CN116203646A - 一种确定地质资源量的勘探数据处理系统 - Google Patents

一种确定地质资源量的勘探数据处理系统 Download PDF

Info

Publication number
CN116203646A
CN116203646A CN202310482909.4A CN202310482909A CN116203646A CN 116203646 A CN116203646 A CN 116203646A CN 202310482909 A CN202310482909 A CN 202310482909A CN 116203646 A CN116203646 A CN 116203646A
Authority
CN
China
Prior art keywords
signal
amplitude
data
component
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310482909.4A
Other languages
English (en)
Other versions
CN116203646B (zh
Inventor
赵辉绩
朱司宏
韩艳超
王燕
张迪
崔圆圆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Institute of Geological Surveying and Mapping
Original Assignee
Shandong Institute of Geological Surveying and Mapping
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Institute of Geological Surveying and Mapping filed Critical Shandong Institute of Geological Surveying and Mapping
Priority to CN202310482909.4A priority Critical patent/CN116203646B/zh
Publication of CN116203646A publication Critical patent/CN116203646A/zh
Application granted granted Critical
Publication of CN116203646B publication Critical patent/CN116203646B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geophysics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及数据处理技术领域，具体涉及一种确定地质资源量的勘探数据处理系统，包括数据采集模块、数据预处理模块、数据处理模块、数据去噪模块、资源勘测模块，其中：获取探地雷达信号；获取若干幅值变化区间，获取每一分量信号的优选程度，将优选程度最大值对应的分量信号作为最佳分量信号；获取最佳分量信号中每一单信号的纠正值，构建纠正最佳分量信号，获取纠正最佳分量信号的分解频带宽度；利用分解频带宽度使用EWT算法获取去噪后的探地雷达信号；根据去噪后的探地雷达信号确定地质资源的位置与储量。本发明对探地雷达信号进行去噪处理时抑制噪声的同时，保留探地雷达信号中有用的目标回波信息。

Description

一种确定地质资源量的勘探数据处理系统
技术领域
本发明涉及数据处理技术领域，具体涉及一种确定地质资源量的勘探数据处理系统。
背景技术
地质勘查以地质观察研究为基础，选用必要的技术手段或方法，如测绘、地球物理勘探等，其中通常使用探地雷达来对目标区域进行资源勘探，杂波抑制作为探地雷达信号预处理的核心旨在压制甚至去除目标反射信号以外的回波信号，也就是说要在抑制杂波的同时，保留有用的目标回波信息，因此需要先对探地雷达信号进行去噪处理。
对于信号数据的去噪方法，现有技术中经验小波变化去噪算法具有较优的去噪效果，去噪后的数据损失较少，但是因为在进行数据去噪时，需要对原始数据进行分解，而根据探地雷达信号分析地质资源时不能有信号的损失，因此在进行数据分解时经验小波变化去噪算法的频带宽度决定了数据分解的效果，进而影响数据的去噪效果，因此需要根据噪声信号的特征及信号幅值的变化确定合适的频带宽度。
发明内容
本发明提供一种确定地质资源量的勘探数据处理系统，以解决现有的问题。
本发明的一种确定地质资源量的勘探数据处理系统采用如下技术方案：
本发明一个实施例提供了一种确定地质资源量的勘探数据处理系统，该系统包括以下模块：
数据采集模块：获取探地雷达信号；
数据预处理模块：对探地雷达信号进行分解获取若干分量信号，根据分量信号极值点对分量信号进行分割获取若干幅值变化区间，根据每一幅值变化区间中信号幅值的差异获取每一幅值变化区间的变化程度，得到每一分量信号的变化程度序列，根据变化程度序列中相邻数据差值获取差值序列，对差值序列中所有数据利用层次聚类算法进行聚类处理，得到若干聚类簇，根据每一分量信号的差值序列的聚类簇的个数、每一聚类簇中数据的个数、每一聚类簇中数据的差异获取每一分量信号的优选程度，将优选程度最大值对应的分量信号作为最佳分量信号；
数据处理模块：将最佳分量信号中每一信号记为单信号，获取最佳分量信号的差值序列的聚类簇中每一数据的幅值变化区间，获取最佳分量信号中每一聚类簇的幅值参考值，根据最佳分量信号中每一聚类簇的幅值参考值、最佳分量信号的差值序列中每一聚类簇中每一数据对应的幅值变化区间中单信号的个数、幅值变化区间中每一单信号的幅值、幅值变化区间中单信号幅值的最大值获取最佳分量信号中每一单信号的纠正值，根据每一单信号的纠正值构建纠正最佳分量信号，获取纠正最佳分量信号的分解频带宽度；
数据去噪模块：利用EWT算法的分解频带宽度使用EWT算法对探地雷达信号进行分解处理，获取EMF分量信号，对EMF分量信号使用小波变换进行去噪处理，获取去噪后的探地雷达信号；
资源勘测模块：根据去噪后的探地雷达信号确定地质资源的位置与储量。
可选的，所述根据分量信号极值点对分量信号进行分割获取若干幅值变化区间包括：
记任意一分量信号为目标分量信号，获取目标分量信号中所有极大值点和极小值点，记任意一极大值点为目标极小值点，记与目标极大值点相邻且在目标极大值点右侧的极大值点为目标极大值点，在目标极小值点至目标极大值点所在的时序区间上，获取目标极小值点的信号幅值及目标极大值点的信号幅值的均值对应的点，记为均值点，获取目标分量信号的所有均值点，根据均值点对目标分量信号进行划分，得到若干个幅值变化区间。
可选的，所述根据每一分量信号的差值序列的聚类簇的个数、每一聚类簇中数据的个数、每一聚类簇中数据的差异获取每一分量信号的优选程度，计算公式如下：
Figure SMS_1
，
其中，
Figure SMS_16
表示第/>
Figure SMS_4
个分量信号的优选程度，/>
Figure SMS_6
表示第/>
Figure SMS_12
个分量信号的差值序列的第
Figure SMS_15
个聚类簇中第/>
Figure SMS_17
个数据点的数值，/>
Figure SMS_18
表示第/>
Figure SMS_11
个分量信号的差值序列的第/>
Figure SMS_14
个聚类簇中第/>
Figure SMS_2
个数据点的数值，/>
Figure SMS_8
表示第/>
Figure SMS_5
个分量信号的差值序列的第/>
Figure SMS_7
个聚类簇的数据点个数，/>
Figure SMS_10
表示第/>
Figure SMS_13
个分量信号的差值序列的聚类簇的个数，/>
Figure SMS_3
表示以自然常数e为底的指数函数，/>
Figure SMS_9
表示取绝对值。
可选的，所述获取最佳分量信号的差值序列的聚类簇中每一数据的幅值变化区间包括：
记最佳分量信号中任意一聚类簇为关注聚类簇，记关注聚类簇中任意一数据为关注点，获取关注点时序位置对应的两个幅值变化区间，记其中时序最小的幅值变化区间为关注点的幅值变化区间。
可选的，所述获取最佳分量信号中每一聚类簇的幅值参考值包括：
获取最佳分量信号的差值序列中每一聚类簇中所有数据的幅值变化区间中所有单信号的信号幅值的平均值，记为该聚类簇的幅值参考值。
可选的，所述根据最佳分量信号中每一聚类簇的幅值参考值、最佳分量信号的差值序列中每一聚类簇中每一数据对应的幅值变化区间中单信号的个数、幅值变化区间中每一单信号的幅值、幅值变化区间中单信号幅值的最大值获取最佳分量信号中每一单信号的纠正值，计算公式如下：
Figure SMS_19
，
式中，
Figure SMS_32
表示最佳分量信号的差值序列中第/>
Figure SMS_22
个聚类簇中第/>
Figure SMS_27
个数据对应的幅值变化区间中第/>
Figure SMS_23
个单信号的纠正值，/>
Figure SMS_25
表示第/>
Figure SMS_29
个聚类簇中第/>
Figure SMS_33
个数据对应的幅值变化区间中第/>
Figure SMS_28
单信号的信号幅值，/>
Figure SMS_31
表示第/>
Figure SMS_21
个聚类簇的幅值参考值，/>
Figure SMS_24
表示第/>
Figure SMS_34
个聚类簇中第/>
Figure SMS_36
个数据对应的幅值变化区间中所有单信号的信号幅值的最大值，/>
Figure SMS_35
表示第/>
Figure SMS_37
个聚类簇中第/>
Figure SMS_20
个数据对应的幅值变化区间中单信号个数，/>
Figure SMS_26
表示归一化函数，/>
Figure SMS_30
表示取绝对值。
本发明的有益效果是：在使用经验小波变换对探地雷达回波信号进行去噪时，由于信号的分解关系到去噪的效果，因此本发明先使用EMD算法对原始信号分解，然后根据探地雷达信号的变化获得最佳数据分量，并且去除最佳数据分量中的谐波信号，使得得到的分解频带宽度更加准确，从而对数据的分解更符合探地雷达中不同地质层数据的变化，降低探地雷达信号中数据损失的同时，能够准确的分析出不同地质层中包含的地质资源。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种确定地质资源量的勘探数据处理系统的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种确定地质资源量的勘探数据处理系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种确定地质资源量的勘探数据处理系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种确定地质资源量的勘探数据处理系统的结构框图，该系统包括以下模块：
数据采集模块S101、获取探地雷达信号。
本发明的主要目的是对探地雷达采集得到的信号数据进行去噪，因此首先需要获取探地雷达信号数据。
首先布置好探地雷达，然后由发射器发出雷达波，经一段时间传输后，返回到接收器内，由于不同传输介质对雷达波的反射程度不同，因此接受到的反射波表现为不同的振幅与频率，进而将获得的信号数据传输到信号分析系统中，进行下一步的处理。
至此，获取探地雷达信号。
数据预处理模块S102、利用EMD算法对探地雷达信号分解并进行预处理。获取若干个分量信号，对分量信号进行分割获取若干个幅值变化区间，获取每一幅值变化区间的变化程度，进而获取每一分量信号的优选程度，根据优选程度获取最佳分量信号。
需要说明的是，由于在探地雷达信号中，不但包含不同底层形成的回波信号，还包含收发天线间的耦合波，直达波，地下背景噪声等，这些均会对回波信号产生干扰，因此需要对获得的探地雷达信号进行去噪处理，在探地雷达信号中，耦合波与直达波属于低频噪声，地下背景噪声属于高频噪声，高频噪声会影响探地雷达信号的幅值与频率，使得探地雷达信号在低频信号中产生尖峰，淹没主频信号，为了准确反映信号之间的变化，首先需要通过EMD算法对探地雷达信号进行分解。
利用EMD算法对探地雷达信号进行分解，得到若干个IMF分量和一个残差；需要说明的是，EMD算法为现有技术，本实施例不再过多赘述。
至此，得到若干个IMF分量和一个残差。
由于IMF分量是具有时变频率的震荡函数，可以反应探地雷达信号的局部特征，同时第1个IMF分量到第3个IMF分量中包含的高频噪声较多，因此去除第1个IMF分量到第3个IMF分量，记剩下的IMF分量为分量信号，需要说明的是，第1个分量信号为第4个IMF分量。
至此，获取若干个分量信号。
记任意一分量信号为目标分量信号，获取目标分量信号中所有极大值点和极小值点，在第n个极小值点和第n个极大值点所在的时序区间上，获取第n个极小值点和第n个极大值点信号幅值的均值对应的点，记为第n个均值点，获取目标分量信号中所有均值点，根据均值点对目标分量信号进行划分，记为幅值变化区间，需要说明的是，第n个幅值变化区间起始点为第n个均值点，结束点为第n+1个均值点。
至此，对分量信号进行分割获取若干个幅值变化区间。
记任意一幅值变化区间为目标幅值变化区间，获取目标幅值变化区间中的信号幅值最大值记为目标幅值变化区间的最大幅值，获取目标幅值变化区间中的信号幅值最小值记为目标幅值变化区间的最小幅值。
具体的，以第
Figure SMS_38
个分量信号中第/>
Figure SMS_39
个幅值变化区间为例，获取该幅值变化区间的变化程度/>
Figure SMS_40
的计算方法为：
Figure SMS_41
，
其中，
Figure SMS_43
表示第/>
Figure SMS_46
个分量信号中第/>
Figure SMS_49
个幅值变化区间的最大幅值，/>
Figure SMS_44
表示第
Figure SMS_47
个分量信号中第/>
Figure SMS_48
个幅值变化区间的最小幅值，/>
Figure SMS_50
表示第/>
Figure SMS_42
个分量信号中第/>
Figure SMS_45
个幅值变化区间的时宽。
至此，获取每一幅值变化区间的变化程度。
获取每一分量信号的所有幅值变化区间的变化程度，构成每一分量信号的变化程度序列，获取该变化程度序列的差值序列，差值序列中第
Figure SMS_51
个数据为变化程度序列中第
Figure SMS_52
个数据与第/>
Figure SMS_53
个数据的差值；对差值序列中所有数据进行层次聚类处理，获取层次聚类迭代两次后的所有簇记为每一分量信号的差异序列的聚类簇；需要说明的是，层次聚类为现有技术，本实施例不再过多赘述，差值序列中每一数据表示连续两个幅值变化区间的变化程度的差异。
进一步需要说明的是，由于在不同的分量信号中，噪声的影响程度不同，当某一分量信号受噪声的影响程度越大，该分量信号中的幅值变化区间的变化程度差异越大，进而该分量信号的差值序列中数据间的差异越大，根据差值序列中每一聚类簇中数据的值的差异获取每一分量信号的优选程度。
具体的，以第
Figure SMS_54
个分量信号为例，获取该分量信号的优选程度/>
Figure SMS_55
的计算方法为：
Figure SMS_56
，
其中，
Figure SMS_58
表示第/>
Figure SMS_63
个分量信号的差值序列的第/>
Figure SMS_66
个聚类簇中第/>
Figure SMS_59
个数据点的数值，/>
Figure SMS_64
表示第/>
Figure SMS_67
个分量信号的差值序列的第/>
Figure SMS_70
个聚类簇中第/>
Figure SMS_57
个数据点的数值，/>
Figure SMS_62
表示第/>
Figure SMS_68
个分量信号的差值序列的第/>
Figure SMS_71
个聚类簇的数据点个数，/>
Figure SMS_60
表示第/>
Figure SMS_61
个分量信号的差值序列的聚类簇的个数，/>
Figure SMS_65
表示以自然常数e为底的指数函数，/>
Figure SMS_69
表示取绝对值。
Figure SMS_72
表示第/>
Figure SMS_73
个分量信号的差值序列的第/>
Figure SMS_74
个聚类簇中数据点的差异程度，若/>
Figure SMS_75
越小，表示第/>
Figure SMS_76
个分量信号受噪声的影响程度越小，
Figure SMS_77
越大。
至此，获取每一分量信号的优选程度。
将优选程度最大值对应的分量信号记为最佳分量信号。
数据处理模块S103、将最佳分量信号中每一信号记为单信号，获取最佳分量信号的差值序列的聚类簇中每一数据的幅值变化区间，获取最佳分量信号中每一聚类簇的幅值参考值，获取最佳分量信号中每一单信号的纠正值，根据每一单信号的纠正值构建纠正最佳分量信号，获取纠正最佳分量信号的分解频带宽度。
需要说明的是，由于利用EMD算法进行信号分解时，在每次迭代过程中都要找出信号中的极大值和极小值，导致在IMF分量中出现谐波，出现模态混叠现象，进而根据IMF分量确定EWT算法中信号的分解频带宽度时，会导致获取的频带宽度不准确；因此需要对最佳分量信号中的谐波进行纠正，然后根据纠正后的最佳分量信号的变化趋势获得频带宽度。
进一步需要说明的是，由于获得的最佳分量信号受到噪声的影响程度较小，其变化较为平稳；当最佳分量信号中出现了谐波时，会改变信号的周期特性，因此根据信号幅值的变化对最佳分量信号进行纠正。
由于每一幅值变化区间对应一个变化程度，相邻两个变化程度对应一个差值，利用层次聚类算法对差值序列中所有数据进行聚类处理，层次聚类算法不改变数据的时序顺序，进而对于每一聚类簇中的数据，根据数据的时序位置可获取每一数据时序上对应的两个幅值变化区间，记其中时序数最小的幅值变化区间为该数据对应的幅值变化区间，例如，对于第1个聚类簇中的第3个数据对应第3个幅值变化区间。
获取最佳分量信号的差值序列中每一聚类簇中所有数据对应的幅值变化区间的变化程度均值，记为该聚类簇的变化程度参考值，记最佳分量信号中每一信号为单信号，获取最佳分量信号的差值序列中每一聚类簇中所有数据对应的幅值变化区间中所有单信号的信号幅值的平均值，记为该聚类簇的幅值参考值，获取最佳分量信号的差值序列中每一聚类簇中每一数据对应的幅值变化区间中单信号的个数。
具体的，以最佳分量信号的差值序列中第
Figure SMS_92
个聚类簇中第/>
Figure SMS_98
个数据对应的幅值变化区间中第/>
Figure SMS_100
个单信号为例，记/>
Figure SMS_79
为第/>
Figure SMS_83
个聚类簇的变化程度参考值，/>
Figure SMS_88
为第/>
Figure SMS_93
个聚类簇中第/>
Figure SMS_80
个数据对应的幅值变化区间的变化程度，/>
Figure SMS_84
为第/>
Figure SMS_86
个聚类簇中第/>
Figure SMS_89
个数据对应的幅值变化区间的变化程度，若/>
Figure SMS_81
时，最佳分量信号的第/>
Figure SMS_85
个聚类簇中第/>
Figure SMS_87
个数据对应的幅值变化区间中每一单信号的纠正值为该单信号的信号幅值，即不进行纠正，若/>
Figure SMS_91
，即当第/>
Figure SMS_95
个聚类簇中第/>
Figure SMS_99
个数据幅值变化区间的变化程度与第
Figure SMS_101
个数据幅值变化区间的变化程度的差值大于第/>
Figure SMS_102
个聚类簇的变化程度参考值时，说明第
Figure SMS_78
个聚类簇中第/>
Figure SMS_82
个数据对应的幅值变化区间中的单信号的信号幅值需要调整，可能存在噪声信号，需要进行纠正，获得纠正值；其中，获取最佳分量信号的差值序列中第/>
Figure SMS_90
个聚类簇中第/>
Figure SMS_97
个数据对应的幅值变化区间中第/>
Figure SMS_94
个单信号的纠正值/>
Figure SMS_96
的计算方法为：
Figure SMS_103
，
其中，
Figure SMS_106
表示第/>
Figure SMS_110
个聚类簇中第/>
Figure SMS_112
个数据对应的幅值变化区间中第/>
Figure SMS_107
单信号的信号幅值，/>
Figure SMS_111
表示第/>
Figure SMS_115
个聚类簇的幅值参考值，/>
Figure SMS_117
表示第/>
Figure SMS_104
个聚类簇中第/>
Figure SMS_108
个数据对应的幅值变化区间中所有单信号的信号幅值的最大值，/>
Figure SMS_114
表示第/>
Figure SMS_116
个聚类簇中第/>
Figure SMS_105
个数据对应的幅值变化区间中单信号个数，/>
Figure SMS_109
表示归一化函数，本实施例选用线性归一化函数对求得的所有数据进行归一化处理，/>
Figure SMS_113
表示取绝对值。
Figure SMS_126
表示第/>
Figure SMS_119
个聚类簇中第/>
Figure SMS_122
个数据对应的幅值变化区间中所有单信号的信号幅值的均值与第/>
Figure SMS_130
个聚类簇的幅值参考值的差值，若/>
Figure SMS_132
越大，说明第/>
Figure SMS_129
个聚类簇中第/>
Figure SMS_133
个数据对应的幅值变化区间中的单信号出现异常波动，其中含有噪声信号的可能性较大，需要对其信号幅值进行纠正，/>
Figure SMS_128
表示第/>
Figure SMS_131
个聚类簇中第/>
Figure SMS_118
个数据对应的幅值变化区间中单信号的信号幅值的最大值与第/>
Figure SMS_125
个聚类簇的幅值参考值的差异，若/>
Figure SMS_121
越大，说明第/>
Figure SMS_123
