申请/专利权人：电子科技大学

申请日：2022-12-29

公开（公告）日：2023-03-21

公开（公告）号：CN115828069A

主分类号：G06F18/10

分类号：G06F18/10;G06F18/213;G06F18/214;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.04.07#实质审查的生效;2023.03.21#公开

摘要：发明名称一种基于深度学习的端到端磁异常信号降噪方法摘要本发明公开了一种基于深度学习的端到端磁异常信号降噪方法。首先，对磁异常信号进行小波分解和重构实现带通滤波，提取磁异常所在频段的信号；然后，利用正交基函数OrthogonalBasisFunction，OBF对信号分别进行分解，求解各个正交基上的分解系数；接着将各个正交基的分解系数作为多通道深度学习网络的输入，将对应的理想磁信号作为输出，训练得到一种端到端降噪网络模型；最后，利用训练好的降噪网络模型对磁信号进行处理，得到降噪后的磁异常信号。本方法综合利用基于小波分析的带通滤波、OBF分解、端到端的深度学习网络，对采集的磁信号进行特征提取提取和降噪，能够有效提高磁异常信号的信噪比。

主权项：1.发明公开了一种基于深度学习的端到端磁异常信号降噪方法，其特征在于，实现步骤如下：步骤1：根据磁偶极子模型构造不同CPAClosestProximityApproach距离、不同运动速度等情况下的理想磁异常信号，理想磁异常信号的计算公式如下：B＝Bxex+Byey+Bzez l＝cosIcosDm＝cosIsinDn＝sinI其中B为目标磁偶极子的磁感应强度大小，Bx、By、Bz为B在x、y、z三轴上的分量，μ为真空磁导率，p为磁偶极子的磁矩大小，r为磁偶极子到传感器的直线距离，rx、ry、rz为r在x、y、z三轴上的分量，I为检测点的地磁磁倾角，D为检测点的地磁磁偏角；步骤2：构建含噪磁异常信号，先在检测点采集纯地磁背景信号，通过移动时间窗口得到不同的纯地磁背景信号，将步骤1得到的理想磁异常信号与不同的纯地磁背景信号进行叠加，从而得到不同的含噪磁异常信号，以此构造含地磁背景噪声的磁异常信号数据集；步骤3：对步骤2得到的含噪磁异常信号进行小波带通滤波，先进行小波分解，然后将小波分解以后属于高频的细节系数和属于极低频的近似系数置零，再进行重构，得到带通滤波后的磁异常信号；步骤4：对滤波后的信号进行正交基函数OBF分解，得到每组信号三组正交基对应的分解系数；步骤5：构建端到端的深度学习网络，以步骤4所得的分解系数构建训练样本数据集，将分解系数作为网络模型的输入，对应的理想磁异常信号为网络模型的输出，训练得到端到端的降噪网络模型；步骤6：将需降噪的磁信号经步骤3和步骤4中所述的小波带通滤波、OBF分解处理，然后将分解系数作为训练好的降噪网络模型的输入，以降噪网络模型的输出作为降噪后的磁异常信号。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于深度学习的端到端磁异常信号降噪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD