基于参数优化和峰度值比较的VMD在GPR数据处理中的应用研究

基于参数优化和峰度值比较的VMD在GPR数据处理中的应用研究

论文摘要

探地雷达已经成为地球物理界广泛应用的一项探测技术。探地雷达向地下发射电磁波信号会产生散射和频散问题,会干扰目标体的识别。而且,雷达回波信号是一种非线性、非平稳信号,常规的处理方法已经不能满足探测精度要求。经验模态分解(EMD)、集合经验模态分解(EEMD)和完备集经验模态分解(CEEMD),这三种信号分解方法常用来处理探地雷达实测数据,可以把雷达回波信号分解成若干个包含雷达信号中不同频率成分的本征模态函数(IMF)。然后去掉低频和高频噪声并重构剩余的IMF分量。但是EMD也有一些不足之处,没有严格的数学理论模型、产生模态混叠现象以及噪声敏感等。EEMD和CEEMD作为EMD的改进算法,但是上述问题依然存在。2014年,Dragomiretskiy,K.等人提出了变分模态分解(Variational Mode Decomposition,VMD),相比于基于时域递归分解的EMD算法,VMD算法是一种基于频域的完全非递归信号分解方法,可以解决EMD算法的部分问题,拥有更好的噪声鲁棒性。VMD算法通过迭代搜索变分模型的最优解来确定每个IMF分量的中心频率和带宽,能够自适应地对信号进行频域剖分并有效分离IMF分量。但是VMD算法被刚提出,还没有被广泛推广,因此该算法在地球物理中有较少应用。本文将其应用到探地雷达数据处理中,用于分析探地雷达数据有用目标体信号。但是VMD算法也有一些不足之处,需要凭借人工经验预先给定惩罚参数和IMF分量个数,这两个参数对雷达回波信号分解有很大影响。为了实现最优的分解结果,确定最佳的惩罚参数和IMF分量个数,本文提出了基于参数优化的VMD方法,即通过粒子群算法(Particle Swarm Optimization,POS)对其参数进行搜索。独立分量分析(ICA)是由盲源分离技术发展而来的一种基于信号高阶统计信息的多维信号处理方法,在地球物理学中也有很多应用研究。为了解决了需要通过人工经验判断IMF分量去噪重构问题,在上文研究基础上,本文提出了一种基于参数优化和峰度值比较的VMD去噪方法。首先,取探地雷达信号邻近的两道记录,采用独立分量分析方法后得到高峰度值探地雷达有效信号和低峰度值随机噪声信号,对高峰度值信号进行相位判断并进行自动反相校正;然后利用粒子群算法搜索出VMD算法的最佳参数组合,对高峰度值信号进行VMD得到若干个IMF分量,并计算各IMF分量的峰度值,最后将独立分量分析得出的噪声的峰度值作为阈值,峰度值高于该阈值的IMF分量作为雷达信号的有效分量并进行累加得到去噪后的重构雷达信号。应用本文所提方法进行探地雷达正演模拟数据和实测数据处理,结果表明该方法能够有效地压制探地雷达信号中的噪声,提高信噪比,有利于进行数据解释工作。

论文目录

  • 摘要
  • abstract
  • 第1章 绪论
  •   1.1 研究目的及意义
  •   1.2 国内外研究现状和发展
  •     1.2.1 GPR数据处理的研究与发展
  •     1.2.2 VMD的研究与发展
  •   1.3 本文研究内容
  • 第2章 变分模态分解方法
  •   2.1 基础概念
  •     2.1.1 Hilbert变换
  •     2.1.2 解析信号
  •   2.2 经验模态分解
  •     2.2.1 EMD方法原理
  •     2.2.2 EEMD方法原理
  •     2.2.3 CEEMD方法原理
  •     2.2.4 经验模态分解方法缺点
  •   2.3 VMD方法的原理
  •   2.4 数值模拟
  •     2.4.1 含噪信号分析研究
  •     2.4.2 间断信号分析研究
  •     2.4.3 Ricker信号分析研究
  •   2.5 本章小结
  • 第3章 粒子群算法优化VMD参数方法
  •   3.1 粒子群算法
  •   3.2 VMD参数的粒子群优化方法
  •   3.3 VMD参数的人工确定方法
  •   3.4 本章小结
  • 第4章 基于参数优化和峰度值比较的变分模态分解去噪方法
  •   4.1 独立分量分析算法原理
  •   4.2 基于参数优化和峰度值比较的变分模态分解去噪方法
  •   4.3 本章小结
  • 第5章 基于参数优化和峰度值比较的变分模态去噪方法在GPR中的应用
  •   5.1 正演数据去噪
  •     5.1.1 均匀介质模型
  •     5.1.2 随机介质模型
  •   5.2 实测数据处理
  •     5.2.1 实测数据去噪处理
  •     5.2.2 实测数据解释
  •   5.3 本章小结
  • 第6章 结论
  • 参考文献
  • 作者简介及在学期间所取得的科研成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 宋二乔