个聚类簇中第/>
Figure SMS_124
个数据对应的幅值变化区间中出现信号幅值较大的单信号，出现噪声信号的可能性较高，第/>
Figure SMS_127
个聚类簇中第/>
Figure SMS_120
个数据对应的幅值变化区间中单信号的信号幅值需要被纠正的程度较高。
至此，获取最佳分量信号的第
Figure SMS_134
个聚类簇中第/>
Figure SMS_135
个数据对应的幅值变化区间中第/>
Figure SMS_136
个单信号的纠正值，即最佳分量信号中每一单信号的纠正值，记纠正后的最佳分量信号为纠正最佳分量信号。
需要说明的是，通过上述方法对最佳分量信号中的谐波信号进行了纠正，纠正最佳分量信号能够准确的反映原始数据的变化趋势，进而根据最佳分量信号的变化趋势获得数据的分解频带宽度。
获取纠正最佳分量信号的所有极值点，由于EWT算法边界频率的确定方法为信号的傅里叶频谱中两个频谱极大值之间的极小值点对应的频率，根据纠正最佳分量信号极大值点与极小值点获取频带划分判断条件，进而对频带进行划分，获取若干分解频带宽度。
具体的，以纠正最佳分量信号中第
Figure SMS_137
个极大值点及相邻的右侧的极小值点为例，获取纠正最佳分量信号中第/>
Figure SMS_138
个极大值点及相邻的右侧的极小值点的频带划分判断条件/>
Figure SMS_139
的计算方式如下：
Figure SMS_140
，
其中，
Figure SMS_141
表示纠正最佳分量信号中第/>
Figure SMS_142
个极大值点，/>
Figure SMS_143
表示与第/>
Figure SMS_144
个极大值点相邻的右侧的极小值点。
设定划分阈值
Figure SMS_146
，本实施例中设定/>
Figure SMS_149
，具体实施过程实施者可根据实际情况设定划分阈值/>
Figure SMS_151
，当/>
Figure SMS_147
小于等于划分阈值/>
Figure SMS_150
时，不进行后续处理，继续求取其他极大值及与其相邻的右侧极小值点的频带划分判断条件，当/>
Figure SMS_152
大于划分阈值/>
Figure SMS_154
时，表示相邻数据间的差异较大，此时设定第/>
Figure SMS_145
个极大值点为频带的分割点，将第/>
Figure SMS_148
个极大值点的两个相邻极小值之间的宽度作为一分解频带宽度；需要说明的是，/>
Figure SMS_153
的计算方式与根据/>
Figure SMS_155
获取分解频带宽度为EWT算法的现有步骤，为现有技术。
至此，获取EWT算法的若干个分解频带宽度。
数据去噪模块S104、利用EWT算法的分解频带宽度使用EWT算法对探地雷达信号进行分解处理，获取EMF分量信号，对EMF分量信号使用小波变换进行去噪处理，获取去噪后的探地雷达信号。
利用EWT算法的分解频带宽度使用EWT算法对探地雷达信号进行分解，获得不同频率的EMF分量信号，由于前三个EMF分量信号所含有的高频信息较多，去除前三个EMF分量信号剩余的EMF分量信号即为探地雷达信号的真实成分，对剩余的EMF分量信号使用小波变化进行去噪处理，获取去噪后的探地雷达信号；需要说明的是，EWT算法及小波变化算法为现有技术，本实施例不再过多赘述。
至此，获得去噪后的探地雷达信号。
资源勘测模块S105、根据去噪后的探地雷达信号确定地质资源的位置与储量。
由于不同的位置的雷达波的反射程度不同，根据去噪后的探地雷达信号的幅值与频率的变化来确定地质资源的位置与储量。
通过以上步骤，完成对地质资源含量的确定。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种确定地质资源量的勘探数据处理系统，其特征在于，该系统包括以下模块：
数据采集模块：获取探地雷达信号；
数据预处理模块：对探地雷达信号进行分解获取若干分量信号，根据分量信号极值点对分量信号进行分割获取若干幅值变化区间，根据每一幅值变化区间中信号幅值的差异获取每一幅值变化区间的变化程度，得到每一分量信号的变化程度序列，根据变化程度序列中相邻数据差值获取差值序列，对差值序列中所有数据利用层次聚类算法进行聚类处理，得到若干聚类簇，根据每一分量信号的差值序列的聚类簇的个数、每一聚类簇中数据的个数、每一聚类簇中数据的差异获取每一分量信号的优选程度，将优选程度最大值对应的分量信号作为最佳分量信号；
数据处理模块：将最佳分量信号中每一信号记为单信号，获取最佳分量信号的差值序列的聚类簇中每一数据的幅值变化区间，获取最佳分量信号中每一聚类簇的幅值参考值，根据最佳分量信号中每一聚类簇的幅值参考值、最佳分量信号的差值序列中每一聚类簇中每一数据对应的幅值变化区间中单信号的个数、幅值变化区间中每一单信号的幅值、幅值变化区间中单信号幅值的最大值获取最佳分量信号中每一单信号的纠正值，根据每一单信号的纠正值构建纠正最佳分量信号，获取纠正最佳分量信号的分解频带宽度；
数据去噪模块：利用EWT算法的分解频带宽度使用EWT算法对探地雷达信号进行分解处理，获取EMF分量信号，对EMF分量信号使用小波变换进行去噪处理，获取去噪后的探地雷达信号；
资源勘测模块：根据去噪后的探地雷达信号确定地质资源的位置与储量。
2.根据权利要求1所述的一种确定地质资源量的勘探数据处理系统，其特征在于，所述根据分量信号极值点对分量信号进行分割获取若干幅值变化区间包括：
