[發明專利]一種時頻域全卷積神經網絡電磁噪聲消除方法

在審

• 申請號: 202011437208.1
• 申請日: 2020-12-11
• 公開（公告）號: CN112666617A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 權安江;權威
• 申請（專利權）人: 廣竣（徐州）機電有限公司
• 主分類號: G01V3/38
• 分類號: G01V3/38;G06N3/04;G06N3/08
• 代理公司: 沈陽銘揚聯創知識產權代理事務所(普通合伙) 21241
• 代理人: 屈芳

1.一種時頻域全卷積神經網絡電磁噪聲消除方法，其特征在于，該方法包括，

步驟1，隨機產生M組不包含噪聲的電磁數據，隨機產生M組高斯噪聲，對應加入不包含噪聲的電磁數據，計算包含噪聲數據的時頻譜；

步驟2，計算不含噪聲的電磁數據的時頻譜；

步驟3，將包含噪聲的時頻譜作為輸入，不包含噪聲的時頻譜的作為輸出，基于全卷積神經網絡框架，訓練得到包含隨機噪聲的電磁數據與無噪電磁信號時頻域的最佳網絡NET；

步驟4，將采集得到的一組時間域電磁數據經過短時傅里葉變換得到時頻譜；

步驟5，將步驟4得到的電磁數據的時頻譜作為輸入，利用步驟3得到的最佳網絡NET，得到消澡后的電磁數據的時頻譜；

步驟6，對步驟5得到的時頻譜進行短時傅里葉逆變換，得到消噪后的時間域電磁數據。

2.按照權利要求1所述的方法，其特征在于，步驟1具體的包括：隨機產生M組大地模型，M≥10000，利用電磁正演公式，采樣頻率為1000Hz，得到M組不包含噪聲的電磁數據，記為V_F1(t),V_F2(t),……,V_FM(t)，其中t為采樣時間，利用公式(1)，分別對M組電磁數據進行短時傅里葉變換，得到M個時頻譜G_F1(ω,τ),G_F2(ω,τ),……,G_FM(ω,τ)，每個時頻譜的維度均為P×Q；

隨機產生M組高斯噪聲，對應加入不包含噪聲的電磁數據V_F1(t),V_F2(t),……,V_FM(t)中，得到M組包含噪聲的電磁數據記為V_N1(t)，V_N2(t),……，V_NM(t)，并利用公式(1)對其進行短時傅里葉變換，得到M個時頻譜G_N1(ω,τ),G_N2(ω,τ),……G_NM(ω,τ)；

其中g(τ)為窗函數，ω為角頻率。

3.按照權利要求2所述的方法，其特征在于，步驟3，將包含噪聲的時頻譜數據G_F1(ω,τ),G_F2(ω,τ),……,G_FM(ω,τ)的第(1+K)列～第(10+K)列作為輸入，不包含噪聲的時頻譜數據G_F1(ω,τ),G_F2(ω,τ),……,G_FM(ω,τ)的第(K+10)列作為輸出，基于全卷積神經網絡框架，訓練得到包含隨機噪聲的電磁數據與無噪電磁信號時頻域的最佳網絡NET，其中K為0到(Q－10)之間的正整數。

4.按照權利要求3所述的方法，其特征在于，步驟4中將采集得到的一組時間域電磁數據記為V(t)，利用公式(1)對V(t)進行短時傅里葉變換，得到電磁數據的時頻譜，記為G(ω,τ)。

5.按照權利要求4所述的方法，其特征在于，步驟5具體包括：將步驟4得到的電磁數據時頻譜G(ω,τ)的(1+K)列～第(10+K)列作為輸入，其中K為1到(Q－10)間的正整數，利用步驟3得到的時頻域最佳網絡NET，依次得到第(K+10)列輸出，即得到消澡后的電磁數據的時頻譜

6.按照權利要求5所述的方法，其特征在于，利用公式(2)，對步驟5得到的進行短時傅里葉逆變換，即得到消噪后的時間域電磁數據