[发明专利]基于结构化汉克尔全变分正则化的磁异常检测方法及系统

说明书

本发明涉及磁异常检测领域，提供一种基于结构化汉克尔全变分正则化的磁异常检测方法及系统，包括：S1：通过磁梯度传感器阵列采集磁异常信号，通过磁异常信号构建原始矩阵，对原始矩阵交替进行行扫描和列扫描，获得覆盖矩阵；S2：通过结构化汉克尔变换算子将覆盖矩阵变换为块状汉克尔矩阵，对块状汉克尔矩阵进行奇异值分解，获得目标矩阵；S3：通过目标矩阵并引入全变分正则项构建ST‑TVR模型；S4：通过粒子群算法对ST‑TVR模型进行参数寻优，获得优化后的ST‑TVR模型，通过ADMM算法对优化后的ST‑TVR模型进行求解，获得去噪后的磁异常信号。本发明采用粒子群优化算法和ADMM算法分别对ST‑TVR模型进行参数寻优和模型求解，提高了算法收敛性、有效性、以及鲁棒性。

技术领域

本发明涉及磁异常检测领域，尤其涉及一种基于结构化汉克尔全变分正则化的磁异常检测方法及系统。

背景技术

磁异常检测是一种利用磁测仪器探测得到目标测量区域的磁场信息，从而对视觉模糊的磁性目标进行检测的方法，常被应用于资源勘探、目标识别等领域。随着勘探深度的加深，磁异常信号越来越微弱，当被测磁性目标体积较小且所处环境复杂时，磁测仪器所采集到的原始信号中往往包含有大量噪声，如电流噪声、电磁干扰、谐波干扰等。因此，噪声抑制的效果是磁异常信号检测是否有效的关键因素。此外，磁法勘探中为了实现磁异常目标的精确反演，对异常边界特征的提取也尤为重要。

目前，磁异常信号检测方法主要包括两种：基于目标和基于噪声。基于目标的检测方法主要包括基于正交基函数分解的检测方法及其改进算法、主成分分析法、以及鲁棒主成分分析法RPCA等；基于噪声信号特征的检测方法主要包括最小熵检测法、小波变换法WT、奇异值分解法SVD等。但上述方法均存在一定的问题：1)提高信噪比时，容易忽略磁异常原始信号的边界特征，降低异常信号提取的真实性，且伴随有噪声过拟合问题；2)最优阈值难以确定，且常被用于处理一维信号。

综上所述，现有算法难以同时兼顾磁异常信号噪声抑制和边界特征提取。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

为解决上述技术问题，本发明提供一种基于结构化汉克尔全变分正则化的磁异常检测方法，包括：

S1：通过磁梯度传感器阵列采集磁异常信号，通过磁异常信号构建原始矩阵，对原始矩阵交替进行行扫描和列扫描，获得覆盖矩阵；

S2：通过结构化汉克尔变换算子将覆盖矩阵变换为块状汉克尔矩阵，对块状汉克尔矩阵进行奇异值分解，获得目标矩阵；

S3：通过目标矩阵并引入全变分正则项构建ST-TVR模型；

S4：通过粒子群算法对ST-TVR模型进行参数寻优，获得优化后的ST-TVR模型，通过ADMM算法对优化后的ST-TVR模型进行求解，获得去噪后的磁异常信号。

优选的，步骤S1具体为：

S11：通过多组磁异常信号构建大小为a×b的原始矩阵；

S12：设置大小为m×n的滑动窗，通过滑动窗对原始矩阵交替进行列扫描和行扫描，获得覆盖矩阵S，覆盖矩阵S中元素的表达式为：

其中，i为覆盖矩阵的行编号，j为覆盖矩阵的列编号，x_i,j为原始矩阵中的元素，i＝1,2,…,a-m+1；j＝1,2,…,b-n+1；a、b、m和n均为大于0的正整数，且m小于a，n小于b。

优选的，步骤S2具体为：

S21：通过结构化汉克尔变换算子H将覆盖矩阵变换为块状汉克尔矩阵，结构化汉克尔变换的表达式为：

H(S)＝[H(S_i,j)]