基于统计特性分析的航空电磁数据噪声压制技术研究

发布时间：2018-04-04 23:37

本文选题：时间域航空电磁　切入点：主成分分析　出处：《吉林大学》2016年博士论文

【摘要】：时间域航空电磁探测是以飞机为运载工具、法拉第电磁感应定律为基础的航空电磁探测方法,具有工作效率高、探测面积广等优势,广泛用于矿产资源勘查、油气勘查等领域,特别适用于自然环境恶劣如沼泽,森林等地面勘查人员无法进入的地带。直升机吊舱式时间域航空电磁系统的发射线圈和接收线圈采用中心回线方式,悬挂在飞机下方,由于飞行速度、风速,温度等原因,飞机作业时引起的发射线圈、接收线圈状态的变化而引起系统参数变化,从而严重影响观测数据的质量,直接影响后期的数据精细解释,特别是对于反映地下深层地质体信息的晚期道数据。近年来,随着国家对矿产资源的需求急速上升,航空电磁探测技术得到了广泛关注,在航空电磁数据的噪声压制方面,以分类噪声压制方法研究为主,处理手段主要为时频滤波、小波等信号处理技术,但由于噪声与电磁信号具有部分重叠频谱,因此,经常规噪声压制处理后,航空电磁剖面数据仍存在一定的残余噪声。本文在国家科研装备研制专项ATEM子课题“航空瞬变电磁系统(全航空)仿真、数据处理与反演”的资助下,针对上述问题,提出了基于统计特性分析的航空电磁数据噪声压制方法,通过研究主成分分析,主成分滤波重构以及最小噪声分离技术,有效地压制航空电磁探测数据的残余噪声。主要研究内容如下:(1)基于多元统计分析理论,针对航空电磁剖面上的残余噪声特点,将主成分分析引入到航空电磁探测噪声压制中。在主成分域上,将观测数据转换成按方差排列的主成分,协方差矩阵的特征向量对应转换后的主成分方向。这样,转换后的主成分不仅保留了原始航空电磁数据的主要信息,且彼此不相关。低阶主成分主要包含方差较大的航空电磁数据,而方差较小且相关性较低的噪声主要被转换到高阶主成分中,此时采用低阶主成分重构航空电磁数据就可以压制不相关噪声。仿真实例以及野外实测数据的去噪结果表明了主成分分析压制剖面残余噪声的有效性。(2)主成分分析方法将航空电磁数据在主成分域中转化成相应的主成分再重构,但是参与重构的低阶主成分仍然含有高频空间噪声,影响重构后数据精度。因此,在主成分分析方法基础上,提出了主成分滤波方法,设计了自适应窗宽低通滤波器组,将各主成分剖面上各个测点的二阶差分线性转化成各个测点的滤波窗宽,形成了自适应窗宽低通滤波器组,分别滤除各阶主成分剖面中的高频空间噪声。仿真实例以及野外实测数据的噪声压制结果验证了主成分滤波压制噪声的有效性。(3)主成分分析将数据转换成按照方差大小排列主成分,当噪声方差较大时,主成分分析和主成分滤波方法都不能有效地压制较大残余噪声,因此提出了基于最小噪声分离的航空电磁噪声压制方法。最小噪声分离利用噪声协方差的估计,对数据进行噪声白化处理,使得按信噪比由大到小排列各个最小噪声成分含有单位方差的噪声且彼此不相关。在此基础上,研究了最小噪声分离成分特点、noise fraction参数和信噪比的关系以及噪声成分中的特点,并通过两组仿真实例分析以及实测数据噪声压制结果,验证了最小噪声分离算法在航空电磁数据噪声压制方面的优越性。(4)采用频域的经验模态函数方法、多元线性回归理论中残差估计法、自相关因子法估计噪声协方差矩阵,研究了噪声协方差矩阵的估计对最小噪声分离去噪结果的影响,设计了具有深部异常体的大地模型,通过分析晚期道的噪声压制效果以及反映地下深部异常体的能力,验证了三种噪声协方差估计方法在对航空电磁数据未知噪声估计的有效性。论文的创新点如下:(1)在主成分分析基础上,提出了基于主成分滤波重构的航空电磁数据噪声压制方法,根据自适应窗宽滤波算法,将各阶主成分剖面的二阶差分特征转换为自适应滤波器窗宽,滤除参加重构的低阶主成分含有的高频空间噪声,将滤波后的主成分重构,有效地改善了主成分噪声压制效果。(2)提出了基于最小噪声分离的航空电磁数据噪声压制算法,研究了航空电磁剖面数据的噪声估计算法,最小噪声分离将数据变换与信噪比直接关联,分析了最小噪声分离成分的方向以及最小噪声分离成分的剖面特征,通过选择低阶最小噪声分离成分重构,解决了当噪声方差较大时主成分及主成分滤波无法有效压制残余噪声的难题。
[Abstract]:This paper presents a method for airborne electromagnetic data noise suppression based on aeromagnetic data . The main research contents are as follows : ( 1 ) Based on multivariate statistical analysis theory , the main component analysis based on statistical characteristic analysis is applied to airborne electromagnetic detection noise suppression . ( 2 ) The main component analysis method is based on the principal component analysis . ( 2 ) An airborne electromagnetic data noise suppression algorithm based on minimum noise separation is proposed . The noise estimation algorithm of airborne electromagnetic profile data is studied . The minimum noise separation is directly correlated with the signal - to - noise ratio , the direction of minimum noise separation component and the cross - sectional characteristics of the minimum noise separation component are analyzed , and the problem that the main component and the main component filter cannot effectively suppress residual noise when the noise variance is larger is solved by selecting low - order minimum noise separation component reconstruction .

【学位授予单位】：吉林大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：V242;O441

【参考文献】