[發明專利]一種基于正交基神經網絡的磁異常檢測方法

在審

• 申請號: 202211707599.3
• 申請日: 2022-12-29
• 公開（公告）號: CN115879053A
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 王成棟;李勇;周家齊;雷廷宇;陳勇
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F18/2433
• 分類號: G06F18/2433;G06F18/214;G06N3/048;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

發明名稱一種基于正交基神經網絡的磁異常檢測方法摘要本發明公開了一種基于正交基神經網絡的磁異常檢測方法。本方法對神經網絡的激活函數進行改進，將激活函數進行傅立葉級數展開，得到一組正交三角函數，以這些三角函數作為神經網絡隱藏層各節點的激活函數，構成傅立葉正交基神經網絡。然后對磁信號進行正交基函數分解，得到信號在三組正交基上的分解系數。將三組分解系數分別作為三個傳里葉正交基神經網絡的輸入，訓練得到三個神經網絡模型，作為三個弱分類器，再將三個弱分類器的輸出進行融合，從而得到一個強分類器，最后根據強分類器的輸出來判斷是否存在磁異常。本方法在神經網絡模型訓練時收斂速度快，模型訓練時間短，能避免陷入局部最優，具有較高的檢測準確率。

技術領域

本發明的技術涉及信號處理和神經網絡，屬于磁異常檢測領域。

背景技術

磁異常目標檢測是一種通過判斷磁場中是否存在異常來檢測是否存在鐵磁性物體的方法，其優點很多，它屬于一種被動式無損檢測，不易被目標察覺，隱蔽性好，即使光線被遮擋也能完成檢測，在水下目標檢測、礦物勘探等領域都有廣泛的應用。

應用神經網絡進行磁異常檢測時，如果采用傳統的BP神經網絡，容易因為信號信噪比過低而導致檢測準確率不高的情況。當節點過多時，神經網絡結構復雜，訓練時收斂速度緩慢，有時還會存在陷入局部極值的問題。

本發明公開了一種基于正交基神經網絡的磁異常檢測方法，該方法先對信號進行帶通濾波預處理，濾除磁異常信號頻段外的噪聲，然后對消噪后的信號進行正交基函數(OBF)分解，獲得三組分解系數，再分別將三組分解系數作為三個正交基神經網絡的輸入，訓練得到三個弱分類的正交基神經網絡，最后再將弱分類的輸出進行融合，得到一個強分類器，根據強分類器的輸出判斷是否存在磁異常。在神經網絡模型上，采用正交基神經網絡，把激活函數進行傅立葉級數展開，以正交的三角函數作為神經網絡各隱藏層節點的激活函數，再以加權和作為網絡的非線性輸出，構成一種傅立葉正交基神經網絡模型。由于輸入層到隱藏層的權值都為1，訓練時只需得到隱藏層到輸出層的權值即可，從而可以大大減少訓練時間，提高收斂速度。本方法可以減少神經網絡模型的訓練時間，避免陷入局部最優，提高檢測正確率。

發明內容

本發明公開了一種基于正交基神經網絡的磁異常檢測方法。該方法實現步驟如下：

步驟1：生成訓練樣本數據集，首先根據磁偶極子理論模型生成不同情況下的理想磁異常信號，包括鐵磁目標在不同CPA距離、不同運動速度情況下的磁異常信號；然后采集檢測地點不同時間段的純地磁背景信號，將理想磁異常信號與純地磁背景信號相加，得到含地磁噪聲的磁異常信號；再為每組數據加入標簽，含噪磁異常信號的數據標簽設置為1，純地磁背景信號的數據標簽設置為0，以含噪磁異常信號和純地磁背景信號構建用于訓練正交基神經網絡的數據集。

步驟2：對信號進行預處理，采用小波分解和重構的方法進行帶通濾波，去掉均值和趨勢項；再對濾波后的信號進行正交基函數(OBF)分解，得到每組信號在三個正交基函數上的分解系數，分解系數的計算公式為：

其中，m為信號的數據點序號，α_j(m)為信號在第j個基函數上的分解系數，W為窗口的大小，f_j(w_i)為標準正交基函數，S(w_m+i)為磁信號，w為磁目標運動軌跡的一個無量綱參數，w_i表示第i個值，Δw為相鄰兩個w值的間隔，w的計算公式為：

其中D為磁目標運動軌跡，R₀為磁探測器到磁目標運動軌跡的最短距離，即CPA(Closest Proximity Approach)距離；三個正交基函數f_j(w_i)的計算公式分別為：