CN105807323B - 一种利用小子域识别算法确定磁性目标位置的方法 - Google Patents

Abstract

本发明公开了一种利用小子域识别算法确定磁性目标位置的方法。设置初始阈值K＝0.1，计算多个子域中对应平均值Δg_i的平均值ΔSg和对应的均方差Sσ，比较Sσ和阈值K的大小，当Sσ＜K时，窗口的中心位置的识别输出值设置为0；当Sσ＞K时，窗口的中心位置的识别输出值设置为1。将窗口滑动到下一点，重复上述计算，直至完成整个区域的第一次计算。将整个区域中最大的Sσ赋予阈值K。用上述方法对整改区域重新进行循环计算，直至满足循环截止条件。本发明根据磁异常信息，通过设计特定的算法，判断磁性目标的空间位置、大小、形状等特征参数，可实现目标监控和识别。

Description

一种利用小子域识别算法确定磁性目标位置的方法

技术领域

本发明属于磁性目标探测领域，尤其涉及一种在地磁测量及地磁反演应用中利用小子域识别算法确定磁性目标位置的方法。

背景技术

地磁场一般可分为地磁正常场和地磁异常场。在实际测量过程中，正常场与异常场的划分往往是相对的。实际上测得的地球磁场强度和理论磁场强度是有区别的，这种区别称为地磁异常。它主要是由磁性物体受地磁场磁化而产生的附加磁场。所以，通过对磁异常的研究可以帮助人们有效的寻找磁性物体。根据磁异常信息，通过一定的数学解释手段，判断磁性目标的空间位置、大小、形状等特征参数，可实现目标监控和识别。Euler反褶积方法是以欧拉齐次方程为基础，推断磁性目标中心的空间位置。然而反演场源水平位置和深度时，Euler齐次方程是一个灵敏度极高的方程式，式中异常导数的计算精度等稍有偏差，便会在反演中产生较强的干扰。

小子域识别算法是基于滑动平均法原理进行设计的算法，不仅保留了压缩异常区域的功能，能以较高的分辨率保留异常中的区域特征，对具有梯级带特征的断裂构造位置的确定具有较高的分辨率，同时可以有效的识别窗口是否处于异常区域内，这样就可以在压缩异常区域过程中，将异常区域的中心位置显示出来。举例说明算法的实现过程：当磁场梯度带从左向右增大时，小子域的滤波窗口从左向右滑动，各小子域中以平缓系数最小域内的平均值作为窗口中心位置的值。当窗口右侧的子域处于磁异常的梯度带上，这些子域的均方差较大；而左测的子域处于磁异常的平缓区时，这些子域的均方差较小。因此窗口中心位置的值由较大值变为较小值，这样相当于窗口左边低值的平缓区界限右移。同时，计算多个子域中对应平均值Δg_i的平均值ΔSg和对应的均方差Sσ，当Sσ较大时，说明子域中磁场变化剧烈，该窗口处于异常区域中；当Sσ较小时，说明子域中磁场变化平缓，该窗口处于异常区域外。同理，当窗口左侧的子域处于磁异常的梯度带上，而右侧的子域处于磁异常的平缓区时，通过计算，实现窗口右边低值的平缓区界限左移。通过比较Sσ和阈值K的大小，最终达到了压缩梯级带来确定异常区域的中心位置。