记任意一分量信号为目标分量信号，获取目标分量信号中所有极大值点和极小值点，记任意一极大值点为目标极小值点，记与目标极大值点相邻且在目标极大值点右侧的极大值点为目标极大值点，在目标极小值点至目标极大值点所在的时序区间上，获取目标极小值点的信号幅值及目标极大值点的信号幅值的均值对应的点，记为均值点，获取目标分量信号的所有均值点，根据均值点对目标分量信号进行划分，得到若干个幅值变化区间。
3.根据权利要求1所述的一种确定地质资源量的勘探数据处理系统，其特征在于，所述根据每一分量信号的差值序列的聚类簇的个数、每一聚类簇中数据的个数、每一聚类簇中数据的差异获取每一分量信号的优选程度，计算公式如下：
Figure QLYQS_1
，
其中，
Figure QLYQS_11
表示第/>
Figure QLYQS_4
个分量信号的优选程度，/>
Figure QLYQS_6
表示第/>
Figure QLYQS_14
个分量信号的差值序列的第/>
Figure QLYQS_16
个聚类簇中第/>
Figure QLYQS_15
个数据点的数值，/>
Figure QLYQS_18
表示第/>
Figure QLYQS_8
个分量信号的差值序列的第/>
Figure QLYQS_12
个聚类簇中第/>
Figure QLYQS_2
个数据点的数值，/>
Figure QLYQS_7
表示第/>
Figure QLYQS_5
个分量信号的差值序列的第/>
Figure QLYQS_10
个聚类簇的数据点个数，/>
Figure QLYQS_13
表示第/>
Figure QLYQS_17
个分量信号的差值序列的聚类簇的个数，/>
Figure QLYQS_3
表示以自然常数e为底的指数函数，/>
Figure QLYQS_9
表示取绝对值。
4.根据权利要求1所述的一种确定地质资源量的勘探数据处理系统，其特征在于，所述获取最佳分量信号的差值序列的聚类簇中每一数据的幅值变化区间包括：
记最佳分量信号中任意一聚类簇为关注聚类簇，记关注聚类簇中任意一数据为关注点，获取关注点时序位置对应的两个幅值变化区间，记其中时序最小的幅值变化区间为关注点的幅值变化区间。
5.根据权利要求1所述的一种确定地质资源量的勘探数据处理系统，其特征在于，所述获取最佳分量信号中每一聚类簇的幅值参考值包括：
获取最佳分量信号的差值序列中每一聚类簇中所有数据的幅值变化区间中所有单信号的信号幅值的平均值，记为该聚类簇的幅值参考值。
6.根据权利要求1所述的一种确定地质资源量的勘探数据处理系统，其特征在于，所述根据最佳分量信号中每一聚类簇的幅值参考值、最佳分量信号的差值序列中每一聚类簇中每一数据对应的幅值变化区间中单信号的个数、幅值变化区间中每一单信号的幅值、幅值变化区间中单信号幅值的最大值获取最佳分量信号中每一单信号的纠正值，计算公式如下：
Figure QLYQS_19
，
式中，
Figure QLYQS_30
表示最佳分量信号的差值序列中第/>
Figure QLYQS_22
个聚类簇中第/>
Figure QLYQS_26
个数据对应的幅值变化区间中第/>
Figure QLYQS_32
个单信号的纠正值，/>
Figure QLYQS_34
表示第/>
Figure QLYQS_36
个聚类簇中第/>
Figure QLYQS_37
个数据对应的幅值变化区间中第/>
Figure QLYQS_29
单信号的信号幅值，/>
Figure QLYQS_35
表示第/>
Figure QLYQS_20
个聚类簇的幅值参考值，/>
Figure QLYQS_25
表示第/>
Figure QLYQS_23
个聚类簇中第/>
Figure QLYQS_27
个数据对应的幅值变化区间中所有单信号的信号幅值的最大值，/>
Figure QLYQS_31
表示第/>
Figure QLYQS_33
个聚类簇中第/>
Figure QLYQS_21
个数据对应的幅值变化区间中单信号个数，/>
Figure QLYQS_24
表示归一化函数，/>
Figure QLYQS_28
表示取绝对值。/>
CN202310482909.4A 2023-05-04 2023-05-04 一种确定地质资源量的勘探数据处理系统 Active CN116203646B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310482909.4A CN116203646B (zh) 2023-05-04 2023-05-04 一种确定地质资源量的勘探数据处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310482909.4A CN116203646B (zh) 2023-05-04 2023-05-04 一种确定地质资源量的勘探数据处理系统

Publications (2)

Publication Number Publication Date
CN116203646A true CN116203646A (zh) 2023-06-02
CN116203646B CN116203646B (zh) 2023-07-14

Family

ID=86517625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310482909.4A Active CN116203646B (zh) 2023-05-04 2023-05-04 一种确定地质资源量的勘探数据处理系统

Country Status (1)

Country Link
