【技术实现步骤摘要】
本专利技术属于微弱信号检测领域，尤其涉及磁异常信号的小波分析、变分模态分解、最小信息熵等信号处理与滤波方法。
技术介绍
1、地球表面的地磁场是动态变化的，但也是相对稳定的，铁、钴、镍等金属制作的铁磁性物体可被地磁场磁化，导致这些物体周围的地磁场出现变化，这种现象称为磁异常。利用这一现象对铁磁性物体进行探测的方法称为磁异常检测(magnetic anomalydetection，mad)。磁异常检测有许多优点，属于无源检测，隐蔽性强，受天气环境的影响小，可进行全天候检测，在军事和民用领域都可大量应用。
2、目前的磁异常检测方法可以分为两类：一类是根据磁异常信号的波形特征来判断是否存在磁目标，如基于标准正交基函数(obf)分解的方法；另一类是根据磁信号的统计特征，如最小信息熵、高阶过零率等指标，利用这些指标对磁异常信号的敏感程度与差异来判断是否存在磁性物体，如基于最小信息熵检测(med)、高阶过零(hoc)等的方法。
3、不管基于什么原理，采用哪种方法，磁异常信号相对于地磁噪声的的信噪比大小都会直接影响方法的检测效果。当信噪比比较高时，上述方法都可以取得不错的效果，但当检测距离比较远，磁异常信号十分微弱，或者采集的磁信号噪声比较大时，检测效果往往不理想。这时，迫切需要通过诸如滤波的方法来提高磁异常信号的信噪比。但由于地磁背景磁场与复杂的地理环境等因素的影响，由传感器直接测量的磁信号经常受到严重的噪声干扰，尤其是检测距离较远、磁性目标导致的磁异常信号十分微弱、信噪比很低时，导致磁目标的检测难度大大增加。为了减少
技术实现思路
1、本专利技术的目的是，提供一种基于变分模态分解和最小信息熵的磁异常信号消噪方法，能够对被噪声淹没的磁信号进行消噪处理，提升其信噪比。
2、为实现上述目的，本专利技术提供一种基于变分模态分解和最小信息熵的磁异常信号消噪方法，包括：
3、步骤1：对采集的磁信号进行小波变换，将属于高频噪声、极低频噪声和趋势项的小波分解系数置零，仅保留磁异常信号所在频段附近的小波分解系数，然后进行重构，得到小波滤波后的磁信号；
4、步骤2：根据磁信号特征对变分模态分解方法进行优化，优化时以中心频率最低的本征模态函数分量的广义加权排列熵作为适应度函数，采用平衡优化器算法对vmd中的模态个数k和惩罚因子α进行优化求解，得到针对磁信号的最优vmd算法参数；
5、步骤3：利用步骤2所得的最优vmd方法对步骤1所得的小波滤波后的磁信号进行分解，得到一系列imf，按中心频率由低到高的顺序对imf进行排序，选择中心频率最低的imf分量作为磁异常信号的主导分量，其它imf分量作为次分量；
6、步骤4：计算排序后各个imf分量的信息熵，然后根据信息熵计算各个imf分量的降噪系数di；
7、步骤5：将各个imf分量的降噪系数和对应的imf分量分别相乘，然后进行重构，即可得到消噪后的磁信号。
8、所述步骤2中采用平衡优化器算法对vmd的参数进行优化的步骤包括：
9、步骤2.1：对模态个数k和惩罚因子α的寻优范围、种群数量n、最大迭代次数tmax等控制参数进行初始化，并将当前迭代次数t设置为0，随机生成第一代初始种群：
10、
11、式中：表示初始种群中第i个粒子的初始位置；cmin和cmax分别表示种群搜索空间的下限和上限；ri是大小在[0,1]之间的一个随机数；
12、步骤2.2：根据各个粒子的参数分别对磁信号进行vmd分解，找到中心频率最小的imf分量作为磁异常信号的主导分量，计算主导分量的广义加权排列熵，并以广义加权排列熵作为该粒子的适应度；
13、步骤2.3：选取适应度最小的4个粒子作为候选解放到优化器的平衡池中，然后对这4个候选解求取平均值并将该平均值作为第5个候选解放入平衡池，构建的平衡池表示如下：
14、
15、步骤2.4：从平衡池中等概率地随机选择一个粒子作为平衡状态粒子，记为然后根据更新全部粒子，更新公式为：
16、
