基于SVM-CEEMDWT的大地电磁信噪分离方法（英文）

作者：李晋^*; 蔡锦; 汤井田; 李广; 张贤; 徐志敏

来源：Applied Geophysics, 2019, 16(02): 160-253.

• 大地电磁
• 信噪辨识
• 信噪分离
• 支持向量机
• 互补集合经验模态分解

为了精细保留大地电磁低频段的有用信号,避免现有技术整体处理时损失低频有用信息,提出支持向量机、互补集合经验模态分解及小波阈值法(SVM-CEEMDWT)的大地电磁信噪分离方法。首先,从大地电磁数据的信号复杂度入手,提取近似熵、模糊熵、样本熵和Lempel-Ziv(LZ)复杂度进行分析。然后,将这4类鲁棒性的特征参数作为支持向量机(Support vector machine, SVM)的输入,对样本库进行训练得到信噪辨识数学模型。最后,对实测大地电磁数据进行信噪辨识,并仅对甄别为强干扰的时间序列结合互补集合经验模态分解(Complementary ensemble empiricalmodedecomposition,CEEMD)和小波阈值法(Wavelet threshold, WT)进行噪声压制。实验结果表明,基于鲁棒性特征参数的SVM在噪声压制前能较好地区分信号和强干扰的时间段;与CEEMDWT整体处理相比,所提方法保留了更多的低频缓变化信息,视电阻率曲线更为光滑、连续,其结果更为真实地反映了测点本身所固有的电性结构信息。

• 单位
  物理学院; 东华理工大学; 中南大学; 湖南师范大学