多尺度电磁场分量去噪方法、装置、设备及存储介质

技术领域

本申请涉及地球物理勘探技术领域，特别地涉及一种多尺度电磁场分量去噪方法、装置、设备及存储介质。

背景技术

大地电磁测深观测的天然电磁场，具有信号弱，频带宽等特点，极易受到各种噪声的干扰。依据噪声来源，MT信号中的噪声主要包括场源噪声、人文噪声、输入端噪声和静噪声四类。人文噪声是最为普遍出现、干扰最为严重、噪声特性最为复杂的一类。含噪声的MT数据信噪比低，最终反演得到的阻抗、电阻率计算结果误差明显，从而使反演结果差。

提高电磁测量数据的信噪比，对视电阻率曲线计算及后期资料解释有着至关重要的意义。经过几十年的发展，形成了诸如Robust处理、远参考技术、小波变换、Hilbert-Huang变换等行之有效的噪声分析、处理方法。目前，大地电磁各类去噪方法自有其优势，但也各有不足。互功率谱法和加权平均互功率谱法，能够得到有效压制、去除不相关噪声的信号。但是，由于接收序列中不相关噪声和相关噪声同时存在，且记录时间有限。将信号进行叠加求和后得到的合成信号误差不能够满足正态分布，从而使得互功率谱法对噪声的压制、消除作用打打折扣，效果甚微；远参考道法，有效避免了同一噪声对两个记录站记录数据的污染干扰，对消除局部相关噪声具有明显的压制效果，但是，远参考处理后的大地电磁数据中会出现单点数据误差棒变大的效应。特别是电信号受噪声污染严重、干扰较大；Robust方法要求降低个别“飞点”的权值，提高记录信号的整体质量；HHT和EMD(EMD：经验模态分解)方法对于非平稳、非线性的多分量信号具有非常良好分析处理效果，但是依然存在计算效率低、端点飞翼、噪声混叠等问题；小波分析在时频和多分辨率分析中作用突出，分析能力强，具有高度的自适应性和良好的时频局域性的特点，在时间-频率域都能较好地表现信号的局部特征，但是受小波基函数选取的限制，小波去噪同时具备一定的局限性。

针对上述问题，基于不同尺度电磁噪声在时间域、频率域的不同特征开展多尺度组合滤波去噪，提高大地电磁信号的质量，实现大地电磁记录信号电磁场分量的综合分析、去噪处理。

发明内容

针对上述问题，本申请提供一种多尺度电磁场分量去噪方法、装置、设备及存储介质。

本申请第一方面提供了一种多尺度电磁场分量去噪方法，包括：

S1：利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，得到外扩数据；

S2：应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号，得到平稳数据；

S3：采用自适应小波阈值处理方式，压制所述平稳数据中的工频谐波干扰，得到去公频数据；

S4：在时间域对所述去公频数据开展EMD分解，对高频分量和低频分量分别去噪，然后将去噪后的高频分量、低频分量和残余模量通过线性重构得到重构去噪的信号。

在一些实施例中，所述利用多项式函数方式，对原始时间序列两端部分数据链进行外扩的具体公式为：

其中，g(k)为原始信号，g(j)表示扩边后信号，a,b为扩展系数，j为信号分解多项式；a＝[a

在一些实施例中，所述应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号的具体公式为：

其中Y(t)为数据量为N的时间序列，Y'(t)为提取平稳分量信号，Y(t,0:M-h)、Y(t,h/2:M-h/2)、Y(t,h:M)为截取不同长度的时间序列，n为扩边数据，M＝N+2n，t为时间，h为滑动窗，N为时间序列长度即信号的数据量。

