大地電磁探測法以天然場作為源信號,被廣泛用于地球深部探測。但是,天然的大地電磁信號微弱、不穩(wěn)定且隨機,因此容易受到人文噪聲的影響。本文利用自組織競爭神經(jīng)網(wǎng)絡(Self-organizing competitive neural network,SCNN)結合小生境粒子群(Niche particle swarm optimization,NPSO)-正交匹配追蹤(Orthogonal matching pursuit,OMP)稀疏分解的方法進行大地電磁高質(zhì)量數(shù)據(jù)提取以及大尺度噪聲分離,主要研究工作如下:(1)系統(tǒng)的分析了高質(zhì)量大地電磁數(shù)據(jù)與受強人文噪聲污染的大地電磁數(shù)據(jù)在時間域的特征。對采集的大地電磁時間序列進行合理的分段(每一段為一個樣本),標記出高質(zhì)量樣本與低信噪比樣本。然后計算每個樣本的峰值、均方根值、方差、標準差、樣本熵、模糊熵等特征參數(shù)。發(fā)現(xiàn)高質(zhì)量樣本與低信噪比樣本有著明顯不同的特征值。(2)利用自組織競爭神經(jīng)網(wǎng)絡算法代替人工判別,實現(xiàn)自動化的信噪辨識。人工判別需要工作人員具有較豐富的經(jīng)驗,不僅工作量大,且存在不同工作人員評判標準不一等問題。為此,研究了基于自組織競爭神經(jīng)網(wǎng)絡...

【文章頁數(shù)】：83 頁

【學位級別】：碩士

【部分圖文】：

圖2-7前后15分鐘每20s的數(shù)據(jù)峰值分布情況

碩士學位論文12數(shù)據(jù)按每20s分段，則可分成45段，由測點TS4道采樣頻率為150Hz可知，每段的采樣點數(shù)為3000。再計算出每一段的峰值、均方根值、方差值、標準差值、樣本熵值以及模糊熵值以此來做分析。圖2-7前后15分鐘每20s的數(shù)據(jù)峰值分布情況圖2-7為選取EX道前后15分鐘....

圖2-8前后15分鐘每20s的數(shù)據(jù)均方根值分布情況

碩士學位論文12數(shù)據(jù)按每20s分段，則可分成45段，由測點TS4道采樣頻率為150Hz可知，每段的采樣點數(shù)為3000。再計算出每一段的峰值、均方根值、方差值、標準差值、樣本熵值以及模糊熵值以此來做分析。圖2-7前后15分鐘每20s的數(shù)據(jù)峰值分布情況圖2-7為選取EX道前后15分鐘....

圖2-9前后15分鐘每20s的數(shù)據(jù)方差值分布情況

基于稀疏度自適應和NPSO-OMP的大地電磁強干擾壓制13到干擾的數(shù)據(jù)分成45段后每一段數(shù)據(jù)的均方根值分布情況，由圖2-8可知前15分鐘高質(zhì)量數(shù)據(jù)段的均方根值主要分布在1000一下，波動幅度不大，數(shù)據(jù)光滑平穩(wěn)，而受到干擾的數(shù)據(jù)段均方根值基本分布在2000以上，每一個點的均方根值均....

圖2-10前后15分鐘每20s的數(shù)據(jù)標準差值分布情況

基于稀疏度自適應和NPSO-OMP的大地電磁強干擾壓制13到干擾的數(shù)據(jù)分成45段后每一段數(shù)據(jù)的均方根值分布情況，由圖2-8可知前15分鐘高質(zhì)量數(shù)據(jù)段的均方根值主要分布在1000一下，波動幅度不大，數(shù)據(jù)光滑平穩(wěn)，而受到干擾的數(shù)據(jù)段均方根值基本分布在2000以上，每一個點的均方根值均....

本文編號：3993132