一种大地电磁去噪方法及系统技术方案

本发明专利技术涉及一种大地电磁去噪方法及系统，对大地电磁脉动信号进行重叠分段，确定每个测深数据段的近似熵，将近似熵大于近似熵阈值的测深数据段确定为有效测深数据段，将其他测深数据段确定为待去噪测深数据段，选用近似熵对数据段进行筛选，防止了对有效测深数据段的“过处理”；对待去噪测深数据段进行奇异值分解，将分解后的奇异值矩阵、左和右奇异矩阵相乘，获得多个分量矩阵，构造相应的分量数据段，确定每个分量数据段的近似熵，将筛选的近似熵大于测深数据段的近似熵的分量数据段求和，获得去噪后的测深数据段，实现了去噪的目的；最后将去噪后的测深数据段和有效测深数据段重构，获得重构去噪大地电磁脉动信号，提高了数据去噪的准确性。据去噪的准确性。据去噪的准确性。

【技术实现步骤摘要】
一种大地电磁去噪方法及系统


[0001]本专利技术涉及数据处理领域，特别是涉及一种大地电磁去噪方法及系统。

技术介绍

[0002]大地电磁测深法(Magnetotelluric sounding，简称MT)在地表观测天然电磁场信号经地下介质产生的分量扰动值，以此来获取地下介质的电性结构。其场源为天然电磁场，有效信号起源于闪电放电、太阳风与地球磁层的相互作用，相较人工场源的电磁测深法，MT具有频带信息丰富、探测深度大等优势，因此被广泛应用于油气田普查勘探、地震预报、矿区找矿等多个领域中。但天然电磁场信号较弱，在测量期间易受到各种电磁噪声的干扰，在矿集区等强干扰环境中受到的影响尤甚。而有效信号与噪声干扰具有明显不一致的性质，有效信号具有随机、非平稳、非高斯等特性，干扰信号往往有着一定的极化方向、信号能量较强，且当强干扰源距测点较近时，干扰信号会完全覆盖有效信号。从而导致数据质量极差，在估算阻抗时发生严重偏差，引起近源干扰现象。因此，实现对噪声的有效压制是MT法能够获得准确地电结构的前提。
[0003]目前针对大地电磁噪声的去除方法可主要分为以下三类：
①
时域处理方法：该类方法主要针对时间序列中明显存在的噪声形态进行识别并去除，其典型代表有形态滤波法、子空间增强算法、匹配追踪和压缩感知等方法，该类算法对于特定形态的噪声具有较好的处理效果，但对于复杂形态噪声的压制效果并不理想。比如采用矩形结构元素的形态滤波法仅对方波的处理效果最佳，而不能有效去除充放电三角波等其他形态的大尺度噪声与突变噪声。因此，目前常联合多种时域方法进行去噪处理，但相应的处理时间也随之增加；
②
时频转换方法：将时间序列转换到其他域(比如频域、小波域等)，通过筛选信号的谱信息来去除噪声，典型代表有小波分析、经验模态分解(Empirical mode decomposition)、变分模态分解(Variational mode decomposition)等方法，但具有母小波函数与分解层数选取、模态混叠、预设参数选取等解决难题。
③
频域处理方法：该类方法有最小二乘法、Robust估计、远参考法等，且主要与阻抗估计相联系，比如远参考法利用参考点与测点之间的互功率谱数据代替测点本身的自功率谱数据进行阻抗计算，能够去除测点数据中与参考点不相关的噪声，但该方法对参考点数据的信噪比要求较高，且难以确定参考点的位置，当位置选择不恰当时，去除噪声的效果较差。因此当采集数据信噪比较高或存在噪声的形态较规整时，利用上述现有的大地电磁去噪技术能够取得较好的处理效果，但在实际观测时，噪声形态往往复杂多变，在矿集区尤甚，难以满足高信噪比的要求。
[0004]根据大地电磁有效信号和干扰信号性质的差异，提出利用SVD分解(Singular Value Decomposition，奇异值分解)去除噪声。在进行SVD分解前，需将一维时序向量转变为多维矩阵，SVD分解则是通过多维矩阵的整体特征和每行向量的局部特征提取出不同的奇异值(从大到小排列，在一定程度上可理解为场源值)，通过奇异值计算出时序向量的各分解分量，每个分量为由不同场源激发的电磁波信号，通过判断分量是否为有效信号，来达到去噪的目的。因此该方法在去除噪声时主要与分解的分量个数有关(当分量个数较多时，
信号分解越细致，能将有效信号与噪声完全分离，但处理时间相应增长；当分量个数较少时，处理速度较快，但可能会损失有效信号)，对信噪比无要求，能够应用于矿集区的数据去噪处理。且该方法不依据噪声形态来进行去噪处理，而是通过识别并去除干扰(奇异值)场源。干扰源激发的电磁波形态复杂多变，因此该方法能够同时处理多种类型的噪声，不受噪声形态的限制。但当数据段为纯净信号时，仍进行筛选分量的去噪处理，便会出现有效信号的“过处理”问题。

技术实现思路

[0005]本专利技术的目的是提供一种大地电磁去噪方法及系统，以减少对数据的过处理，提高数据去噪的准确性。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种大地电磁去噪方法，所述方法包括：
[0008]利用大地电磁测深法测量大地不同深度的大地电磁脉动信号；
[0009]对所述大地电磁脉动信号进行重叠分段，获得多个测深数据段；
[0010]基于近似熵理论，确定每个测深数据段的近似熵；
[0011]将近似熵小于或等于近似熵阈值的测深数据段确定为待去噪测深数据段，并将近似熵大于近似熵阈值的测深数据段确定为有效测深数据段；
[0012]根据所述待去噪测深数据段，构造待去噪矩阵；
[0013]对所述待去噪矩阵进行奇异值分解，获得所述待去噪矩阵的奇异值矩阵、左奇异矩阵和右奇异矩阵；
[0014]将所述奇异值矩阵的每个对角线元素、所述左奇异矩阵对应的列向量和所述右奇异值矩阵对应的行向量相乘，获得所述待去噪测深数据段的多个场源分量矩阵；
[0015]将每个场源分量矩阵转变为分量数据段；
[0016]基于近似熵理论，确定每个分量数据段的近似熵；
[0017]筛选分量数据段的近似熵大于所述待去噪测深数据段的近似熵的分量数据段，并将筛选出来的分量数据段求和，获得去噪后的测深数据段；
[0018]将所述去噪后的测深数据段和所述有效测深数据段进行重构，获得重构去噪大地电磁脉动信号。
[0019]可选的，所述对所述大地电磁脉动信号进行重叠分段，获得多个测深数据段，具体包括：
[0020]对所述大地电磁脉动信号x1,x2,
…
x
w
进行重叠分段处理，获得每个测深数据段X
v
＝{x
(v-1)*N+1
,x
(v-1)*N+2
,
…
,x
(v-1)*N+N
}；
[0021]其中，x1,x2,
…
x
w
分别为第1个、第2个、第w个大地电磁脉动信号，w为大地电磁脉动信号的长度，x
(v-1)*N+1
、x
(v-1)*N+2
、x
(v-1)*N+N
分别为第v个测深数据段的第1个、第2个和第N个数据，N为测深数据段长度，v＝1,2，
…
,l，l为测深数据段的个数，l＝(w-αN)/N(1-α)，α为数据重叠率。
[0022]可选的，所述基于近似熵理论，确定每个测深数据段的近似熵，具体包括：
[0023]初始化汉克尔矩阵的嵌入维数为h；
[0024]对每个测深数据段分别构造所述嵌入维数的汉克尔矩阵；所述汉克尔矩阵中的每
一列为一个模式向量；
[0025]利用公式确定所述汉克尔矩阵中第p个模式向量与所述汉克尔矩阵的第q个模式向量的最大距离；
[0026]统计所述汉克尔矩阵中第p个模式向量分别与所述汉克尔矩阵的所有模式向量的最大距离小于或等于模式容错阈值的个数；
[0027]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大地电磁去噪方法，其特征在于，所述方法包括：利用大地电磁测深法测量大地不同深度的大地电磁脉动信号；对所述大地电磁脉动信号进行重叠分段，获得多个测深数据段；基于近似熵理论，确定每个测深数据段的近似熵；将近似熵小于或等于近似熵阈值的测深数据段确定为待去噪测深数据段，并将近似熵大于近似熵阈值的测深数据段确定为有效测深数据段；根据所述待去噪测深数据段，构造待去噪矩阵；对所述待去噪矩阵进行奇异值分解，获得所述待去噪矩阵的奇异值矩阵、左奇异矩阵和右奇异矩阵；将所述奇异值矩阵的每个对角线元素、所述左奇异矩阵对应的列向量和所述右奇异值矩阵对应的行向量相乘，获得所述待去噪测深数据段的多个场源分量矩阵；将每个场源分量矩阵转变为分量数据段；基于近似熵理论，确定每个分量数据段的近似熵；筛选分量数据段的近似熵大于所述待去噪测深数据段的近似熵的分量数据段，并将筛选出来的分量数据段求和，获得去噪后的测深数据段；将所述去噪后的测深数据段和所述有效测深数据段进行重构，获得重构去噪大地电磁脉动信号。2.根据权利要求1所述的大地电磁去噪方法，其特征在于，所述对所述大地电磁脉动信号进行重叠分段，获得多个测深数据段，具体包括：对所述大地电磁脉动信号x1,x2,
…
x
w
