【技术实现步骤摘要】
本专利技术属于去噪，涉及一种信号噪声处理方法，具体是一种瞬变电磁信号噪声识别并剔除的方法。
技术介绍
1、我国作为煤炭大国，以煤为主的能源结构在短期内难以改变。煤矿的开采需要不断将开采得到的矿石、煤炭等不断运出，开采完成后会在地下留下空洞或空腔，这样就形成了煤矿采空区。若不对类似采空区进行管理，则会在地面形成塌陷和积水，容易引起坍塌、顶板冒落、透水、瓦斯等自然灾害，无法保证矿区的安全和稳定，因此探测煤矿采空区并对其进行充填治理逐渐成为矿区地质勘探中非常重要的一环。
2、精准探测采空区是有效治理采空区的重要前提。目前探测煤矿采空区的方法良多，主要有钻探、地震法、电磁法等探测方法。而瞬变电磁法因探测深度大，工程应用快捷高效，且对低阻覆盖层灵敏、穿透性好等优点逐渐成为运用在其领域最为频繁的方法。它以地壳中各类岩石的导电性、极化率等性质的差异为基本依据，通过线圈接收二次场信号分析可获得地下地质成分信息。但由于二次场中后期信号幅值小，可能会受到随机噪声、传感器噪声、人为噪声和其他噪声的干扰，在后期这些噪声会影响瞬变电磁信号的强度，使信号发生扭曲变形，大大影响信号在探测过程中的强度，导致数据出现偏差，无法很好的反映出地质信息，降低了数据的信噪比，从而减弱了地形探测的准确度。因此，如何降低瞬变电磁信号中的噪声干扰从而获得更为纯净的瞬变电磁信号已经成为当下的首要任务。
3、目前采用的基于变分模态分解的瞬变电磁信号降噪方法自适应性好、对噪声有更强的鲁棒性、没有冗余噪声、计算简便且有坚实的数学基础，弥补了传统降噪方法的不足，
技术实现思路
1、本专利技术的目的就是提供一种瞬变电磁信号噪声识别并剔除的方法，能够提高瞬变电磁信号处理能力，提高降噪精度与效率，为反演提供更为有效的数据，从而提升探测的准确度。本专利技术为了实现上述目的所采用的技术方案是：
2、一种瞬变电磁信号噪声识别并剔除的方法，步骤包括：
3、s1、使用蜣螂优化算法优化选择变分模态分解中的两个关键参数；
4、将含有噪声的电磁信号输入，对变分模态分解的参数进行设置，并将蜣螂优化算法中的参数进行初始化，包括蜣螂种群数量，最大迭代次数，需要优化的参数个数，以及需要优化参数的范围上限和下限，并以最小样本熵作为适应度函数，利用蜣螂优化算法对变分模态分解中分解数量和惩罚因子的选择进行优化，输出最优参数组合。
5、s2、在确定变分模态分解中关键参数后，采用变分模态分解法对含噪信号序列进行自适应分解，分解出若干个具有不同中心频率的信号分量；
6、s3、将若干信号分量分别构造汉克尔矩阵，并对汉克尔矩阵进行奇异值分解及反运算，对全频率噪声进行剔除，从而得到分解后的初始降噪信号序列；
7、s4、针对残余的高斯白噪声使用小波阈值去噪对分解后的初始降噪信号序列进行降噪处理，重构后得到去噪后的瞬变电磁信号。
8、进一步的，s1中蜣螂优化算法是：模拟蜣螂的滚球、跳舞、产卵、觅食、偷窃行为建立数学模型，设计五种不同的位置更新规则来进行最优解的选择，包括：
9、规则一、滚球蜣螂位置更新算式如下：
10、xi(t+1)＝xi(t)+a×k×xi(t-1)+b×δx
11、δx＝|xi(t)-xw｜
12、式中，t表示当前迭代次数；xi(t)表示第i只蜣螂在第t次迭代时的位置信息；k∈(0,0.2]表示一个常数，该常数表示缺陷系数，预设为0.1；b表示一个属于(0,1)的常数，预设为0.3；α为自然系数，意味着许多自然因素(如风和不平整的地面)会使蜣螂偏离原来的方向，赋值为-1或1，其中α＝1表示不偏离，α＝-1表示偏离原方向；xw表示全局最差位置；δx用于模拟光强的变化，δx值越高，表示光源越弱。
13、规则二、跳舞蜣螂的位置更新算式如下：
14、xi(t+1)＝xi(t)+tanθ｜xi(t)-xi(t-1)|
15、式中，θ为属于[0，π]的倾斜角(当θ为0，π/2或π时，蜣螂的位置不会更新)；|xi(t)-xi(t-1)｜表示第i只蜣螂在第t次迭代时的位置与在第t-1次迭代时的位置之差。
16、规则三、产卵蜣螂的位置更新算式如下：
17、lb*＝max[x*×(1-r),lb]
18、ub*＝min[x*×(1+r),ub]
19、式中，x*表示当前局部最优位置；lb*和ub*分别表示产卵区域的下界和上界；r＝1-t/tmax，其中tmax表示最大迭代次数，r值决定了产卵区域的边界范围；lb和ub分别表示优化问题的下界和上界。同时，卵球的位置更新定义为：
