一种基于多特征融合卷积神经网络的弱磁异常自适应探测方法技术

本发明专利技术涉及一种基于多特征融合卷积神经网络的弱磁异常自适应探测方法。分析目标产生的磁异常信息，选择希尔伯特边际谱、希尔伯特瞬时能量和小波系数作为磁异常的预处理特征信息，构建基于卷积神经网络的弱磁异常探测模型，通过磁异常数据的训练集和测试集，获得最优参数的感知模型，利用该模型实现对弱磁异常的探测。本发明专利技术能够通过磁异常的预处理特征信息使得输入卷积神经网络的输入信息具有更明确的物理含义，提升了神经网络的性能。同时采用多个特征信息对磁异常信号进行判断，降低了目标探测的虚警概率，提高探测精度，提升低信噪比下磁性目标的探测能力。噪比下磁性目标的探测能力。噪比下磁性目标的探测能力。

【技术实现步骤摘要】
一种基于多特征融合卷积神经网络的弱磁异常自适应探测方法


[0001]本专利技术所涉及到一种基于多特征融合卷积神经网络的弱磁异常自适应探测方法。该方法可广泛用于能源矿藏勘测、水下各种管线探测、水下目标探测、水下考古、沉船勘测、扫雷反潜等领域。

技术介绍

[0002]文献“Processing of magnetic scalar gradiometer signals using orthonormalized functions[J].Sensors&Actuators A,2002,102(1
‑
2):67
‑
75”和“An efficient method for processing scalar magnetic gradiometer signals[J].Sensors&Actuators A,2004,114(1):73
‑
79”公开了一种基于正交基函数的磁异常探测方法。该方法是通过构建一组正交基函数，利用该正交基函数处理磁场梯度信号，根据正交基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征融合卷积神经网络的弱磁异常自适应探测方法，其特征在于步骤如下：步骤1：确定磁异信号常对应的预处理特征信息：希尔伯特边际谱、希尔伯特瞬时能量和小波近似系数：希尔伯特边际谱：希尔伯特瞬时能量：IE(t)＝∫
ω
H2(ω,t)dω
ꢀꢀꢀꢀꢀꢀꢀ
(2)式中，H(ω,t)表示信号的希尔伯特谱；小波近似系数：式中，G(t)表示磁信号，ψ
j,k
(t)表示小波函数；步骤2：在磁场数据集中，标定磁异常信号；将数据分为训练集和测试集两部分；构建一维卷积神经网络模型，该模型含有3个卷积模块，分别处理步骤1中的一种预处理特征信息；每个卷积模块分别含有卷积层、池化层、全连接层；3个卷积模块输出的特征信息通过拼接层合成磁信号的特征向量；...

【专利技术属性】
技术研发人员：樊黎明，赵维娜，王惠刚，胡浩，杨龙飞，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：