在一些实施例中，所述采用自适应小波阈值处理方式，压制所述平稳数据中的工频谐波干扰之前所述方法还包括：

将时间域信号变换到频率域，对分别对实部、虚部进行WT变换(WT:小波变换)。

在一些实施例中，所述自适应小波阈值的选取方法包括：

利用固定阈值和无偏似然估计软阈值相组合，获得最优变量阈值，适用于信噪比较小的条件：

其中，

λ

λ

x

N：时间序列长度；

s、u分别为SURE和全局阈值计算参数。

在一些实施例中，所述在时间域对所述去公频数据开展EMD分解(EMD：经验模态分解)，得到所述高频分量和低频分量的具体过程包括：

在时间域对信号开展EMD分解，针对分解得到的IMF分量(IMF：固有模态分量)开展二次CEEMD分解(CEEMD：集合经验模态分解)去噪和重构。

在一些实施例中，所述对高频分量和低频分量分别去噪的具体方法包括：

对高频分量采取自适应截断阈值去噪；

对低频分量采取置零去噪或软阈值去噪。

本申请第二方面实施例提供一种多尺度电磁场分量去噪装置，包括：

数据外扩模块、平稳分量预处理模块、自适应小波阈值处理模块和数据去噪、重构模块；

数据外扩模块：利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，得到外扩数据；

平稳分量预处理模块：应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号，得到平稳数据；

自适应小波阈值处理模块：采用自适应小波阈值处理方式，压制所述平稳数据中的工频谐波干扰，得到去公频数据；

数据去噪、重构模块：在时间域对所述去公频数据开展EMD分解，对高频分量和低频分量分别去噪，然后将去噪后的高频分量、低频分量和残余模量通过线性重构得到重构去噪的信号。

本申请第三方面提供一种多尺度电磁场分量去噪设备，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行第一方面所述多尺度电磁场分量去噪方法。

本申请第四方面提供一种存储介质，该存储介质存储的计算机程序，能够被一个或多个处理器执行，能够用来实现第一方面所述多尺度电磁场分量去噪方法。

本申请提供的一种多尺度电磁场分量去噪方法、装置、设备及存储介质，具有如下有益效果：

本申请提供的一种多尺度电磁场分量去噪方法改善了单一方法去噪的不足，分别在频率域、时间域进行滤波处理，实现对大地电磁电磁场分量的综合分析、处理、去噪；在数据预处理阶段对信号边缘数据进行扩充，以避免端点数据处理缺失和飞翼效应；提取信号中平稳分量，与移动平均滤波同时进行，在一定程度上对高频随机噪声起到压制效果；有效解决EMD分解中混叠效应，改善了EMD阈值去噪的效果；可以针对连续采集信号进行去噪处理，极大地保留了原始电磁场分量中的有用信息，提高信噪比；针对噪声特点设计自适应阈值，减少了人为经验影响。

附图说明

在下文中将基于实施例并参考附图来对本申请进行更详细的描述。

图1(a)-(b)为本申请实施例提供的数值模拟中的含多尺度噪声的含噪信号和、经过恢复重构后的去噪信号；

图2(a)-(c)为本申请实施例提供的数值模拟中的含多尺度噪声的含噪信号频谱、恢复重构后的去噪信号频谱和原始信号频谱；

图3为本申请实施例提供的数值模拟中的含多尺度噪声的含噪信号、恢复重构后的去噪信号与原始信号的信噪比；

图4(a)-(b)为本申请实施例提供的一实际资料处理的国内某工区连续采集的含多尺度噪声的电场分量含噪信号和恢复重构后的去噪信号；

图5(a)-(b)为本申请实施例提供的实际资料处理国的内某工区连续采集的含多尺度噪声的磁场分量含噪信号和恢复重构后的去噪信号；

图6(a)-(b)为本申请实施例提供的实际资料处理的国内某工区的原始采集信号视电阻率图和相位图；

图7(a)-(b)为本申请实施例提供的实际资料处理的国内某工区的经过多尺度滤波去噪后的视电阻率图和相位图；

图8为本申请实施例提供的多尺度电磁场分量去噪方法流程图。

在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

如果申请文件中出现“第一第二第三”的类似描述则增加以下的说明，在以下的描述中，所涉及的术语“第一第二第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一第二第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

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申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

在介绍本申请实施例提供的一种多尺度电磁场分量去噪方法之前，对相关技术中存在的问题进行简单介绍：

提高电磁测量数据的信噪比，对视电阻率曲线计算及后期资料解释有着至关重要的意义。经过几十年的发展，形成了诸如Robust处理、远参考技术、小波变换、Hilbert-Huang变换等行之有效的噪声分析、处理方法。目前，大地电磁各类去噪方法自有其优势，但也各有不足。互功率谱法和加权平均互功率谱法，能够得到有效压制、去除不相关噪声的信号。但是，由于接收序列中不相关噪声和相关噪声同时存在，且记录时间有限。将信号进行叠加求和后得到的合成信号误差不能够满足正态分布，从而使得互功率谱法对噪声的压制、消除作用打打折扣，效果甚微；远参考道法，有效避免了同一噪声对两个记录站记录数据的污染干扰，对消除局部相关噪声具有明显的压制效果，但是，远参考处理后的大地电磁数据中会出现单点数据误差棒变大的效应。特别是电信号受噪声污染严重、干扰较大；Robust方法要求降低个别“飞点”的权值，提高记录信号的整体质量；HHT和EMD方法对于非平稳、非线性的多分量信号具有非常良好分析处理效果，但是依然存在计算效率低、端点飞翼、噪声混叠等问题；小波分析在时频和多分辨率分析中作用突出，分析能力强，具有高度的自适应性和良好的时频局域性的特点，在时间-频率域都能较好地表现信号的局部特征，但是受小波基函数选取的限制，小波去噪同时具备一定的局限性。

针对上述问题，基于不同尺度电磁噪声在时间域、频率域的不同特征开展多尺度组合滤波去噪，提高大地电磁信号的质量，实现大地电磁记录信号电磁场分量的综合分析、去噪处理。

基于相关技术中存在的问题，本申请实施例提供一种多尺度电磁场分量去噪方法，所述方法应用于多尺度电磁场分量去噪设备，所述多尺度电磁场分量去噪设备可以为电子设备，例如计算机、移动终端等。本申请实施例提供的多尺度电磁场分量去噪方法所实现的功能可以通过电子设备的处理器调用程序代码来实现，其中，程序代码可以保存在计算机存储介质中。

实施例一

本申请实施例提供一种多尺度电磁场分量去噪方法，图8为本申请实施例提供的一种多尺度电磁场分量去噪方法的实现流程示意图，如图8所示，包括：

S1：利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，得到外扩数据；

S2：应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号，得到平稳数据；

S3：采用自适应小波阈值处理方式，压制所述平稳数据中的工频谐波干扰，得到去公频数据；

S4：在时间域对所述去公频数据开展EMD分解，对高频分量和低频分量分别去噪，然后将去噪后的高频分量、低频分量和残余模量通过线性重构得到重构去噪的信号。

本申请提供的一种多尺度电磁场分量去噪方法，改善了单一方法去噪的不足，分别在频率域、时间域进行滤波处理，实现对大地电磁电磁场分量的综合分析、处理、去噪；在数据预处理阶段对信号边缘数据进行扩充，以避免端点数据处理缺失和飞翼效应；提取信号中平稳分量，与移动平均滤波同时进行，在一定程度上对高频随机噪声起到压制效果；有效解决EMD分解中混叠效应，改善了EMD阈值去噪的效果；可以针对连续采集信号进行去噪处理，极大地保留了原始电磁场分量中的有用信息，提高信噪比；针对噪声特点设计自适应阈值，减少了人为经验影响。

实施例二

基于前述的实施例，本申请实施例再提供一种多尺度电磁场分量去噪方法，包括：

S21：利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，得到外扩数据；

在一些实施例中，所述利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，能够有效的反映出信号的衰减，较为稳定的还原信号的变化趋势，具体公式为：

/>

其中，g(k)为原始信号，g(j)表示扩边后信号，a,b为扩展系数，j为信号分解多项式；a＝[a

S22：依据输入信号与噪声高度不相关，应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号，还能够在一定程度上压制随机噪声，得到平稳数据；

