基于字典学习和噪声分类的瞬变电磁信号降噪研究

作     者：熊松龄 

作者单位：桂林电子科技大学 

学位级别：硕士

导师姓名：曾庆宁

授予年度：2021年

学科分类：11[军事学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081002[工学-信号与信息处理] 110503[军事学-军事通信学] 

主      题：瞬变电磁信号 字典学习 噪声分类 有监督降噪 半监督降噪 

摘      要：瞬变电磁法是一种建立在电磁感应原理基础上的有源测量方法,根据测得的瞬变电磁信号分析地电体之间的电阻率差异,进而达到探测地下地质体的目的。然而,瞬变电磁信号容易受到各种噪声的影响,尤其是在信号的晚期测道处,噪声可能会淹没有效的瞬变电磁信号,导致信号的利用受限,影响对深部目标的探测。瞬变电磁信号降噪是指利用各种方法,尽可能地压制噪声,提取有效的瞬变电磁信号,以便后续的处理。目前的瞬变电磁信号降噪方法大多只对特定的噪声有效,这对实际环境下极可能同时存在多种噪声的情况显得力不从心。近年来,字典学习和噪声分类技术的不断发展为瞬变电磁信号降噪提供了一种新的思路。字典学习可以分别提取噪声和纯净的瞬变电磁信号的特征,利用其特征从带噪的瞬变电磁信号中恢复有效的瞬变电磁信号。而噪声分类技术可以鉴别出带噪的瞬变电磁信号中的噪声种类,辅助字典学习降噪方法在实际环境中的使用。下面以非负矩阵分解的有监督和半监督两种降噪方法为主线,介绍本文的主要工作。首先,提出了基于卷积神经网络的噪声分类器。对要分类的四种噪声进行短时傅里叶变换。再将获得的幅度谱和相位谱作为特征输入到已构建的15层分类器进行分类。实验结果表明该分类器的性能良好。其次,引入非负矩阵分解的有监督降噪方法。在训练阶段,分别对噪声和纯净的瞬变电磁信号进行非负矩阵分解,获得表征其各自特征的原子字典。进而,利用降噪模型对带噪的瞬变电磁信号降噪。在实际的瞬变电磁信号降噪过程中,利用已训练好的分类器对实际的瞬变电磁晚期信号进行噪声分类,确定实际噪声的种类,进而利用计算机模拟出相应的噪声,以便非负矩阵分解的有监督降噪方法在实际环境中的使用。实验结果表明,该方法的降噪性能良好,能有效地抑制噪声。最后,引入非负矩阵分解的半监督降噪方法。在训练阶段,只对纯净的瞬变电磁信号进行非负矩阵分解,获得表征其特征的原子字典。同样,再利用相应的降噪模型对带噪的瞬变电磁信号降噪。实验结果表明,该方法对噪声抑制效果良好。