[發明專利]一種基于深度殘差網絡的大地電磁信號識別與重建方法及其系統

在審

• 申請號: 202111543798.0
• 申請日: 2021-12-16
• 公開（公告）號: CN114429151A
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 張良;李廣;湯井田;陳超健;任政勇;劉曉瓊;肖曉;石福升
• 申請（專利權）人: 中南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 姚瑤

本發明公開了一種基于深度殘差網絡的大地電磁信號識別與重建方法及其系統，其包括：構建樣本庫1，并標記每個數據段的類別標簽；對樣本庫1中的數據段進行格拉曼角場變換得到格拉曼角場圖像；構建深度殘差分類網絡，并利用格拉曼角場圖像及其對應的分類標簽進行網絡訓練得到大地電磁數據分類模型；將待去噪的大地電磁數據進行分段再進行格拉曼角場變換，變換后輸入至大地電磁數據分類模型得到每個數據段的分類標簽；將識別出的含噪數據段進行重構或去噪；最終將識別出的高質量數據段與重構或去噪后的數據段進行按序拼接。本發明所述方法將深度殘差網絡和格拉曼角場引入至大地電磁數據去噪技術中，提高了噪聲壓制的自動化程度以及去噪精度。

技術領域

本發明屬于信號處理技術領域，具體涉及一種基于深度殘差網絡的大地電磁信號識別與重建方法及其系統，尤其是引入了格拉曼角場將一維大地電磁信號轉換成二維圖像，進而結合深度殘差網絡實現信噪分離。

背景技術

大地電磁信號是隨時間變化的一維時序信號，大地電磁信號的探測技術在放射性鈾礦資源勘查、油氣資源勘查、地熱勘查等國家戰略資源與能源勘查等領域具有廣泛應用，然而大地電磁信號的探測精度極易受到噪聲的影響。隨著城市化比例的不斷提高，人文噪聲的分布越來越廣，人文噪聲已成為制約大地電磁法獲得精細探測結果的瓶頸。

近年來，機器學習算法快速發展，機器學習算法在大地電磁信號處理中的應用逐漸增多。如基于字典學習的大地電磁數據處理(湯井田、李廣等，2018)、基于循環神經網絡的大地電磁工頻干擾壓制(許滔滔等，2020)、基于卷積神經網絡和長短時記憶神經網絡(CNN-LSTM)的大地電磁信號去噪(專利申請號：202110320241.4)等。但上述方法有一定的局限性：字典學習方法往往需要根據經驗人工設定一定數量的參數；基于循環神經網絡的大地電磁工頻干擾在信噪分離之前，沒有進行信噪識別，易損失有效信號或者僅適用于壓制工頻干擾等單一類型的噪聲；基于CNN-LSTM的大地電磁信號去噪方法直接對一維大地電磁時間序列進行分類，但許多噪聲在時間序列中特征并不明顯，且CNN主要適用于圖像處理，在處理一維信號時優勢不明顯，導致有些情況下該方法信噪識別精度較低。因此，針對容易受到噪聲干擾的大地電磁信號，本發明致力于研究解決上述至少部分技術問題的信噪分離技術以及信號重構技術。

發明內容

本發明的目的是解決上述大地電磁信號的去噪技術中存在的至少部分技術問題，進而提供一種基于深度殘差網絡的大地電磁信號識別與重建方法及其系統。所述方法創造性地引入格拉曼角場變換，進而實現在不破壞一維信號時間順序的前提下，將一維大地電磁數據轉換為二維圖像，增強一維信號的二維特征，提高辨識精度；此外，本發明所述方法引入深度殘差分類網絡，深度殘差網絡可以將信息從淺層直接傳輸至深層，避免信息丟失且對于網絡退化具有良好的魯棒性，從而通過結合格拉曼角場變換與深度殘差網絡，提高噪聲壓制的精度和自動化程度，有效解決或改善現有方法中存在的部分問題，如：需要人工設定參數、損失較多有效信號、信噪識別精度低、適應性不強。

一方面，本發明提供的一種基于深度殘差網絡的大地電磁信號識別與重建方法，其包括以下步驟：

步驟1：構建樣本庫1，并標記每個數據段的類別標簽；所述樣本庫1包括含噪數據段和高質量數據段，所述類別標簽表示數據段為含噪數據段或高質量數據段；

步驟2：對所述樣本庫1中的數據段進行格拉曼角場變換得到格拉曼角場圖像，其中，是將一維的大地電磁數據轉換為二維的格拉曼角場圖像；

步驟3：構建深度殘差分類網絡，并利用步驟2中的格拉曼角場圖像及其對應的分類標簽進行網絡訓練得到大地電磁數據分類模型；

步驟4：將待去噪的大地電磁數據進行分段再進行格拉曼角場變換，變換后輸入至步驟3構建的所述大地電磁數據分類模型得到每個數據段的分類標簽，其中，基于所述分類標簽識別數據段為含噪數據段或高質量數據段；

步驟5：將步驟4中識別出的含噪數據段進行重構或去噪；