發(fā)布時(shí)間：2022-12-08 19:35

　　由于天然大地電磁信號(hào)微弱、極易受到各類電磁噪聲的污染,同時(shí)礦集區(qū)噪聲類型復(fù)雜多樣,且能量強(qiáng)、相關(guān)性好,如何自適應(yīng)、精確地從礦集區(qū)強(qiáng)干擾中分離出微弱的大地電磁有效信號(hào)成為一項(xiàng)極具挑戰(zhàn)性的任務(wù)。本文融合多種特征參數(shù)與智能分類方法對(duì)大地電磁信號(hào)進(jìn)行信噪分離研究,主要研究如下:（1）引入近似熵和多尺度熵,結(jié)合K-means聚類對(duì)受強(qiáng)干擾的大地電磁數(shù)據(jù)進(jìn)行精確辨識(shí);僅對(duì)辨識(shí)為強(qiáng)干擾的數(shù)據(jù)段利用分段正交匹配追蹤進(jìn)行噪聲壓制。（2）從大地電磁數(shù)據(jù)的信號(hào)復(fù)雜度入手,提取近似熵、模糊熵、樣本熵和LZ復(fù)雜度進(jìn)行分析;將這4類魯棒性的特征參數(shù)作為支持向量機(jī)的輸入,對(duì)樣本庫(kù)進(jìn)行訓(xùn)練得到信噪辨識(shí)數(shù)學(xué)模型;對(duì)實(shí)測(cè)大地電磁數(shù)據(jù)進(jìn)行信噪辨識(shí),并僅對(duì)甄別為強(qiáng)干擾的時(shí)間序列結(jié)合互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解和小波閾值法進(jìn)行噪聲壓制。（3）構(gòu)造了海量符合大地電磁微弱信號(hào)和強(qiáng)干擾特性的樣本庫(kù),定義網(wǎng)絡(luò)和相關(guān)訓(xùn)練參數(shù),并將樣本庫(kù)輸入至一維卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到相應(yīng)的訓(xùn)練集和測(cè)試集,最終得到訓(xùn)練模型;利用得到的數(shù)學(xué)模型對(duì)大地電磁數(shù)據(jù)進(jìn)行信噪辨識(shí),并僅對(duì)辨識(shí)為強(qiáng)干擾的信號(hào)利用小波閾值法進(jìn)行噪聲壓制。上述方法經(jīng)模擬實(shí)驗(yàn)、青海試驗(yàn)點(diǎn)實(shí)驗(yàn)和實(shí)... 

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究目的與意義
    1.2 研究現(xiàn)狀及面臨的問(wèn)題
    1.3 本文研究?jī)?nèi)容及結(jié)構(gòu)
第2章 基于ApEn-MSE和StOMP的大地電磁信噪分離
    2.1 方法構(gòu)成
        2.1.1 近似熵
        2.1.2 多尺度熵
        2.1.3 K-means聚類
        2.1.4 分段正交匹配追蹤
    2.2 仿真分析
        2.2.1 樣本庫(kù)信號(hào)分類
        2.2.2 試驗(yàn)點(diǎn)信號(hào)添加人為干擾
    2.3 實(shí)測(cè)數(shù)據(jù)分析
        2.3.1 時(shí)域分析
        2.3.2 視電阻率-相位曲線分析
        2.3.3 極化方向分析
    2.4 本章小結(jié)
第3章 基于SVM-CEEMDWT的大地電磁信噪分離
    3.1 特征參數(shù)提取
        3.1.1 模糊熵
        3.1.2 樣本熵
        3.1.3 LZ復(fù)雜度
    3.2 支持向量機(jī)
    3.3 互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解
    3.4 小波閾值法
    3.5 仿真實(shí)驗(yàn)分析
        3.5.1 樣本庫(kù)分類
        3.5.2 模擬信號(hào)分析
    3.6 實(shí)測(cè)資料處理
        3.6.1 時(shí)頻域分析
        3.6.2 實(shí)測(cè)點(diǎn)分析
    3.7 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡(luò)的大地電磁信噪分離
    4.1 方法原理
        4.1.1 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
        4.1.2 一維卷積神經(jīng)網(wǎng)絡(luò)
    4.2 模型訓(xùn)練和模擬數(shù)據(jù)處理
        4.2.1 樣本庫(kù)構(gòu)建
        4.2.2 模型訓(xùn)練
        4.2.3 模擬數(shù)據(jù)處理
    4.3 實(shí)測(cè)資料處理
        4.3.1 時(shí)域分析
        4.3.2 實(shí)測(cè)點(diǎn)分析
    4.4 本章小結(jié)
結(jié)語(yǔ)
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間科研成果及主持和參與的科研項(xiàng)目



本文編號(hào)：3714004