[发明专利]一种基于BP神经网络的大地电磁信号噪声压制方法及系统

权利要求书

1.一种基于BP神经网络的大地电磁信号噪声压制方法，其特征在于：包括如下步骤：

S1：构建大地电磁干扰数据的噪声轮廓样本和无干扰数据的纯净信号样本；

S2：将噪声轮廓样本与纯净信号样本相加得到带噪数据样本，再将所述带噪数据样本和所述纯净信号样本、所述带噪数据样本和所述纯净信号样本的样本分类标签输入第一个BP神经网络，训练得到BP信噪辨识模型，所述BP信噪辨识模型的输入数据为信号，输出数据为信号的分类标签；

S3：再将所述带噪数据样本、所述噪声轮廓样本输入第二个BP神经网络，训练得到BP去噪模型，所述BP去噪模型的输入数据为噪声信号，输出数据为噪声信号的噪声轮廓；

S4：将实测大地电磁数据均匀分段，并分别输入至所述BP信噪辨识模型中，保留辨识出的无干扰数据段，再将辨识出的干扰数据段输入至所述BP去噪模型中；

S5：所述BP去噪模型输出干扰数据段的噪声轮廓，再将所述干扰数据段的数据减去对应的噪声轮廓得到去噪后的数据；

S6：将步骤S4中保留的无干扰数据段和步骤S5中去噪后的数据进行重构拼接得到去噪后的大地电磁信号；

步骤S1中构建所述噪声轮廓样本的过程，如下：

S11：根据数学函数生成单个噪声轮廓波形，所述噪声轮廓波形至少包括：脉冲波、类三角波、类方波的轮廓波形；

S12：改变单个波形的幅值以及滑动窗口截取单个波形的部分形状得到若干的噪声轮廓样本；

步骤S1中构建所述纯净信号样本的过程为：生成与实测大地电磁无干扰数据幅值接近的高斯白噪声，用以模拟无干扰大地电磁数据，并均匀分段作为纯净信号样本。

2.根据权利要求1所述的方法，其特征在于：若步骤S11生成了单个噪声轮廓波形，步骤S12中增加轮廓样本数量及多样性的过程，均执行如下步骤：

S121：设单个噪声轮廓波形的数据矩阵A如下：

A＝[α₁,α₂,...,α_q]

式中，α_q表示数据矩阵A中的第q个元素，q也表示单个噪声轮廓波形的数据长度；

S122：改变样本的幅值即对A乘以不同常数μ，针对不同μ值可以得到对应不同幅值的样本A′如下：

A′＝μ×A＝[μα₁,μα₂,...,μα_q]

S123：左右滑动窗口截取样本A以增加样本多样性和数量，设滑动步长为λ，其中为整数，表示样本长度为滑动步长的整数倍，分别得到样本矩阵A₁和A₂如下：

式中，矩阵A₁和A₂中元素均来源于原始样本A，α_q-λ表示A中的第q-λ个元素，矩阵A₁和A₂中每一行均表示一个由A变换之后得到噪声轮廓样本。

3.根据权利要求1所述的方法，其特征在于：步骤S2中BP信噪辨识模型训练的过程执行如下步骤：

S21：设置第一个BP神经网络的训练参数，所述训练参数包括：网络层设计、隐含层数、初始学习率、训练周期和训练算法；

S22：分别为所述带噪数据样本和所述纯净信号样本添加分类标签；

S23：选择部分所述带噪数据样本和所述纯净信号样本用以构建测试集，部分所述带噪数据样本和所述纯净信号样本用以构建训练集；

S24：将所述训练集中的所述带噪数据样本和所述纯净信号样本、分类标签输入所述第一个BP神经网络，训练得到BP信噪辨识模型，并基于所述测试集中的所述带噪数据样本和所述纯净信号样本对辨识模型进行校验。