17、式中：表示当前代粒子，表示上一代粒子，v表示单位体积，表示指数项系数，表示生成率；其中，的表达式为：
18、
19、其中，
20、式中：t是当前迭代次数；tmax是最大迭代次数；t是一个随着迭代增加而减小的非线性因子；为[0,1]之间的随机向量；r为[0,1]之间的随机数；a1和a2分别是控制算法全局探索和局部开发能力的系数；
21、更新公式中的表达式为：
22、
23、其中，的计算公式为：
24、
25、式中：r1和r2是[0,1]之间的随机数；gp是生成概率，当r2大于gp时，算法的局部开发能力发挥作用，否则算法的局部开发能力不起作用；
26、t0是为了在降低搜索速度的同时提高算法的勘探和开发能力的一个参数，其计算公式为：
27、
28、步骤2.5：选择适应度最小的粒子作为当前代的最优粒子；
29、步骤2.6：迭代次数t加1，判断t是否小于最大迭代次数tmax，若t＜tmax则返回步骤2.2继续下一代优化循环；否则，结束优化过程，输出当前代最优粒子的参数k和α作为vmd的最优参数。
30、所述步骤2.2中的广义加权排列熵是排列熵和加权排列熵的改进方法，给排列熵的有序模式增加了权重并引入一个新的标度参数区分波动大小对熵值的影响，熵值越小，序列复杂度越低，信号所占比例越高，其计算步骤如下：
31、步骤2.2.1：对输入信号x＝(x1,x2,...,xn)进行相空间重构，得到一系列子序列xi：
32、xi＝(xi,xi+τ,…,xi+(m-1)τ)
33、式中，τ为时延，m为嵌入维数；
34、步骤2.2.2：计算每个子序列xi的方差，并以方差作为该子序列的权重值wi，其计算公式为：
35、
36、其中为平均值，其计算公式为：
37、步骤2.2.3：根据元素数值大小对子序列xi进行升序排列，按每个子序列中各元素位置的列索引号构成排列模式πi，对于m维的嵌入维度，最多有k＝m！种不同的排列模式，计算每种排列模式πk的加权概率值pw，计算公式为：
38、
39、式中，q为一个连续的尺度参数；
40、步骤2.2.4：计算时间序列x的广义加权排列熵值，其计算公式为：
41、
42、所述步骤4中使用信息熵计算各个imf分量的降噪系数，具体步骤为：
43、步骤4.1：设定次分量的异常度阈值ath；
44、步骤4.2：按中心频率由低到高的顺序依次估计各个imf分本文档来自技高网...
【技术保护点】
1.一种基于变分模态分解和最小信息熵的磁异常信号消噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于变分模态分解和最小信息熵的磁异常信号消噪方法，其特征在于，所述步骤2中采用平衡优化器算法对VMD的参数进行优化的步骤包括：
3.根据权利要求1所述的一种基于变分模态分解和最小信息熵的磁异常信号消噪方法，其特征在于，所述权利要求2的步骤2.2中以VMD结果中中心频率最小的IMF分量作为磁异常信号的主导分量，并以主导分量的广义加权排列熵作为粒子的适应度，其中广义加权排列熵的计算步骤如下：
4.根据权利要求1所述的一种基于变分模态分解和最小信息熵的磁异常信号消噪方法，其特征在于，所述步骤4中使用信息熵计算各个IMF分量的降噪系数，具体步骤为：
【技术特征摘要】
1.一种基于变分模态分解和最小信息熵的磁异常信号消噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于变分模态分解和最小信息熵的磁异常信号消噪方法，其特征在于，所述步骤2中采用平衡优化器算法对vmd的参数进行优化的步骤包括：
3.根据权利要求1所述的一种基于变分模态分解和最小信息熵的磁异常信号消噪方法，其特...
【专利技术属性】
技术研发人员：王成栋，彭程飞，李勇，冯馨丹，占万禹，陈勇，
申请(专利权)人：电子科技大学，
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。