发明内容

本发明的目的是提供一种准确的，具有高可靠识别性的，利用小子域识别算法确定磁性目标位置的方法。

一种利用小子域识别算法确定磁性目标位置的方法，包括以下步骤，

步骤一：利用磁力仪，获取区域的局部地磁图数据；

步骤二：构建5X5数据点的窗口，将窗口划分成9个小子域，设定初始阈值K＝0.1；

步骤三：分别计算9个子域里的磁异常方差σ_i，将9个子域中的方差最小对应的小子域的磁异常均值Δg_min作为窗口中心的值；

Δg_min＝min{Δg₁,Δg₂,…,Δg₉}i＝1,2…

其中，T_i(p,q)为第i个子域内第(p,q)个点上的异常值，σ_i为第i个子域的方差值；

步骤四：计算整个窗口的方差Sσ：

步骤五：比较整个窗口的方差Sσ和阈值K的大小，当Sσ＜K时，窗口中心位置的识别输出值设置为0；当Sσ＞K时，窗口中心位置的识别输出值设置为1；

步骤六：窗口滑动到下一点，重复步骤二～步骤五，直至完成全部的区域计算；将整个区域中最大的整个窗口的方差Sσ赋予阈值K；

步骤七：重复步骤二～步骤六，判断整个窗口的方差Sσ是否和阈值K相等，如果相等，则进行步骤八；如果不相等，重复步骤二～步骤五，直至整个窗口的方差Sσ和阈值K相等；

步骤八：得到地磁图中识别标识为1的位置为磁性目标所处位置。

有益效果：

本发明提供的是利用磁性目标产生的磁异常数据确定其水平位置的识别算法。任何铁磁性目标在地磁场的作用下，产生磁化磁场叠加到地磁场上，使得原有的地磁场分布发生变化，形成磁异常区域。因此，通过对磁异常的处理可以帮助人们有效的寻找磁性物体。根据磁异常信息，通过设计特定的算法，判断磁性目标的空间位置、大小、形状等特征参数，可实现目标监控和识别。本发明针对磁异常的分布特点，设计了窗口中小子域的识别规则，提出了用于确定磁性目标的小子域识别方法，并设计了其对应的算法。本发明的数据处理方法和过程，小子域识别法对异常区域的高可靠识别性，能够准确的计算出磁性目标的位置。

附图说明

图1计算窗口移动示意图；

图2磁性物体的四方位磁测实验方案；

图3(a)磁性物体处于0角度时的区域地磁场分布图；

图3(b)磁性物体处于0角度时的区域地磁场分布图；

图3(c)磁性物体处于0角度时的区域地磁场分布图；

图3(d)磁性物体处于0角度时的区域地磁场分布图；

图4(a)利用小子域识别算法对图3(a)的地磁数据处理，得到磁性目标的位置；

图4(b)利用小子域识别算法对图3(b)的地磁数据处理，得到磁性目标的位置；

图4(c)利用小子域识别算法对图3(c)的地磁数据处理，得到磁性目标的位置；

图4(d)利用小子域识别算法对图3(d)的地磁数据处理，得到磁性目标的位置；

图5将区域内的地磁数据划分示意图。

具体实施方式

下面将结合附图对本发明做进一步详细说明。

本发明所涉及的是地磁测量及地磁反演应用中铁磁性目标的探测计算方法，具体地说是在地磁测量及地磁反演应用中采用本发明方法能够准确的获得磁性目标的中心位置信息，实现对目标的探测。

本发明的目的是提供一种通过压缩因磁性物体产生的磁异常数据，确定磁性目标的位置的方法。

本发明是通过以下技术方案实现的：

利用小子域识别算法确定磁性目标的位置，包括以下几个步骤：

步骤一：利用磁力仪，获取区域的局部地磁图数据；

步骤二：构建5X5数据点的窗口，将窗口划分成9个小子域，设定初始阈值K＝0.1；

步骤三：分别计算9个子域里的磁异常方差σ_i，将9个子域中的方差最小对应的小子域的磁异常均值Δg_min作为窗口中心的值；

Δg_min＝min{Δg₁,Δg₂,…,Δg₉}i＝1,2…9

其中，T_i(p,q)为第i个子域内第(p,q)个点上的异常值，σ_i为第i个子域的方差值

步骤四：计算整个窗口的方差Sσ；

步骤五：比较Sσ和阈值K的大小，当Sσ＜K时，窗口中心位置的识别输出值设置为0；当Sσ＞K时，窗口中心位置的识别输出值设置为1；

步骤六：窗口滑动到下一点，如图1所示，重复(2)～(5)，直至完成全部的区域计算。将整个区域中最大的Sσ赋予阈值K；

步骤七：重复(2)～(6)，判断Sσ是否和K相等，如果相等，则循环结束；如果不相等，重复(2)～(5)，直至Sσ和K相等；

步骤八：地磁图中识别标识为1的位置为磁性目标所处位置。

小子域滤波法是将计算窗口划分成多个计算子域，计算每个子域里的异常均值Δg_i和均方差σ_i(其中i＝1,2…n)，将多个子域中均方差最小的子域内数据的平均值作为窗口的值。基于小子域滤波法，提出用于确定磁性目标的位置的小子域识别算法，设置初始阈值K＝0.1，计算多个子域中对应平均值Δg_i的平均值ΔSg和对应的均方差Sσ，比较Sσ和阈值K的大小，当Sσ＜K时，窗口的中心位置的识别输出值设置为0；当Sσ＞K时，窗口的中心位置的识别输出值设置为1。将窗口滑动到下一点，重复上述计算，直至完成整个区域的第一次计算。将整个区域中最大的Sσ赋予阈值K。用上述方法对整改区域重新进行循环计算，直至满足循环截止条件。

本发明数据处理方法和过程，小子域识别法对异常区域的高可靠识别性，能够准确的计算出磁性目标的位置。计算多个子域中对应平均值Δg_i(其中i＝1,2…n)的平均值ΔSg和对应的均方差Sσ，通过对比Sσ和阈值K，确定窗口识别的输出值。循环计算整个区域，直至满足截止条件Sσ＝K。

小子域识别法中的子域划分以中心点进行划分。初始阈值K＝0.1。

子域划分形式，不仅仅局限于摘要附图中的形式，对其他以中心点划分的子域同样满足该算法。

本发明通过区域数据循环计算，更新阈值K，逐步压缩异常区域，最终确定磁性目标的位置。

本发明可以应用于其他地球物理场中异常目标的探测。

在磁场变化平缓的区域内，选取一块9m×9m区域，构成18×18的网络格点，将磁异常源(水下机器人：长1.6m，宽0.6m，高1m)至于该区域的中心位置。为了尽可能的详细获取磁性物体所产生的磁异常分布，将机器人分别处于4个方位放置于区域中心进行测量，方案如图2所示，每天测量一个方位。将机器人至于选取区域的中心位置，通过网格测量法，获得该区域距离地面1.6平面内的地磁场值。通过克里金插值法，绘制该平面的局部地磁场等值线图，如图3所示。

由于该区域内存在磁性物体(机器人)，该磁性物体在地磁场的作用下，产生磁化磁场叠加到地磁场上，使得原有的地磁场分布发生变化，形成磁异常区域。由于机器人的摆放方位不同，使得磁化磁场的大小和方向也不同，最终形成的磁异常的分布也不同。同时该区域内的磁异常的产生是因为有磁性物体的存在而形成的，因此磁异常的中心位置应该位于磁性物体所在的位置。

对该区域内的地磁数据，按图5进行划分，进行5X5窗口的小子域识别算法，得到异常磁场区域的中心位置，如图4所示。在图4中，虚线矩形框表示磁性物体(机器人)的几何大小。对异常区域进行小子域识别算法，计算中的位置结果落入虚线矩形框内。因此，可以通过小子域识别算法确定磁性物体的水平位置。

Claims (1)

1.一种利用小子域识别算法确定磁性目标位置的方法，其特征在于：包括以下步骤，

步骤一：利用磁力仪，获取区域的局部地磁图数据；

步骤二：构建5X5数据点的窗口，将窗口划分成9个小子域，设定初始阈值K＝0.1；

步骤三：分别计算9个子域里的磁异常方差值，将9个子域中的方差最小对应的小子域的磁异常均值Δg_min作为窗口中心的值；

Δg_min＝min{Δg₁,Δg₂,…,Δg₉}i＝1,2···9

其中，T_i(p,q)为第i个子域内第(p,q)个点上的异常值，σ_i为第i个子域的磁异常方差值；

步骤四：计算整个窗口的方差Sσ：

<mrow> <mi>S</mi> <mi>&amp;sigma;</mi> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>p</mi> <mo>&amp;times;</mo> <mi>q</mi> </mrow> </mfrac> <msqrt> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mi>q</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>5</mn> </munderover> <msup> <mrow> <mo>(</mo> <mi>T</mi> <mo>(</mo> <mrow> <mi>p</mi> <mo>,</mo> <mi>q</mi> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>&amp;Delta;g</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>;</mo> </mrow>

步骤五：比较整个窗口的方差Sσ和阈值K的大小，当Sσ＜K时，窗口中心位置的识别输出值设置为0；当Sσ＞K时，窗口中心位置的识别输出值设置为1；

步骤六：窗口滑动到下一点，重复步骤二～步骤五，直至完成全部的区域计算；将整个区域中最大的整个窗口的方差Sσ赋予阈值K；

步骤七：重复步骤二～步骤六，判断整个窗口的方差Sσ是否和阈值K相等，如果相等，则进行步骤八；如果不相等，重复步骤二～步骤五，直至整个窗口的方差Sσ和阈值K相等；

步骤八：得到地磁图中识别标识为1的位置为磁性目标所处位置。