CN (1) CN116203646B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116644281A (zh) * 2023-07-27 2023-08-25 东营市艾硕机械设备有限公司 一种游艇船体偏移检测方法
CN116842410A (zh) * 2023-09-01 2023-10-03 福建赛鲲鹏网络科技有限公司 一种基于动态感知的智能头盔防盗管理方法以及系统
CN116958717A (zh) * 2023-09-20 2023-10-27 山东省地质测绘院 基于机器学习的地质大数据智能清洗方法
CN116976684A (zh) * 2023-09-25 2023-10-31 尚古智造(山东)智能装备有限公司 用于物流输送机的风险模型预测控制方法及系统
CN117150226A (zh) * 2023-11-01 2023-12-01 深圳龙电华鑫控股集团股份有限公司 一种载波通信传输信息采集管理系统
CN117290718A (zh) * 2023-11-24 2023-12-26 山东三矿地质勘查有限公司 一种地质矿产勘查数据提取方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105590093A (zh) * 2015-12-11 2016-05-18 桂林电子科技大学 基于稀疏表示的地下隐藏裂缝填充物识别方法
CN107844849A (zh) * 2017-08-08 2018-03-27 国网江苏省电力公司盐城供电公司 一种基于经验小波变换与改进高斯过程回归的新能源出力短期预测方法
US20180335517A1 (en) * 2016-11-10 2018-11-22 China University Of Mining & Technology, Beijing Method and Device for Detecting Discontinuous Body with Ground Penetrating Radar
CN111308557A (zh) * 2020-03-17 2020-06-19 重庆地质矿产研究院 一种地质与工程参数约束的微地震数据去噪方法
CN112764108A (zh) * 2019-11-05 2021-05-07 防灾科技学院 一种基于改进经验小波变换的新型地震资料噪声压制算法
CN113537102A (zh) * 2021-07-22 2021-10-22 深圳智微电子科技有限公司 一种微震信号的特征提取方法
CN114942475A (zh) * 2022-04-13 2022-08-26 苏州兴钊防务研究院有限公司 一种基于行连接聚类算法的探地雷达目标检测方法
US20220381931A1 (en) * 2021-05-31 2022-12-01 Institute Of Mountain Hazards And Environment, Chinese Academy Of Sciences Device for monitoring and identifying mountain torrent and debris flow and method for early warning of disasters

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105590093A (zh) * 2015-12-11 2016-05-18 桂林电子科技大学 基于稀疏表示的地下隐藏裂缝填充物识别方法
US20180335517A1 (en) * 2016-11-10 2018-11-22 China University Of Mining & Technology, Beijing Method and Device for Detecting Discontinuous Body with Ground Penetrating Radar
CN107844849A (zh) * 2017-08-08 2018-03-27 国网江苏省电力公司盐城供电公司 一种基于经验小波变换与改进高斯过程回归的新能源出力短期预测方法
CN112764108A (zh) * 2019-11-05 2021-05-07 防灾科技学院 一种基于改进经验小波变换的新型地震资料噪声压制算法
CN111308557A (zh) * 2020-03-17 2020-06-19 重庆地质矿产研究院 一种地质与工程参数约束的微地震数据去噪方法
US20220381931A1 (en) * 2021-05-31 2022-12-01 Institute Of Mountain Hazards And Environment, Chinese Academy Of Sciences Device for monitoring and identifying mountain torrent and debris flow and method for early warning of disasters
CN113537102A (zh) * 2021-07-22 2021-10-22 深圳智微电子科技有限公司 一种微震信号的特征提取方法
