[发明专利]一种基于地磁异常数据形态特征的边界补偿方法

说明书

技术领域

本发明属于地磁导航领域，特别涉及一种基于地磁异常数据形态特征的边界补偿方法。

背景技术

地磁导航是一种新兴的无源、自主导航方式，相比传统导航方法具有全天候、全地域、隐蔽性好、无积累误差等优点。地磁异常场是地磁导航中的主要参考量，由地壳表面分布和局部地理特征如矿产、岩石、人造磁场等产生，空间结构复杂，磁异常强度随空间位置变化明显，且在时间上变化非常稳定，由许多大小尺度不等、正负相间的磁场分布区组成，精确的地磁异常数据分析是实现高精度地磁导航的关键。由于进行精细的磁异常测量难度较大、测量过程非常复杂，因此目前所掌握的地磁异常场数据多呈区域性分布，从而导致利用实测数据插值重构导航用基准图或进行多尺度分解操作时面临着边界效应的重大影响。边界效应是指对区域性地磁异常数据进行插值或分解等操作时，由于边界区域缺少参考信息，从而造成边界区域分析结果误差过大甚至发散的现象，而这种误差甚至会深入到数据内部，从而大大降低分析结果的利用价值。因此，本专利发明一种边界补偿方法，旨在增加地磁异常数据边界处的参考信息，减小边界区域的分析误差，提高地磁导航的可靠性。

解决边界效应问题的本质方法就是在所研究数据周围添加适量可靠的参考点，很多学者对该问题进行了研究。乔玉坤分别使用了支持向量机和BP神经网络方法预测导航区域边缘位置的基准数据，从而减弱边界效应的影响；谭斌利用径向基函数进行边界插值约束，减小了所构建区域地磁场模型的预测偏差；杨云涛采用边界插值约束的Tayler多项式拟合法进行区域地磁场建模，有效改善了建模过程中存在的边界效应问题；在空间数据多尺度分解方面，经验模态分解法是非常优秀且常用的方法，在二维空间数据分解过程中，受边界效应的影响，所构建的包络面产生畸变，从而导致多尺度分解准确性的降低，镜像法、神经网络预测、多项式外延法、灰度预测等方法被用来解决该问题。但是这些方法都存在很强的局限性，尤其是对于随机分布特性较强的地磁异常场，无论是支持向量机、神经网络、灰度预测等方法的模型预测能力，还是镜像法、多项式外延等补偿方法的准确性都将大大降低。

本专利发明了一种全新的基于地磁异常数据形态相似性的边界补偿方法。地磁异常场作为一种广泛分布的空间变量，分布不规则形强，同时又有着很强的自相似性，Spector等进行了航磁数据谱的统计分析，表明地磁异常具有明显的分形特征。本专利首先在对所研究地磁异常数据进行零均值平移的基础上，进行了形态特征的提取，避免了不同数据集之间由于磁异常强度不同从而导致的特征提取结果的差异；将数据集分割成众多数据块单元，在消除单元之间相似性冗余的基础上，建立了具有普遍适用性的多层级地磁异常数据补偿单元数据库。对于任何待分析的地磁异常数据，均可以从该数据库中提取补偿单元进行边界补偿。同时该数据库具有良好的可扩充性，随着实测数据量的增多，可不断对其进行丰富。本方法极大的提高了边界补偿的便捷性；同时相比于已有方法，能够更加有效的改善地磁异常数据分析时的边界效应问题，增强分析结果的可靠性。

发明内容

本发明的目的在于提供一种进一步提高边界补偿的准确性和可靠性的基于地磁异常数据形态特征的边界补偿方法。

本发明的目的是这样实现的：

一种基于地磁异常数据形态特征的边界补偿方法，

(1)对实测地磁异常数据进行规则网格化处理：

选用克里金法作为网格化插值方法，网格化后所得规则网格数据集D₀(x,y)在测线方向上间隔为0.001°，在测线垂直方向上的间隔为0.002°；

(2)平移地磁异常网格数据集，使均值为零：

计算规则网格数据集D₀(x,y)的均值M₀，将数据集在xy平面垂直方向上平移|M₀|距离，使得平移后所得零均值网格数据集D(x,y)的均值M为零；

(3)对平移后的零均值网格数据集进行二维经验模态分解：

对平移后的零均值网格数据集进行二维经验模态分解，得到本征模态函数分量和一个残余项；

(4)对二维经验模态分解结果进行形态特征提取：

利用直接微分法对分解所得前两个本征模态函数分量进行双向瞬时频率和幅值特征的提取，利用其他分量进行趋势项幅值特征的计算；

(5)分割数据块单元，实时消除相邻单元的特征相似性冗余：