进行重叠分段处理，获得每个测深数据段X
v
＝{x
(v-1)*N+1
,x
(v-1)*N+2
,
…
,x
(v-1)*N+N
}；其中，x1,x2,
…
x
w
分别为第1个、第2个、第w个大地电磁脉动信号，w为大地电磁脉动信号的长度，x
(v-1)*N+1
、x
(v-1)*N+2
、x
(v-1)*N+N
分别为第v个测深数据段的第1个、第2个和第N个数据，N为测深数据段长度，v＝1,2，
…
,l，l为测深数据段的个数，l＝(w-αN)/N(1-α)，α为数据重叠率。3.根据权利要求1所述的大地电磁去噪方法，其特征在于，所述基于近似熵理论，确定每个测深数据段的近似熵，具体包括：初始化汉克尔矩阵的嵌入维数为h；对每个测深数据段分别构造所述嵌入维数的汉克尔矩阵；所述汉克尔矩阵中的每一列为一个模式向量；利用公式确定所述汉克尔矩阵中第p个模式向量与所述汉克尔矩阵的第q个模式向量的最大距离；统计所述汉克尔矩阵中第p个模式向量分别与所述汉克尔矩阵的所有模式向量的最大距离小于或等于模式容错阈值的个数；基于近似概率理论，根据所述个数，利用公式C
ph
(r)＝N
ph
(r)/(N-h+1)，确定第p个模式向量在所述汉克尔矩阵的近似概率值；
根据所述近似概率值，利用公式确定每个测深数据段在h嵌入维数下的近似概率平均值；令嵌入维数h增加1，返回步骤“对每个测深数据段分别构造嵌入维数为h的汉克尔矩阵”，确定每个测深数据段在h+1嵌入维数下的近似概率平均值；根据每个测深数据段在h嵌入维数下的近似概率平均值和每个测深数据段在h+1嵌入维数下的近似概率平均值，利用公式确定每个测深数据段的近似熵；其中，d
max
[y(p),y(q)]为汉克尔矩阵中第p个模式向量与汉克尔矩阵的第q个模式向量的最大距离，y(p)为汉克尔矩阵中第p个模式向量，y(q)为汉克尔矩阵的第q个模式向量，x(p+δ)为汉克尔矩阵中第p个模式向量的第δ个元素，x(q+δ)为汉克尔矩阵中第q个模式向量的第δ个元素，δ＝1,2,
…
,h，C
ph
(r)为第p个模式向量在汉克尔矩阵的近似概率值，N
ph
(r)为最大距离小于或等于模式容错阈值的个数，r为模式容错阈值，N为测深数据段长度，为测深数据段在h嵌入维数下的近似概率平均值，为测深数据段在h+1嵌入维数下的近似概率平均值，Ae
i
为第i个测深数据段的近似熵。4.根据权利要求1所述的大地电磁去噪方法，其特征在于，所述根据所述待去噪测深数据段，构造待去噪矩阵，具体包括：根据预设矩阵维数，将第a个待去噪测深数据段X
a
＝{x
(a-1)*N+1
,x
(a-1)*N+2
,
…
,x
(a-1)*N+N
,}等分为多段；根据等分后的每一段，构造待去噪矩阵其中，X
a
为第a个待去噪测深数据段，x
(a-1)*N+1
、x
(a-1)*N+2
、x
(a-1)*N+n
、x
(a-1)*N+1+n
、x
(a-1)*N+2n
、x
a*N+1-n
和x
(a-1)*N+N
分别表示第a个待去噪测深数据段第1个、第2个、第n个、第n+1个、第2n个、第N-n+1个和第N个数据，N为测深数据段长度，n为预设矩阵长度，n＝N/m，m为预设矩阵维数。5.根据权利要求4所述的大地电磁去噪方法，其特征在于，所述对所述待去噪矩阵进行奇异值分解，获得所述待去噪矩阵的奇异值矩阵、左奇异矩阵和右奇异矩阵，之后还包括：确定所述奇异值矩阵中每个奇异值与所有奇异值总和的比值；以所述奇异值矩阵中奇异值的个数为横坐标，以所述比值为纵坐标，绘制奇异值比重折线图；判断所述奇异值比重折线图的尾支对应的纵坐标是否均小于比值阈值，获得判断结果；若所述判断结果表示是，则输出所述待去噪矩阵的奇异值矩阵、左奇异矩阵和右奇异矩阵；若所述判断结果表示否，则更新所述预设矩阵维数，返回步骤“根据预设矩阵维数，将第a个待去噪测深数据段X
a
＝{x
(a-1)*N+1
,x
(a-1)*N+2
,
…
,x
(a-1)*N+N
,}等分为多段”。
6.根据权利要求1所述的大地电磁去噪方法，其特征在于，所述将...

【专利技术属性】
技术研发人员：韩江涛，周瑞，刘立家，郭振宇，
申请(专利权)人：吉林大学，
类型：发明
国别省市：