[发明专利]一种核探测数据的离散余弦神经网络模糊降噪方法

说明书

技术领域

本发明属于核技术勘查中核探测数据处理领域，具体涉及一种核探测数据的离散余弦神经网络模糊降噪方法。

背景技术

核探测方法，主要包括伽玛测量和伽玛能谱测量，氡及其子体测量、X荧光测量等，主要用于确定测量对象所发出放射性射线强度或探测核素的含量、活度或浓度。用来寻找铀矿产资源、油气资源或进行核环境评价等。降噪是核探测数据处理工作中的重要内容之一，核探测实际所获得数据包含噪声信号，核探测所产生噪声信号主要由于放射性核素的衰变产生的统计噪声，以及人文环境因素引起的噪声，目前，对信号滤波是一种常见的降噪方法，最基本的方法是平滑滤波，这种方法处理后容易把有用信号给去掉，效果不尽人意。在核探测数据降噪处理中，大多使用平滑滤波和傅里叶变换中的高、低通滤波等，当噪声信号和真实信号差别明显时，采用这些方法容易将噪声滤去，当噪声信号与真实信号之间严重的交叠时，采用常规的滤波方法无法得到理想的效果，从而影响了测量结果的数据解释评价。目前国内外余弦变换的应用局限于图像的压缩和重磁、地震数据处理领域，还没见到应用于核探测数据的降噪处理。

发明内容

本发明的目的是有效地降低伽玛能谱数据的噪声，提供一种核探测数据的离散余弦神经网络模糊降噪方法。

本发明所采用的技术方案是：

一种核探测数据的离散余弦神经网络模糊降噪方法，包括如下步骤：

将核探测信号数据形成的空间数据进行离散余弦变换，得到离散余弦域内的频谱数据；在离散余弦域内对核探测数据进行滤波处理及离散余弦逆变换，得到初步降噪结果；

构建神经网络，将核探测信号数据作为神经网络的节点输入样本，采用最小二乘的反向传播方法对神经网络中的隶属度函数的参数进行估计，得到神经网络输出的最终降噪结果。

如上所述的一种核探测数据的离散余弦神经网络模糊降噪方法，其中：具体分为如下步骤：

步骤（1）：将核探测信号数据进行预处理变换，形成空间数据；

步骤（2）：采用离散余弦变换将步骤（1）中形成的空间数据，从空间域转换为离散余弦域，从而得到在离散余弦域内的频谱数据；

步骤（3）：在离散余弦域内，求取频谱的平均值和均方差，将频谱平均值加上三倍频谱均方差后取整，记为E_n，确定E_n为频谱阈值；

步骤（4）：根据步骤（3）确定的频谱阈值，在离散余弦域内对核探测数据进行滤波处理；

步骤（5）：将步骤（4）滤波处理后的数据进行离散余弦逆变换，将其从离散余弦域内转换为空间域，得到初步降噪结果；

步骤（6）：根据模糊数学，设定两个模糊集，以及两个模糊集隶属度函数；

步骤（7）：将步骤（1）中的核探测信号数据作为神经网络的节点输入样本x_n，将步骤（5）所得的初步降噪结果作为节点的输出样本f(x_n)；模糊规则表示为“如果x_n是A₁，则f₁(x_n)=p₁x_n+r₁;如果x_n是A₂，则f₂(x_n)=p₂x_n+r₂”；其中，p₁、p₂、r₁、r₂为待确定参数，f₁、f₂为模糊规则表达式结果；

步骤（8）：根据步骤（6）、步骤（7）的隶属度函数和模糊规则建立单输入、单输出神经网络结构；

步骤（9）：将步骤（7）的输入输出样本采用步骤（8）建立的神经网络进行学习训练，获得隶属度函数未知参数，采用最小二乘的反向传播算法对本步骤所获得的隶属度函数的参数进行估计，确定最佳隶属度函数参数；

步骤（10）：将步骤（1）中的核探测信号数据，利用步骤（6）～步骤（9）以及含最佳隶属度参数的神经网络进行计算，得到的输出样本为最终降噪结果。

如上所述的一种核探测数据的离散余弦神经网络模糊降噪方法，其中：所述步骤（2）中进行离散余弦变换时采用如下公式：