【技术实现步骤摘要】
基于GWO优化小波阈值的大地电磁信号去噪方法及系统
本专利技术属于信号处理
，具体涉及一种基于GWO优化小波阈值的大地电磁信号去噪方法及系统。
技术介绍
大地电磁探测法从20世纪50年代初由苏联学者Tikhonov和Cagniard提出至今，以野外成本低廉、无需人工供电、探测深度大、施工简便、对低阻层的分辨率高、不受高阻层的屏蔽等诸多优点，在探测地壳深部的结构和矿区勘察等方面得到了广泛应用，已逐渐成为地热和矿产资源勘察、地下水和油气普查、岩石层结构探测等诸多领域的一种及其重要的手段，引起了地球物理学家的极大重视。针对大地电磁信号的去噪处理，Huang等提出的经验模态分解（EmpiricalModeDecomposition,EMD）方法可实现自适应分解，但在分解过程中会产生模态混叠、端点震荡效应，影响去噪效果。为了克服这一缺点，Wu等提出以EMD方法为核心的集中经验模态分解（EmpiricalModeDecomposition,EEMD）算法，基于高斯白噪声频谱分布均匀的特点，通过在原始信号上多次加入白噪声的方...
【技术保护点】
1.一种基于GWO优化小波阈值的大地电磁信号去噪方法，其特征在于：包括如下步骤：/n步骤1：将待去噪的大地电磁信号进行分段，并对每段信号均进行
【技术特征摘要】
1.一种基于GWO优化小波阈值的大地电磁信号去噪方法，其特征在于：包括如下步骤：
步骤1：将待去噪的大地电磁信号进行分段，并对每段信号均进行小波层变换，得到最大尺度低频小波系数和各个尺度高频小波系数；
步骤2：基于GWO算法获取各个尺度下最优阈值作为最优分层阈值；
其中，将各个尺度下的阈值作为GWO算法中灰狼的位置参数；
步骤3：以每段信号为单元，利用对应的所述最优分层阈值进行去噪得到去噪后的大地电磁信号。
2.根据权利要求1所述的方法，其特征在于：步骤2中基于GWO算法获取各个尺度下最优阈值作为最优分层阈值的过程如下：
步骤2-1：参数初始化：灰狼种群规模、搜索空间维度、最大迭代次数、搜索空间上界，下界；
步骤2-2：初始化灰狼种群中每个灰狼个体的位置，所述位置表示各个尺度下的阈值；
步骤2-3：基于每个灰狼个体的当前位置计算每个灰狼个体的适应度，其中，适应度越小对应阈值越优；
步骤2-4：根据灰狼个体的适应度从小到大的顺序选取适应度靠前的3个灰狼个体的位置作为、、；
步骤2-5：基于所述、、采用种群搜索策略接近猎物，进而更新灰狼个体的位置；
步骤2-6：利用最优学习搜索方程学习步骤2-5中每个灰狼个体的位置得到学习后的位置，再返回步骤2-3进行下一次迭代计算；
其中，若是满足迭代终止条件，则将当前适应度最小的灰狼个体的位置作为各个尺度下最优阈值；否则，继续迭代寻优。
3.根据权利要求2所述的方法，其特征在于：步骤2-5中基于所述、、采用种群搜索策略接近猎物，进而更新灰狼个体的位置的过程中，所述种群搜索策略的更新公式如下：
式中，、、和、、分别为由不同随机数生成的随机系数，为灰狼个体的更新之前的位置，、、表示将、、分别作为猎物位置时，采用种群搜索策略更新的灰狼个体的位置；、、表示将、、分别作为猎物位置时，猎物与灰狼个体之间的距离；为灰狼个体的更新之后的位置。
4.根据权利要求2所述的方法，其特征在于：步骤2-6中利用最优学习搜索方程学习步骤2-5中灰狼个体的位置得到学习后的位置时，所述最优学习搜索方程如下：
其中，、分别为灰狼个体i在第次、第次迭代时的速度；为灰狼个体i的最优位置；为步骤2-5中灰狼个体i位置更新后的最新位置；为学习后灰狼个体i的位置；为惯性权重，、为随机数，、为预设系数，为狼群中适应度最小的灰狼个体的位置。
5.根据权利要求2所述的方法，其特征在于：步骤2-3中适应度的公式如下：
其中，表示基于位置对应...
【专利技术属性】
技术研发人员：李晋，刘姗姗，马翻红，刘业成，彭意群，汪嘉琳，张贤，王磊，
申请(专利权)人：湖南师范大学，
类型：发明
国别省市：湖南;43
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。