[發明專利]一種基于希爾伯特-黃變換的磁異常多特征信息提取方法

在審

• 申請號: 202110059506.X
• 申請日: 2021-01-18
• 公開（公告）號: CN112651385A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 樊黎明;王惠剛;趙維娜;胡浩;劉建國;孫偉濤
• 申請（專利權）人: 西北工業大學青島研究院;西北工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/18;G06N20/00
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 劉新瓊

本發明涉及一種基于希爾伯特?黃變換的磁異常多特征信息提取方法。利用希爾伯特?黃變換HHT處理非線性、非平穩的磁異常信號，通過對信號進行經驗模式分解和希爾伯特頻譜分析，提取基于瞬時能量密度和邊際譜的磁異常多特征信息，為基于機器學習框架的磁異常探測提供有效的特性信息選擇。本發明能夠通過對信號的希爾伯特?黃變換處理，獲得磁異常信號在時頻域內的多特征信息，豐富了磁異常探測中的特征信息選擇。在基于機器學習框架的磁異常探測方法中，磁異常信號的時頻域多特征信息助于提升低信噪比下磁性目標的探測能力，降低目標探測的虛警概率。

技術領域

本發明涉及一種基于希爾伯特-黃變換的磁異常多特征信息提取方法。利用該方法提取的磁異常多特征信息能夠提升基于機器學習框架的磁異常探測方法的探測能力提供基礎。該方法可廣泛用于能源礦藏勘測、水下各種管線探測、水下目標探測、水下考古、沉船勘測、掃雷反潛等領域。

背景技術

文獻“Magnetic anomaly detection based on full connected neuralnetwork[J].IEEE Access,2019,7,182198–182206”公開了一種全連接神經網絡的磁異常探測方法。該方法中全連接神經網絡作為磁異常探測的分類模型，磁信號的正交基函數系數作為磁異常特征信息，通過訓練該分類模型，實現對磁異常信號的探測。正交基函數系數屬于磁異常的時域特征信息。隨著磁異常信噪比的降低，正交基函數系數的誤差變大，因此基于該系數構建的特征信息會受到干擾。這使得目標探測的虛警概率增加，探測概率降低。在基于神經網絡的分類模型中，豐富的特征信息是提升模型性能的重要因素。磁異常多特征信息的獲取有助于從多維度表征磁異常，提高特性信息的選擇性，從而提升該類分類模型的性能。

發明內容

要解決的技術問題

在低信噪比下，磁異常信號的時域特征信息的誤差較大。這會導致分類模型的探測性能受到影響。為了豐富磁異常信號的特征信息選擇，提升低信噪比下的弱磁異常探測性能，本發明提供一種基于希爾伯特-黃變換的磁異常多特征信息提取方法。

技術方案

一種基于希爾伯特-黃變換的磁異常多特征信息提取方法，其特征在于步驟如下：

步驟1：采集磁場數據，通過磁力儀之間的測量差值獲得磁場差值信號ΔB(t)；

步驟2：利用經驗模式分解對磁場差值ΔB(t)進行自適應分解，獲得多個固有模態函數項c(t)和一個殘差項r(t)：

其中：N表示經驗模式分解的層數；

步驟3：獲得磁信號的固有模態函數后，對每個c_i(t)做希爾伯特變換：

步驟4：獲得c_i(t)的解析信號z_i(t)：

其中：表示固有模態函數c_i(t)對應的瞬時幅值，θ_i(t)＝arctan(H_i(c_i(t))/c_i(t))表示固有模態函數c_i(t)對應的瞬時相位；

步驟5：根據瞬時相位θ_i(t)，計算對應的瞬時頻率ω_i(t)

步驟6：磁信號的幅值可以表示為時間、瞬時頻率的函數，獲得磁信號幅值的希爾伯特譜H(ω,t)

步驟7：根據希爾伯特譜H(ω,t)，計算磁信號的邊際譜h(ω)和瞬時能量密度IE(t)