一种基于深度卷积神经网络的电磁信号提取与处理方法技术

本发明专利技术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。于反演计算和解释分析的数据资料。于反演计算和解释分析的数据资料。

【技术实现步骤摘要】
一种基于深度卷积神经网络的电磁信号提取与处理方法


[0001]本专利技术涉及地球探测与信息
，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。

技术介绍

[0002]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。
[0003]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：
[0004](1)在仪器设备上通过物理技术的改进，克服本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一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。2.根据权利要求1所述的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。3.根据权利要求1所述的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，所述抽道前测点数据调平具体包括：以交点差值的算术平均值加、减2～3倍均方差作为衡量标准，判断时按下式进行：其中，为每条切割线上交点差的算术平均值，dδ
i
为均方差。4.根据权利要求1所述的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，所述测点叠加与测线抽道具体包括采取梯形叠加技术进行处理，梯形叠加窗宽为6个测点的距离，平均12个测点上的数据经叠加得到1个物理点上的衰减曲线。5.根据权利要求4所述的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，所述测点叠加与测线抽道还包括抽道确定原始衰减曲线取样道的中心时间，中心时间以10
0.1
倍数关系为等对数间隔，再确定数据取样窗口宽度，数据窗宽也以10
0.1
倍数关系为等对数间隔，抽道后的数据作为深度卷积神经网络模型的输入数据。6.根据权利要求1所述的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...

【专利技术属性】
技术研发人员：吴旭，欧鸥，冷小鹏，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：