    导师: 刘四新

    关键词: 探地雷达,变分模态分解,粒子群算法,独立分量分析,频谱分析

    来源: 吉林大学

    年度: 2019

    分类: 基础科学,工程科技Ⅰ辑

    专业: 地质学,地球物理学,矿业工程

    单位: 吉林大学

    分类号: P631.3

    总页数: 78

    文件大小: 8218K

    下载量: 127

    相关论文文献

    • [1].优化递归变分模态分解及其在非线性信号处理中的应用[J]. 物理学报 2019(23)
    • [2].变分模态分解在爆破信号趋势项去除中的应用[J]. 爆炸与冲击 2020(04)
    • [3].辛几何模态分解方法及其分解能力研究[J]. 振动与冲击 2020(13)
    • [4].基于快速本征模态分解的电力系统短期负荷预测[J]. 中国电机工程学报 2013(S1)
    • [5].补充集成极值加权模态分解及其应用[J]. 噪声与振动控制 2020(03)
    • [6].基于匹配追踪和变分模态分解的电气化铁路谐波检测[J]. 济南大学学报(自然科学版) 2020(02)
    • [7].变微分模态分解罚参量选择方法与时变系统识别[J]. 西南交通大学学报 2020(03)
    • [8].基于动态模态分解的缸内流场演变及动能分析[J]. 内燃机工程 2020(05)
    • [9].改进二维变分模态分解的磁源分离[J]. 光学精密工程 2020(05)
    • [10].关于多种模态分解方法的分离效果的差别探讨[J]. 信息技术 2016(12)
    • [11].基于改进极值波延拓的极点对称模态分解端点效应抑制方法[J]. 电工技术学报 2020(S1)
    • [12].基于蝙蝠算法优化的变分模态分解的转子裂纹检测方法[J]. 振动与冲击 2020(06)
    • [13].基于改进变分模态分解的液体密度测量中超声回波去噪方法(英文)[J]. Journal of Measurement Science and Instrumentation 2020(04)
    • [14].基于变分模态分解的变形监测数据去噪方法[J]. 武汉大学学报(信息科学版) 2020(05)
    • [15].基于改进变分模态分解的滚动轴承故障诊断方法[J]. 计量学报 2020(06)
    • [16].变分模态分解在齿轮故障特征提取中的应用[J]. 东北林业大学学报 2019(08)
    • [17].基于模态分解技术的地震信号随机噪声压制方法研究[J]. 科技广场 2017(08)
    • [18].动态模态分解方法在缸内湍流场研究中的应用[J]. 内燃机学报 2016(04)
    • [19].基于变分模态分解与快速谱峭图的齿轮箱滚动轴承故障特征提取[J]. 机械传动 2020(01)
    • [20].基于改进自适应变分模态分解的滚动轴承微弱故障诊断[J]. 振动与冲击 2020(08)
    • [21].变分模态分解与深度信念网络的双转子不对中程度识别[J]. 机械科学与技术 2020(05)
    • [22].基于时延自相关与变模态分解的故障诊断方法[J]. 兰州理工大学学报 2017(04)
    • [23].变分框架下多尺度熵相关优化的模态分解在故障诊断中的应用[J]. 现代制造工程 2017(04)
    • [24].基于变分模态分解的模态参数识别研究[J]. 振动与冲击 2020(02)
    • [25].基于变分模态分解的直肠压力信号预处理研究[J]. 工业控制计算机 2020(03)
    • [26].基于变分模态分解的故障弱信息提取方法[J]. 华中科技大学学报(自然科学版) 2020(07)
    • [27].香农熵改进的变分模态分解与故障特征提取[J]. 机械科学与技术 2020(07)
    • [28].基于变分模态分解与模糊聚类的船用齿轮箱故障诊断[J]. 珠江水运 2020(16)
    • [29].基于变分模态分解时频图的轴承故障诊断[J]. 天津职业技术师范大学学报 2020(03)
    • [30].基于变分模态分解与双向长短期记忆神经网络的超短期风速预测[J]. 工业控制计算机 2020(09)

    标签:;  ;  ;  ;  ;  

    基于参数优化和峰度值比较的VMD在GPR数据处理中的应用研究
    下载Doc文档

    猜你喜欢