基于蝙蝠算法优化稀疏表示的大地电磁观测数据信噪分离方法

Magnetotelluric (MT) sounding is an important geophysical exploration method. With the decrease of mineral resources and the increase of environmental interference, MT method faces the challenge of how to effectively suppress environmental interference and solve the exploration of deep and complex mineral resources. With the characteristics of wide frequency band and weak observation signal, MT method is liable to be influenced by various noises and interference. In order to solve the problem of broadband weak electromagnetic exploration data processing and effective information extracting under strong interference, this study introduced BAT algorithm and tracking reconstruction algorithm to preprocess the MT observation data. In accordance with the analyses on the technical characteristics of MT method and interference noise, MT background noise redundant dictionary library will be constructed, including power frequency interference, stray current, electric equipment switch, vehicle noise, wind profile, water and other kinds of interference sources, bat algorithm will be researched to improve the efficiency of refactoring algorithm. Thus, weak signal extraction in the strong noise environment could be released. The significance of the research is to establish the environmental noise model of the magnetotelluric background, develop the efficient sparse decomposition and effective signal extraction algorithm, improve the observation accuracy of the electromagnetic exploration system, and promote the exploration level of deep and complex mineral deposits.

大地电磁测深(MT)是一种重要的地球物理勘探手段，随着矿产资源的不断减少和环境干扰的日益增加，MT法面临着如何有效抑制环境干扰和解决深部复杂矿产资源勘查等重要问题。MT法具有频带范围宽、观测信号微弱等特点，易受各类干扰源的影响。为解决强干扰下宽频弱电磁勘探数据处理和有效信息提取问题，本研究利用信号稀疏分解方法对大地电磁观测数据进行去噪处理。通过对MT法的技术特点和干扰噪声特征分析，构建工频干扰、游散电流、电子设备开关、车辆噪声、风扰、水流等各类干扰源在内的大地电磁背景噪声冗余字典，利用蝙蝠算法对信号稀疏表示进行优化改进，提高算法的重构效率，实现强噪声背景下的微弱有用信号提取。本项目研究意义在于建立MT法环境噪声模型，开发高效率信号稀疏分解和有效信号提取算法，提高电磁勘探系统观测精度，推动深部复杂矿藏勘查水平。

大地电磁法(MT)具有勘探成本低、探测深度大等优点，适合深层资源勘探，但是其观测信号具有频带宽、幅值低等特点，极易受到干扰。为了从复杂的MT信号中提取有用信息，本研究首先对MT观测数据中的各类不同干扰进行特性分析和建模，构建通用化MT法环境噪声冗余字典；然后在稀疏分解框架下研究“快速收敛、精确逼近”的自适应匹配追踪算法，利用智能算法全局寻优特性实现MT观测噪声特征匹配原子快速搜索；最后对原始观测资料中的各噪声分量进行恢复、重构和消除，最终实现有效MT信号提取。最终，研究得到了基于相关检测技术的干扰信号（目标信号）定位提取算法和特征基原子特征参数初始化算法；同时提出了一种通用基原子，在通用原子基础上提出了一种无需冗余字典的信号稀疏分解算法（AEASD算法），并且将优化的蝙蝠算法与OMP算法相结合；同时优化了信号稀疏分解停止判据，提出了迭代次数、残差ℓ2范数阈值以及收敛梯度阈值有机结合的多重判据。最后通过实验证明，本研究所述方法能够有效去除MT法观测资料中的各类典型大尺度强干扰，同时较好地保留观测资料中的有用信息。视电阻率曲线低频段和高频段的下降趋势得到有效抑制，畸变频段得到有效改善，曲线的整体形态更加光滑、平稳。得到的结果能够更加真实地反映测区地下构造信息。本研究大幅提升了稀疏分解的效率，极大降低了算法对计算机性能的要求，为野外勘探以及不便配备高性能工作站的工业场景提供便利。本研究还可用于雷达信号识别、振动分析、智能优化算法设计和测试等领域，应用场景广泛，并且能有效降低测试成本。