磁信号进行等距分段；利用最小包络熵作为改进鲸鱼优化算法的适应度函数，迭代得到模态个数K与惩罚因子α；使用所述K和所述α对分段后的所述电磁信号进行变分模态分解VMD处理，得到K个模态分量；从所述K个模态分量中选择大于等于阈值的模态分量进行叠加获取重构有用信号，其中，所述阈值为去趋势波动分析中的标度指数值。通过本申请解决了VMD中靠主观经验设置参数难以消除不同人文电磁干扰的问题，从而自适应选取重构信号所需的参数，提升了去噪效果及信噪比。
附图说明
[0028]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0029]图1是根据本申请实施例的方法的主流程图；
[0030]图2是根据本申请实施例的改进鲸鱼优化算法的流程图。
[0031]图3是根据本申请实施例的模拟含噪信号的经改进鲸鱼优化算法搜寻最佳VMD参数的收敛效果示意图；
[0032]图4是根据本申请实施例的模拟含噪信号经优化VMD后的模态分量效果示意图；
[0033]图5是根据本申请实施例的模拟含噪信号经VMD处理和优化VMD处理效果对比示意图；
[0034]图6是根据本申请实施例的实测信号经VMD处理和优化VMD处理效果对比示意图；
[0035]图7a和图7b是根据本申请实施例的实测点EL22189的视电阻率
‑
相位曲线图，其中，图7a为原始视电阻率方向，图7b为本申请实施例的方法处理后的视电阻率方向；
[0036]图8是根据本申请实施例的基于优化变分模态分解的电磁信号处理方法的流程图。
具体实施方式
[0037]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于优化变分模态分解的电磁信号处理方法，其特征在于，包括：将待处理的电磁信号进行等距分段；利用最小包络熵作为改进鲸鱼优化算法的适应度函数，迭代得到模态个数K与惩罚因子α；使用所述K和所述α对分段后的所述电磁信号进行变分模态分解处理，得到K个模态分量；从所述K个模态分量中选择大于等于阈值的模态分量进行叠加获取重构有用信号，其中，所述阈值为去趋势波动分析中的标度指数值。2.根据权利要求1所述的方法，其特征在于，利用最小包络熵作为改进鲸鱼优化算法的适应度函数，迭代得到模态个数K与惩罚因子α包括：确定鲸鱼种群规模，随机生成X只鲸鱼的位置，将[K，α]设置为鲸鱼的位置向量，其中，所述K为模态个数与所述α为惩罚因子；计算每只鲸鱼的适应度函数值，确定当前适应度值最优的鲸鱼个体；在定义最优鲸鱼位置后，别的鲸鱼个体朝向鲸鱼位置游去以更新自身的位置，进行鲸鱼捕食的过程；对整个鲸鱼种群进行判断，通过镜像选择策略改进种群的多样性，确定全局最优的鲸鱼个体及位置；满足最大迭代次数，终止搜寻，输出全局最优解；否则继续进行迭代。3.根据权利要求2所述的方法，其特征在于，所述适应度函数如下：式中，N表示个数，p
i
表示第i个经Hilbert变换的包络信号，E表示包络熵值。4.根据权利要求2所述的方法，其特征在于，确定当前适应度值最优的鲸鱼个体的计算如下：如下：如下：如下：式中，表示鲸鱼个体与最优鲸鱼位置之间的距离，表示摆动因子，表示第t代中最优鲸鱼的位置，表示第t代中鲸鱼个体的位置，| |表示绝对值，表示[0,1]之间的随机数，表示收敛因子，表示随迭代次数的增加从2线性递减至0的值。5.根据权利要求2所述...

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