20、bi(t)＝x*+b1×(bi(t)-lb*)+b2×(bi(t)-ub*)
21、式中，bi(t)为第i个卵球在第t次迭代时的位置信息；b1和b2表示大小为1×d,的两个独立随机向量；d表示所求解的优化问题的维数。这里需要注意的是，卵球的位置应严格限制在上述所求的产卵区域以内，不可无限扩张。
22、规则四、觅食蜣螂的位置更新算式如下：
23、xi(t+1)＝xi(t)+c1×(xi(t)-lbb)+c2×(xi(t)-ubb)
24、式中，xi(t)表示第i只觅食蜣螂在第t次迭代时的位置信息；c1表示服从正态分布的随机数，c2表示属于(0,1)的随机向量。其中，最佳觅食区域的边界范围定义如下：
25、lbb＝max[xb×(1-r),lb]
26、ubb＝min[xb×(1+r),ub]
27、式中，xb表示全局最佳位置；lbb和ubb分别表示最优觅食区域的下界和上界；r值决定了产卵区域的边界范围；lb和ub分别表示优化问题的下界和上界。
28、规则五、偷窃蜣螂的位置更新算式如下：
29、xi(t+1)＝xb+s×g×(｜xi(t)-x*|+|xi(t)-xb|)
30、式中，xi(t)表示第i个偷窃蜣螂在第t次迭代时的位置信息，g是大小为1×d的随机向量，服从正态分布，s表示常数。
31、s1中选用最小样本熵作为蜣螂优化算法优化变分模态分解的目标；样本熵是用来测量信号中出现新模式的概率，并测量其复杂性；变分模态分解后的信号分量噪声干扰越小，样本熵值越小；在优化迭代的过程中不断根据样本熵值更新种群的最佳适应度值，找出最好的适应度和平均适应度，并确定此时的分解数量个数和惩罚因子的值，包括步骤：
32、s11、按序号组成一组维数为m的向量序列：xm(1),xm(2),…,xm(n-m+1)，其中xm(i)＝x(i),x(i+1),…,x(i+m-1)，xm(i)代表从第i点开始的m个连续的x值；
33本文档来自技高网...
【技术保护点】
1.一种瞬变电磁信号噪声识别并剔除的方法，其特征在于：步骤包括：
2.根据权利要求1所述的一种瞬变电磁信号噪声识别并剔除的方法，其特征在于：所述S1中蜣螂优化算法是：模拟滚球蜣螂、跳舞蜣螂、产卵蜣螂、觅食蜣螂、偷窃蜣螂的行为建立数学模型，设计五种不同的位置更新规则来进行最优解的选择，包括：
3.根据权利要求1所述的一种瞬变电磁信号噪声识别并剔除的方法，其特征在于：所述S1中选用样本熵作为蜣螂优化算法优化变分模态分解的目标；样本熵是用来测量信号中出现新模式的概率，并测量其复杂性；变分模态分解后的信号分量噪声干扰越小，样本熵值越小；在优化迭代的过程中不断根据样本熵值更新种群的最佳适应度值，找出最好的适应度和平均适应度，并确定此时的分解数量个数和惩罚因子的值，包括步骤：
4.根据权利要求1所述的一种瞬变电磁信号噪声识别并剔除的方法，其特征在于：所述S2中在确定变分模态分解中关键参数后，采用变分模态分解法对含噪信号序列进行自适应分解，分解出若干个具有不同中心频率的信号分量，包括如下步骤：
5.根据权利要求1所述的一种瞬变电磁信号噪声识别并剔
6.根据权利要求1所述的一种瞬变电磁信号噪声识别并剔除的方法，其特征在于：所述S4为针对残余的高斯白噪声使用小波阈值去噪对将S3分解后的初始降噪信号序列进行降噪处理，重构后得到去噪后的瞬变电磁信号，其包括步骤：
...【技术特征摘要】
1.一种瞬变电磁信号噪声识别并剔除的方法，其特征在于：步骤包括：
2.根据权利要求1所述的一种瞬变电磁信号噪声识别并剔除的方法，其特征在于：所述s1中蜣螂优化算法是：模拟滚球蜣螂、跳舞蜣螂、产卵蜣螂、觅食蜣螂、偷窃蜣螂的行为建立数学模型，设计五种不同的位置更新规则来进行最优解的选择，包括：
3.根据权利要求1所述的一种瞬变电磁信号噪声识别并剔除的方法，其特征在于：所述s1中选用样本熵作为蜣螂优化算法优化变分模态分解的目标；样本熵是用来测量信号中出现新模式的概率，并测量其复杂性；变分模态分解后的信号分量噪声干扰越小，样本熵值越小；在优化迭代的过程中不断根据样本熵值更新种群的最佳适应度值，找出最好的适应度和平均适应度，并确定此时的分解数量个数和惩罚因子的值，包括步骤：...
【专利技术属性】
技术研发人员：冯国瑞，宋杜茜，戚庭野，曹光明，王昊晨，潘大伟，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。