[发明专利]一种基于深度卷积神经网络的电磁信号提取与处理方法

说明书

本发明公开了一种基于深度卷积神经网络的电磁信号提取与处理方法，所述基于深度卷积神经网络的电磁信号提取与处理方法通过小波滤波对原始数据进行初次去噪、抽道前测点数据调平、测点叠加与抽道处理、设计深度卷积神经网络(DCNN)模型的结构、利用模型进行计算识别等步骤，建立噪声和信号的特征提取机制，经过大量实测数据不断迭代学习，建立信噪分类识别的模型，有效提高地下大深度、全覆盖、无盲区探测数据的信号与噪声分离度，最大程度地获取用于反演计算和解释分析的数据资料。

技术领域

本发明涉及地球探测与信息技术领域，特别是一种基于深度卷积神经网络的电磁信号提取与处理方法。

背景技术

航空电磁探测技术通过搭载于飞行平台的发射回线向地下发射脉冲电磁场，在电磁场的激励下，大地内部产生涡旋电流，在欧姆效应作用下，大地内部的涡旋电流发生衰减，从而激励起新的电磁场，通过观测新的电磁场，提取并分析其中包含的地电信息，可达到探测地下地质结构的目的，其具有快速、高效、经济、适应性强，能够进入地面勘探无法实施的森林、沙漠、沼泽、湖泊、高原等地区的勘探优势，在地质勘探领域有着广泛的应用。根据搭载的飞行平台不同，航空电磁探测技术可分为固定翼飞机航空电磁探测技术和直升机载航空电磁探测技术，经过多年的发展，直升机载航空电磁探测技术逐渐成为主流。

航空电磁探测技术获得的电磁信号来源于时间域航空电磁探测仪器采集的实测数据，目前，针对时间域航空电磁数据信号的提取与处理技术，主要体现在以下三个层次：

(1)在仪器设备上通过物理技术的改进，克服系统本身二次场的影响,提高信噪比，主要提高线圈运动噪声的压制能力；

(2)传统信号处理方法，主要针对天电干扰的去除和线圈运动噪声的去除，分别利用高通滤波器、小波分解重构消噪，找出能够有效去除噪声的方法，在实现叠加和抽道后提取有效信号；

(3)统计分析及机器学习方法，主要通过各种主成分分析法、高斯回归分析法、基于核函数的支持向量机等，对信号和噪声进行分类识别，能够在传统技术处理基础上，提取出更高质量的信号数据。

针对探测仪器物理技术的改进，可以在一定程度上压制线圈运动噪声，但对于天电噪声和其他来源噪声影响有限。传统信号处理方法，如小波滤波、中值滤波等，能够较有效的分辨出信号中的突变部分和噪声,从而实现信号的消噪目的，但处理后的数据在晚期的测道上仍存在一定白噪声的干扰，随着噪声量级的增大，去噪效果逐渐变差。基于统计分析及机器学习方法的信号提取技术在不考虑具体噪声类型来源的条件下，针对数据本身的特征进行识别，从而更好的去处噪声数据，但目前该技术尚处于探索阶段，相关研究还不够深入。

目前，针对机载探测仪器的各种反演计算及解释技术不断发展，使时间域航空电磁法理论趋于成熟，但目前针对航空电磁数据预处理的研究却相对薄弱，不能满足勘探工作的需要,这将直接影响航空电磁探测技术的发展。

发明内容

针对背景技术中存在的技术问题，本发明提出一种基于深度卷积神经网络的电磁信号提取与处理方法，其特征在于，所述基于深度卷积神经网络的电磁信号提取与处理方法具体包括如下步骤：

1)小波滤波对原始数据进行初次去噪；

2)抽道前测点数据调平；

3)测点叠加与测线抽道；

4)设计深度卷积神经网络模型的结构；

5)利用所述深度卷积神经网络模型进行计算，识别噪声与信号的分布，将信号数据全部输出。

进一步地，所述小波滤波对原始数据进行初次去噪具体包括首先对测点原始数据求小波变换，然后设置阈值量化规则，利用小波变换重构，求出信号的滤波值。

进一步地，所述抽道前测点数据调平具体包括：