面向航空磁异常探测的干扰抑制与目标检测技术研究

论文摘要

航空磁异常探测指的是通过搭载在航空平台上的磁力仪传感器探测区域范围内能够引起局部环境磁场畸变的磁性目标。该技术起源于上世纪30到40年代,现如今已经在包括地质调查、未爆弹检测、人道救援、考古等多个领域发挥重要作用。一套完整的航空磁异常探测系统由三个部分组成——航空平台、传感器、采集与后处理器,本文将着重对其中的后处理技术进行研究。航空磁异常探测后处理技术的最终目的是对所采集到的磁场信号进行综合处理,实现对磁异常目标信号的存在性判断。为实现这一目的,需要首先尽可能剥离目标信号以外的干扰成分,以增强信号质量;其次从中检测目标信号特征,以判断其是否存在。因此,航空磁异常探测后处理技术主要包括干扰抑制和目标检测两个部分。由于无处不在的磁场使得干扰的组成成分十分复杂,难以全面建模,故而一般将来源明确、容易建模的航空平台产生的磁干扰拆分出来单独考虑,这项技术被称作航磁干扰补偿;而其余主要来源于地球环境的复杂成分则通常采用滤波的方式对目标信号频带外的部分加以抑制。然而航空平台磁干扰模型具有共线性和时变性,这两项性质最终会导致模型计算的干扰磁场不准确;对目标信号频带外的环境干扰的滤波方法缺乏针对性,所起到的作用较为有限;传统目标检测算法因顾及实时性而多基于信号处理手段,难以获得足够高的检测率。基于以上描述,本文的主要工作包括:第一,航空平台磁干扰模型的自变量相互之间具有很强的相关性,这被称作模型共线性,该性质会影响模型系数的求解精度,最终使得模型对航空平台磁干扰的补偿能力不佳。本文从相关性的产生来源出发,通过分析发现航空平台在不同的航向上产生共线性的自变量并不相同,基于此,本文提出一种多模型补偿算法,针对当前的飞行航向筛选有效的自变量组成补偿子模型,使得系统的共线性得到有效弱化,提高航空平台磁干扰的补偿能力。第二,在解算航空平台磁干扰模型系数的回归方程中,噪声项是由环境磁场形成的,而环境磁场是时变的,这使得回归方程的噪声自相关,从而影响系数的求解精度,最终导致航磁干扰补偿能力不足。本文在综合考虑时变性因素影响的情况下,提出一种航空平台磁干扰递推补偿算法,该算法在一种基于递推最小二乘的自适应算法的基础上,通过对回归模型在数学形式上的转化,对噪声项进行去自相关性处理,保证模型系数解的有效性,最终提高算法补偿航空平台磁干扰的能力。第三,抑制目标信号以外的环境磁干扰往往采用事先设计好的固定频带滤波器,然而目标信号的频率通常会随着当前飞行条件的变化而变化,这导致固定频带的滤波器在滤波效果上有所不足。本文通过对目标信号表达式的分析,提出一种自适应计算目标信号频带的算法,使得通带窄化,并基于此设计一种利用小波变换实现的滤波算法。该自适应环境磁干扰滤波算法能够大幅度提升信号的信噪比,有效提高环境磁干扰的抑制效果。第四,磁异常目标信号检测传统上一般基于信号处理方法,以信号点为检测样本提取特征,该形式不符合人类对于目标信号的直观认知,使得检测过程容易受到噪声的影响,最终导致检测率难以令人满意。本文从模式识别的角度出发,对目标信号检测的表现形式进行了重构,并基于此提出一种基于深度神经网络的检测算法,以实现对目标信号特征的提取,该算法相对于传统上人工设计的特征量具有更高的特征表达能力,最终有效提升磁异常目标的检测能力。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
•   1.1 课题背景、研究目的及意义
•   1.2 航空磁异常探测
•     1.2.1 航空磁异常探测的基本原理
•     1.2.2 航空磁异常探测的系统构成
•   1.3 国内外研究现状及分析
•     1.3.1 航空平台磁干扰补偿技术
•     1.3.2 环境磁场干扰抑制技术
•     1.3.3 磁异常目标信号检测技术
•     1.3.4 存在的问题及分析
•   1.4 论文的主要研究内容
• 第2章 基于多模型策略的航磁干扰补偿算法
•   2.1 引言
•   2.2 航磁补偿过程与T–L模型
•     2.2.1 航磁补偿的基本过程
•     2.2.2 T–L模型的数学表达
•     2.2.3 T–L模型的共线性分析
•   2.3 多模型策略与变量筛选机制
•     2.3.1 变量筛选的基本原理
•     2.3.2 多模型航磁干扰补偿的实现过程
•   2.4 实验结果及分析
•     2.4.1 数据准备
•     2.4.2 与传统算法在标准FOM飞行上的对比
•     2.4.3 与传统算法在作业飞行上的对比
•     2.4.4 与传统算法在非标准FOM飞行上的对比
•   2.5 本章小节
• 第3章 噪声修正的航磁干扰补偿算法
•   3.1 引言
•   3.2 T–L模型的时变性分析
•     3.2.1 T–L模型系数的时变性
•     3.2.2 回归方程噪声项的时变性
•   3.3 噪声修正的递推实现
•     3.3.1 噪声修正的基本原理
•     3.3.2 递推航磁干扰补偿的实现过程
•   3.4 实验结果及分析
•     3.4.1 数据准备
•     3.4.2 环境磁场自相关性验证
•     3.4.3 仿真数据上的补偿与对比测试
•     3.4.4 真实数据上的补偿与对比测试
•   3.5 本章小节
• 第4章 参数自适应的环境磁干扰抑制算法
•   4.1 引言
•   4.2 自适应滤波频带设计
•     4.2.1 目标信号分析
•     4.2.2 信号频率计算
•   4.3 小波变换与自适应环境磁干扰抑制
•     4.3.1 基于小波的滤波方案设计
•     4.3.2 小波基选择与参数设置
•     4.3.3 自适应环境磁干扰抑制的实现过程
•   4.4 实验结果及分析
•     4.4.1 数据准备
•     4.4.2 小波参数设置测试
•     4.4.3 算法性能对比测试
•     4.4.4 算法对检测性能影响对比测试
•   4.5 本章小节
• 第5章 基于深度神经网络的目标信号检测算法
•   5.1 引言
•   5.2 目标信号检测与模式识别的关系
•   5.3 适配深度神经网络的样本数据表达
•   5.4 目标信号检测网络的结构设计
•   5.5 实验结果及分析
•     5.5.1 数据准备
•     5.5.2 网络训练与特征学习
•     5.5.3 检测性能对比测试
•   5.6 本章小节
• 结论
• 参考文献
• 攻读博士学位期间发表的论文及其他成果
• 致谢
• 个人简历

文章来源

类型: 博士论文

作者: 赵冠一

导师: 牛夏牧,佟晓筠,韩琦

关键词: 航空磁异常探测,航磁补偿算法,目标信号检测,深度神经网络

来源: 哈尔滨工业大学

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: 哈尔滨工业大学

基金: 军委科技委国防科技创新特区某重点项目,国家自然科学基金(编号:61771168)

分类号: P631.2

DOI: 10.27061/d.cnki.ghgdu.2019.005181

总页数: 120

文件大小: 7411k