CN114942475A (zh) * 2022-04-13 2022-08-26 苏州兴钊防务研究院有限公司 一种基于行连接聚类算法的探地雷达目标检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XU QIAO，等: "Ground Penetrating Radar Weak Signals Denoising via Semi-soft Threshold Empirical Wavelet Transform", INGÉNIERIE DES SYSTÈMES D’INFORMATION *
刘春等: "EWT算法在ECG信号滤波中的研究", 电子测量与仪器学报 *
许军才;任青文;黄临平;: "基于变分模态分解的探地雷达信号分析方法", 河海大学学报(自然科学版), no. 06 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116644281A (zh) * 2023-07-27 2023-08-25 东营市艾硕机械设备有限公司 一种游艇船体偏移检测方法
CN116644281B (zh) * 2023-07-27 2023-10-24 东营市艾硕机械设备有限公司 一种游艇船体偏移检测方法
CN116842410A (zh) * 2023-09-01 2023-10-03 福建赛鲲鹏网络科技有限公司 一种基于动态感知的智能头盔防盗管理方法以及系统
CN116842410B (zh) * 2023-09-01 2023-11-17 福建赛鲲鹏网络科技有限公司 一种基于动态感知的智能头盔防盗管理方法以及系统
CN116958717A (zh) * 2023-09-20 2023-10-27 山东省地质测绘院 基于机器学习的地质大数据智能清洗方法
CN116958717B (zh) * 2023-09-20 2023-12-12 山东省地质测绘院 基于机器学习的地质大数据智能清洗方法
CN116976684A (zh) * 2023-09-25 2023-10-31 尚古智造(山东)智能装备有限公司 用于物流输送机的风险模型预测控制方法及系统
CN116976684B (zh) * 2023-09-25 2024-01-02 尚古智造(山东)智能装备有限公司 用于物流输送机的风险模型预测控制方法及系统
CN117150226A (zh) * 2023-11-01 2023-12-01 深圳龙电华鑫控股集团股份有限公司 一种载波通信传输信息采集管理系统
CN117150226B (zh) * 2023-11-01 2024-01-09 深圳龙电华鑫控股集团股份有限公司 一种载波通信传输信息采集管理系统
CN117290718A (zh) * 2023-11-24 2023-12-26 山东三矿地质勘查有限公司 一种地质矿产勘查数据提取方法及系统
CN117290718B (zh) * 2023-11-24 2024-03-08 山东三矿地质勘查有限公司 一种地质矿产勘查数据提取方法及系统

Also Published As

Publication number Publication date
CN116203646B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
CN116203646B (zh) 一种确定地质资源量的勘探数据处理系统
CN108845306B (zh) 基于变分模态分解的激光雷达回波信号去噪方法
CN102681014B (zh) 基于多项式拟合的规则线性干扰压制方法
CN102819043B (zh) 阵列信号随机噪声自适应模型去噪方法
CN109581516B (zh) 曲波域统计量自适应阈值探地雷达数据去噪方法及系统
CN114785379B (zh) 一种水声janus信号参数估计方法及系统
CN111751797B (zh) 一种基于方位角的高频地波雷达一阶和二阶回波谱分界线确定方法
CN113109837B (zh) 激光雷达系统数据处理方法
CN111679328A (zh) 一种基于变分模态分解的瞬变电磁探测信号的降噪方法
CN117111048B (zh) 一种基于改进itd的多波束海底地形测量回波降噪方法
CN102323618B (zh) 基于分数阶傅里叶变换的相干噪声抑制方法
CN114077854B (zh) 一种基于自适应VMD的φ-OTDR水声信号处理方法和装置
CN113608259B (zh) 一种基于iceemdan约束广义s变换的地震薄层检测方法
CN112255607B (zh) 一种海杂波的抑制方法
CN111239814B (zh) 基于同相轴分频追踪平滑的浅剖数据机械干扰压制方法
CN110248325B (zh) 一种基于信号多重消噪的蓝牙室内定位系统
CN112782763B (zh) 一种地震品质因子估算方法、装置、设备及存储介质
CN112835077B (zh) 基于变分模态分解的卫星导航信噪比数据去趋势方法
CN112200069B (zh) 时频域谱减法和经验模态分解联合的隧道滤波方法及系统
CN113899444A (zh) 一种基于汉宁双窗的振弦传感器共振频率测量方法
CN112684501A (zh) 一种基于谱比面积的q值估计方法与应用
CN112464855A (zh) 基于eemd的随钻泥浆正脉冲信号处理方法及装置
CN116400302B (zh) 一种雷达信号接收处理方法
CN116203634A (zh) 一种基于低秩约束的鬼波去除方法
CN115493584A (zh) 基于ewt的脉冲星信号去噪方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant