【技术实现步骤摘要】
本专利技术属于海洋电磁，尤其涉及一种海洋电磁数据噪音智能识别方法及系统。
技术介绍
1、
2、
3、陆上大地电磁法以及可控源电磁法通常受人文活动干扰较大，如工频干扰、工业区游离电流、密集的交通网、高压线、通信继站台网等，都会对数据采集产生较大的影响。相比之下，海洋电磁法接收机沉放于海底，由于海水对电磁信号具有一定的吸收衰减作用，海水越深，工业电等高频干扰信号越难以到达海底接收站。可见，海洋大地电磁的干扰源与陆上电磁法不尽相同，传统的远参考、hilbert-huang变换、小波变换、中值滤波、广义形态滤波、稀疏分解等去噪方法并不完全适用于海洋电磁方法。此外，海洋电磁数据采样率高，采集时间通常为10-20天甚至更长，其数据量已达到亿万量级，这对于传统的陆上电磁噪音处理方法也是一个挑战。因此，针对海洋电磁数据，需要从海洋电磁仪器、方法的特点入手，深入分析噪音来源，研究针对于海洋电磁数据的噪音识别方法，实现有效信号与干扰信号的快速分离，从而达到提升数据质量的目的。
4、通过上述分析，现有技术存在的问题及缺陷为：现有海洋电磁数据噪音识别方法基本是沿用陆上电磁数据处理中针对工业电等强电磁噪音识别、压制方法，对于亿万量级的海洋电磁数据来说，其处理性能必然受到影响，导致数据处理效率低，且处理效果无法得到保证。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种海洋电磁数据噪音智能识别方法及系统。
2、本专利技术是这样实现的，一种海洋电磁数
3、步骤一，对电磁场时间序列文件进行分段；
4、步骤二，采用sta/lta(short-term average/long-term average)数值方法，定义两个长度不同的时窗，计算两个时窗时间序列数据的均值的比值、异常记录阈值，并设置较长的窗口及较大的阈值，对时间序列进行检测获得异常数据序列；
5、步骤三，根据异常数据序列，计算相邻行元素之间的差值，结合时间序列图像以及仪器数据采集特征，综合判断噪音异常是否具有周期性；
6、步骤四，对整个时间序列进行检测，若噪音信号具有周期性，则记录噪音信号的周期、长度、起始位置，对整个时间序列的周期信号进行标识；若异常信号不具有周期性，则扫描、标识整个时间序列得到随机干扰位置序列；
7、步骤五，将标识的噪音置均值或采用相同数据替换方式进行移除，利用数学算法对数据的异常部分进行重构；
8、步骤六，移除较高幅值的异常后，调整时窗长度及阈值，重复步骤一～步骤五，进行下一轮异常检测，标识、移除噪音，直至电磁场时间序列图像无明显异常干扰，结束异常检测流程，输出标识、移除噪音后的电磁场时间序列文件。
9、进一步，步骤一根据海洋电磁时间序列数据总量以及处理计算机的性能截取一定长度的时间序列。
10、进一步，步骤二根据时间序列的长度，定义短时窗口和长时窗口长度、触发时窗定位机制的短时窗口与长时窗口的比值。
11、进一步，步骤二通过窗口不断向前滑动，计算短时窗口和长时窗口数据的比值，当窗口比值大于阈值时触发异常标识机制，通过设置时窗缓冲实现异常位置的准确标定，记录噪音的起始位置与结束位置。
12、进一步，步骤二短时窗口与长时窗口的比值参考异常幅值与背景场幅值的比值进行计算；算法执行时对数据进行去均值处理：
13、
14、式中xn(n＝1，2……n)为去均值前的时间序列；xi(i＝1，2……n)为去均值之后的时间序列；n为时间序列长度；j分别表示电磁场分量ex、ey、hx、hy、hz；
15、计算短时窗口与长时窗口的比值k：
16、
17、|xsta|与|xlta|分别为短时窗口、长时窗口数据平均值的绝对值；当k大于阈值δ时，记录异常起始及结束位置，标识异常；
18、通过设置位置缓冲值，确保噪音异常的精确拾取，得到异常数据序列a′：
19、
20、式中b表示异常起始位置，e表示异常的结束位置，m为标识异常的数量。
21、进一步，步骤四若整个时间序列中的噪音具有周期性特征，满足如下关系：
22、a＝{bk，ek}
23、序列a为整个时间序列中周期性噪音的位置；bk＝(k-1)t*fs+b1′，ek＝(k-1)t*fs+e1′，k＝1，2，……n/t，t为噪音的周期，fs为数据采样率。
24、进一步，步骤五相同数据替换公式如下：
25、xn(bk：ek)＝xn(ek+1)
26、式中xn为去均值前的时间序列。
27、本专利技术的另一目的在于提供一种海洋电磁数据噪音智能识别方法的海洋电磁数据噪音智能识别系统，该系统包括：
28、时间序列截取模块，用于对时间序列进行分段处理；
29、sta/lta异常检测模块，用于计算两个时窗时间序列数据的均值的比值、异常记录阈值，实现异常检测，得到异常数据序列；
30、周期性噪音识别模块，用于综合判断噪音异常是否具有周期性，并记录噪音周期、时长、起始位置；
31、时间序列检测模块，用于扫描整个时间序列，记录周期性噪音或随机干扰噪音；
32、噪音标识与移除模块，用于标记并移除周期性噪音、随机干扰噪音；
33、时间序列重复扫描模块，用于对时间序列进行下一轮的扫描，标识、移除噪音，直至电磁场时间序列图像无明显异常干扰，结束异常检测，输出标识、移除噪音后的电磁场时间序列文件。
34、一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的海洋电磁数据噪音智能识别方法的步骤。
35、一种信息数据处理终端，信息数据处理终端用于实现所述的海洋电磁数据噪音智能识别系统。
36、结合上述的技术方案和解决的技术问题，本专利技术所要保护的技术方案所具备的优点及积极效果为：
37、第一，本专利技术从海洋电磁数据的特征出发，采用数据分段方式，通过sta/lta算法识别噪音，结合仪器数据存储的特点，判断噪音是否具有周期性，能够快速移除整个时间序列中的周期性噪音；对于非周期性噪音，采用调整窗长、窗口比值阈值的方式，循环快速扫描时间序列，逐级标识、移除时间序列中的噪音，在保证数据处理效率的同时，又能够实现不同噪音类型的准确拾取。
38、第二，本专利技术根据海洋电磁数据的特点，制定针对性的解决方案，能够从根源上识别并移除相关噪音，相比于传统的陆上电磁的中值滤波、小波变换、hilbert-huang变换等算法，减少对有效数据的破坏，最大限度地保持原始信号的特征，确保数据的真实可靠。
39、本专利技术提供的信号识别方法，适用于海洋电磁法，包含海洋可控源电磁法、海洋大地电磁法，能够快速标识、本文档来自技高网...
【技术保护点】
1.一种海洋电磁数据噪音智能识别方法，其特征在于，采用STA/LTA数值方法对海洋电磁数据时间序列进行分段和异常检测，通过比较不同时窗内的数据均值比值来标识异常噪音；分析噪音的周期性，区分周期性和随机噪音，并据此进行有效标识；最后，利用相同值替换以及数据重构算法移除噪音，并迭代调整参数以精细化噪音的识别和移除，从而清洁数据，提升电磁场数据的质量和可用性。
2.如权利要求1所述的海洋电磁数据噪音智能识别方法，其特征在于，所述海洋电磁数据噪音智能识别方法包括以下步骤：
3.如权利要求2所述的海洋电磁数据噪音智能识别方法，其特征在于，步骤一根据海洋电磁时间序列数据总量以及处理计算机的性能截取一定长度的时间序列。
4.如权利要求2所述的海洋电磁数据噪音智能识别方法，其特征在于，步骤二根据时间序列的长度，定义短时窗口和长时窗口长度、触发时窗定位机制的短时窗口与长时窗口的比值。
5.如权利要求2所述的海洋电磁数据噪音智能识别方法，其特征在于，步骤二通过窗口不断向前滑动，计算短时窗口和长时窗口数据的比值，当窗口比值大于阈值时触发异常标识机制，通过
6.如权利要求2所述的海洋电磁数据噪音智能识别方法，其特征在于，步骤二短时窗口与长时窗口的比值参考异常幅值与背景场幅值的比值进行计算；算法执行时对数据进行去均值处理：
7.如权利要求2所述的海洋电磁数据噪音智能识别方法，其特征在于，步骤四若整个时间序列中的噪音具有周期性特征，满足如下关系：
8.如权利要求2所述的海洋电磁数据噪音智能识别方法，其特征在于，步骤五相同数据替换公式如下：
9.如权利要求1～8任一项所述的一种海洋电磁数据噪音智能识别方法的海洋电磁数据噪音智能识别系统，其特征在于，所述海洋电磁数据噪音智能识别系统包括：
10.一种信息数据处理终端，其特征在于，信息数据处理终端用于实现如权利要求8所述的海洋电磁数据噪音智能识别系统。
...【技术特征摘要】
1.一种海洋电磁数据噪音智能识别方法，其特征在于，采用sta/lta数值方法对海洋电磁数据时间序列进行分段和异常检测，通过比较不同时窗内的数据均值比值来标识异常噪音；分析噪音的周期性，区分周期性和随机噪音，并据此进行有效标识；最后，利用相同值替换以及数据重构算法移除噪音，并迭代调整参数以精细化噪音的识别和移除，从而清洁数据，提升电磁场数据的质量和可用性。
2.如权利要求1所述的海洋电磁数据噪音智能识别方法，其特征在于，所述海洋电磁数据噪音智能识别方法包括以下步骤：
3.如权利要求2所述的海洋电磁数据噪音智能识别方法，其特征在于，步骤一根据海洋电磁时间序列数据总量以及处理计算机的性能截取一定长度的时间序列。
4.如权利要求2所述的海洋电磁数据噪音智能识别方法，其特征在于，步骤二根据时间序列的长度，定义短时窗口和长时窗口长度、触发时窗定位机制的短时窗口与长时窗口的比值。
5.如权利要求2所述的海洋电磁数据噪音智能识别方法，其特征...
【专利技术属性】
技术研发人员：赵云生，何展翔，李皓，张朔宁，幺永超，高妍，李建平，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：
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。