S23：采用自适应小波阈值处理方式，对各层小波系数进行消噪，压制所述平稳数据中的工频谐波干扰，得到去公频数据；

S24：在时间域对所述去公频数据开展EMD分解，对高频分量和低频分量分别去噪，然后将去噪后的高频分量、低频分量和残余模量通过线性重构得到重构去噪的信号。

本申请提供的一种多尺度电磁场分量去噪方法，改善了单一方法去噪的不足，分别在频率域、时间域进行滤波处理，实现对大地电磁电磁场分量的综合分析、处理、去噪；在数据预处理阶段对信号边缘数据进行扩充，以避免端点数据处理缺失和飞翼效应；提取信号中平稳分量，与移动平均滤波同时进行，在一定程度上对高频随机噪声起到压制效果；有效解决EMD分解中混叠效应，改善了EMD阈值去噪的效果；可以针对连续采集信号进行去噪处理，极大地保留了原始电磁场分量中的有用信息，提高信噪比；针对噪声特点设计自适应阈值，减少了人为经验影响。

实施例三

基于前述的实施例，本申请实施例再提供一种多尺度电磁场分量去噪方法，包括：

S31：利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，得到外扩数据；

在一些实施例中，所述利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，能够有效的反映出信号的衰减，较为稳定的还原信号的变化趋势，具体公式为：

其中，g(k)为原始信号，g(j)表示扩边后信号，a,b为扩展系数，j为信号分解多项式；a＝[a

S32：依据输入信号与噪声高度不相关，应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号，还能够在一定程度上压制随机噪声，得到平稳数据；

在一些实施例中，所述应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号的具体公式为：

其中Y(t)为数据量为N的时间序列，Y'(t)为提取平稳分量信号，Y(t,0:M-h)、Y(t,h/2:M-h/2)、Y(t,h:M)为截取不同长度的时间序列，n为扩边数据，M＝N+2n，t为时间，h为滑动窗，N为时间序列长度即信号的数据量。

S33：采用自适应小波阈值处理方式，对各层小波系数进行消噪，压制所述平稳数据中的工频谐波干扰，得到去公频数据；

S34：在时间域对所述去公频数据开展EMD分解，对高频分量和低频分量分别去噪，然后将去噪后的高频分量、低频分量和残余模量通过线性重构得到重构去噪的信号。

本申请实施例中，改善了单一方法去噪的不足，分别在频率域、时间域进行滤波处理，实现对大地电磁电磁场分量的综合分析、处理、去噪；在数据预处理阶段对信号边缘数据进行扩充，以避免端点数据处理缺失和飞翼效应；提取信号中平稳分量，与移动平均滤波同时进行，在一定程度上对高频随机噪声起到压制效果；有效解决EMD分解中混叠效应，改善了EMD阈值去噪的效果；可以针对连续采集信号进行去噪处理，极大地保留了原始电磁场分量中的有用信息，提高信。

实施例四

基于前述的各个实施例，本申请实施例再提供一种多尺度电磁场分量去噪方法，所述方法包括：

基于前述的实施例，本申请实施例再提供一种多尺度电磁场分量去噪方法，包括：

S41：利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，得到外扩数据；

在一些实施例中，所述利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，能够有效的反映出信号的衰减，较为稳定的还原信号的变化趋势，具体公式为：

其中，g(k)为原始信号，g(j)表示扩边后信号，a,b为扩展系数，j为信号分解多项式；a＝[a

S42：依据输入信号与噪声高度不相关，应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号，还能够在一定程度上压制随机噪声，得到平稳数据；

在一些实施例中，所述应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号的具体公式为：

其中Y(t)为数据量为N的时间序列，Y'(t)为提取平稳分量信号，Y(t,0:M-h)、Y(t,h/2:M-h/2)、Y(t,h:M)为截取不同长度的时间序列，n为扩边数据，M＝N+2n，t为时间，h为滑动窗，N为时间序列长度即信号的数据量。

S43：采用自适应小波阈值处理方式，对各层小波系数进行消噪，压制所述平稳数据中的工频谐波干扰，得到去公频数据；

在一些实施例中，所述采用自适应小波阈值处理方式，压制所述平稳数据中的工频谐波干扰之前所述方法还包括：

将时间域信号变换到频率域，即时间域信号通过傅里叶变换变换到频率域，对分别对实部、虚部进行WT变换(小波变换)；

S44：在时间域对所述去公频数据开展EMD分解，对高频分量和低频分量分别去噪，然后将去噪后的高频分量、低频分量和残余模量通过线性重构得到重构去噪的信号。

本申请实施例提供的多尺度电磁场分量去噪方法，改善了单一方法去噪的不足，分别在频率域、时间域进行滤波处理，实现对大地电磁电磁场分量的综合分析、处理、去噪；在数据预处理阶段对信号边缘数据进行扩充，以避免端点数据处理缺失和飞翼效应；提取信号中平稳分量，与移动平均滤波同时进行，在一定程度上对高频随机噪声起到压制效果；有效解决EMD分解中混叠效应，改善了EMD阈值去噪的效果；可以针对连续采集信号进行去噪处理，极大地保留了原始电磁场分量中的有用信息，提高信噪比；针对噪声特点设计自适应阈值，减少了人为经验影响。

实施例五

基于前述的各个实施例，本申请实施例再提供一种多尺度电磁场分量去噪方法，所述方法包括：

基于前述的实施例，本申请实施例再提供一种多尺度电磁场分量去噪方法，包括：

S51：利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，得到外扩数据；

在一些实施例中，所述利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，能够有效的反映出信号的衰减，较为稳定的还原信号的变化趋势，具体公式为：

其中，g(k)为原始信号，g(j)表示扩边后信号，a,b为扩展系数，j为信号分解多项式；a＝[a

S52：依据输入信号与噪声高度不相关，应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号，还能够在一定程度上压制随机噪声，得到平稳数据；

在一些实施例中，所述应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号的具体公式为：

其中Y(t)为数据量为N的时间序列，Y'(t)为提取平稳分量信号，Y(t,0:M-h)、Y(t,h/2:M-h/2)、Y(t,h:M)为截取不同长度的时间序列，n为扩边数据，M＝N+2n，t为时间，h为滑动窗，N为时间序列长度即信号的数据量。

S53：采用自适应小波阈值处理方式，对各层小波系数进行消噪，压制所述平稳数据中的工频谐波干扰，得到去公频数据；

在一些实施例中，所述采用自适应小波阈值处理方式，压制所述平稳数据中的工频谐波干扰之前所述方法还包括：

将时间域信号变换到频率域，对分别对实部、虚部进行WT变换；

在一些实施例中，所述自适应小波阈值的选取方法包括：

利用固定阈值和无偏似然估计软阈值相组合，获得最优变量阈值，适用于信噪比较小的条件：

其中，

λ

λ

x

N：时间序列长度；

s、u分别为SURE和全局阈值计算参数。

S54：在时间域对所述去公频数据开展EMD分解，对高频分量和低频分量分别去噪，然后将去噪后的高频分量、低频分量和残余模量通过线性重构得到重构去噪的信号。

本申请实施例提供的多尺度电磁场分量去噪方法，改善了单一方法去噪的不足，分别在频率域、时间域进行滤波处理，实现对大地电磁电磁场分量的综合分析、处理、去噪；在数据预处理阶段对信号边缘数据进行扩充，以避免端点数据处理缺失和飞翼效应；提取信号中平稳分量，与移动平均滤波同时进行，在一定程度上对高频随机噪声起到压制效果；有效解决EMD分解中混叠效应，改善了EMD阈值去噪的效果；可以针对连续采集信号进行去噪处理，极大地保留了原始电磁场分量中的有用信息，提高信噪比；针对噪声特点设计自适应阈值，减少了人为经验影响。

实施例六

基于前述的各个实施例，本申请实施例再提供一种多尺度电磁场分量去噪方法，所述方法包括：

基于前述的实施例，本申请实施例再提供一种多尺度电磁场分量去噪方法，包括：

S61：利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，得到外扩数据；

在一些实施例中，所述利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，能够有效的反映出信号的衰减，较为稳定的还原信号的变化趋势，具体公式为：

其中，g(k)为原始信号，g(j)表示扩边后信号，a,b为扩展系数，j为信号分解多项式；a＝[a

S62：依据输入信号与噪声高度不相关，应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号，还能够在一定程度上压制随机噪声，得到平稳数据；

在一些实施例中，所述应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号的具体公式为：

其中Y(t)为数据量为N的时间序列，Y'(t)为提取平稳分量信号，Y(t,0:M-h)、Y(t,h/2:M-h/2)、Y(t,h:M)为截取不同长度的时间序列，n为扩边数据，M＝N+2n，t为时间，h为滑动窗，N为时间序列长度即信号的数据量。

S63：采用自适应小波阈值处理方式，对各层小波系数进行消噪，压制所述平稳数据中的工频谐波干扰，得到去公频数据；

在一些实施例中，所述采用自适应小波阈值处理方式，压制所述平稳数据中的工频谐波干扰之前所述方法还包括：

将时间域信号变换到频率域，对分别对实部、虚部进行WT变换；

在一些实施例中，所述自适应小波阈值的选取方法包括：

利用固定阈值和无偏似然估计软阈值相组合，获得最优变量阈值，适用于信噪比较小的条件：

其中，

λ

λ

x

N：时间序列长度；

s、u分别为SURE和全局阈值计算参数。

S64：在时间域对所述去公频数据开展EMD分解，对高频分量和低频分量分别去噪，然后将去噪后的高频分量、低频分量和残余模量通过线性重构得到重构去噪的信号；

在一些实施例中，所述在时间域对所述去公频数据开展EMD分解，即信号处理方法，得到所述高频分量和低频分量的具体过程包括：

在时间域对信号开展EMD分解，针对分解得到的IMF分量开展二次CEEMD分解去噪和重构，即在EMD分解基础上，以固有模态分量(IMF)为原始信号进行CEEMD分解。

本申请实施例提供的多尺度电磁场分量去噪方法，改善了单一方法去噪的不足，分别在频率域、时间域进行滤波处理，实现对大地电磁电磁场分量的综合分析、处理、去噪；在数据预处理阶段对信号边缘数据进行扩充，以避免端点数据处理缺失和飞翼效应；提取信号中平稳分量，与移动平均滤波同时进行，在一定程度上对高频随机噪声起到压制效果；有效解决EMD分解中混叠效应，改善了EMD阈值去噪的效果；可以针对连续采集信号进行去噪处理，极大地保留了原始电磁场分量中的有用信息，提高信噪比；针对噪声特点设计自适应阈值，减少了人为经验影响。

实施例七

基于前述的各个实施例，本申请实施例再提供一种多尺度电磁场分量去噪方法，所述方法包括：

基于前述的实施例，本申请实施例再提供一种多尺度电磁场分量去噪方法，包括：

S71：利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，得到外扩数据；

在一些实施例中，所述利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，能够有效的反映出信号的衰减，较为稳定的还原信号的变化趋势，具体公式为：

其中，g(k)为原始信号，g(j)表示扩边后信号，a,b为扩展系数，j为信号分解多项式；a＝[a

S72：依据输入信号与噪声高度不相关，应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号，还能够在一定程度上压制随机噪声，得到平稳数据；

在一些实施例中，所述应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号的具体公式为：

其中Y(t)为数据量为N的时间序列，Y'(t)为提取平稳分量信号，Y(t,0:M-h)、Y(t,h/2:M-h/2)、Y(t,h:M)为截取不同长度的时间序列，n为扩边数据，M＝N+2n，t为时间，h为滑动窗，N为时间序列长度即信号的数据量。

S73：采用自适应小波阈值处理方式，对各层小波系数进行消噪，压制所述平稳数据中的工频谐波干扰，得到去公频数据；

在一些实施例中，所述采用自适应小波阈值处理方式，压制所述平稳数据中的工频谐波干扰之前所述方法还包括：

将时间域信号变换到频率域，对分别对实部、虚部进行WT变换，即采用离散小波变换方法。

在一些实施例中，所述自适应小波阈值的选取方法包括：

利用固定阈值和无偏似然估计软阈值相组合，获得最优变量阈值，适用于信噪比较小的条件：

/>

其中，

λ

λ

x

N：时间序列长度；

s、u分别为SURE和全局阈值计算参数。

S74：在时间域对所述去公频数据开展EMD分解，对高频分量和低频分量分别去噪，然后将去噪后的高频分量、低频分量和残余模量通过线性重构得到重构去噪的信号；

在一些实施例中，所述在时间域对所述去公频数据开展EMD分解，得到所述高频分量和低频分量的具体过程包括：

在时间域对信号开展EMD分解，针对分解得到的IMF分量开展二次CEEMD分解去噪和重构；

在一些实施例中，所述对高频分量和低频分量分别去噪的具体方法包括：

对高频分量采取自适应截断阈值去噪；

对低频分量采取置零去噪或软阈值去噪；

即，即对高频分量，通过计算其自适应截断阈值，高于阈值部分回归阈值，低于阈值部分保持不变；低频部分保持不变，或设置软阈值，高于阈值部分回归阈值，低于阈值部分保持不变。

本申请实施例提供的多尺度电磁场分量去噪方法，改善了单一方法去噪的不足，分别在频率域、时间域进行滤波处理，实现对大地电磁电磁场分量的综合分析、处理、去噪；在数据预处理阶段对信号边缘数据进行扩充，以避免端点数据处理缺失和飞翼效应；提取信号中平稳分量，与移动平均滤波同时进行，在一定程度上对高频随机噪声起到压制效果；有效解决EMD分解中混叠效应，改善了EMD阈值去噪的效果；可以针对连续采集信号进行去噪处理，极大地保留了原始电磁场分量中的有用信息，提高信噪比；针对噪声特点设计自适应阈值，减少了人为经验影响。

实施例八

基于实施例七方法，本申请根据模拟数据给出的实施例：

S81：利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，得到外扩数据；

在一些实施例中，所述利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，能够有效的反映出信号的衰减，较为稳定的还原信号的变化趋势，具体公式为：

/>

其中，g(k)为原始信号，g(j)表示扩边后信号，a,b为扩展系数，j为信号分解多项式；a＝[a

S82：依据输入信号与噪声高度不相关，应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号，还能够在一定程度上压制随机噪声，得到平稳数据；

在一些实施例中，所述应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号的具体公式为：

其中Y(t)为数据量为N的时间序列，Y'(t)为提取平稳分量信号，Y(t,0:M-h)、Y(t,h/2:M-h/2)、Y(t,h:M)为截取不同长度的时间序列，n为扩边数据，M＝N+2n，t为时间，h为滑动窗，N为时间序列长度即信号的数据量。

S83：采用自适应小波阈值处理方式，对各层小波系数进行消噪，压制所述平稳数据中的工频谐波干扰，得到去公频数据；

在一些实施例中，所述采用自适应小波阈值处理方式，压制所述平稳数据中的工频谐波干扰之前所述方法还包括：

将时间域信号变换到频率域，对分别对实部、虚部进行WT变换；

在一些实施例中，所述自适应小波阈值的选取方法包括：

利用固定阈值和无偏似然估计软阈值相组合，获得最优变量阈值，适用于信噪比较小的条件：

其中，

λ

λ

x

N：时间序列长度；

s、u分别为SURE和全局阈值计算参数；

S84：在时间域对所述去公频数据开展EMD分解，对高频分量和低频分量分别去噪，然后将去噪后的高频分量、低频分量和残余模量通过线性重构得到重构去噪的信号；

在一些实施例中，所述在时间域对所述去公频数据开展EMD分解，得到所述高频分量和低频分量的具体过程包括：

在时间域对信号开展EMD分解，针对分解得到的IMF分量开展二次CEEMD分解去噪和重构；

在一些实施例中，所述对高频分量和低频分量分别去噪的具体方法包括：

对高频分量采取自适应截断阈值去噪；

对低频分量采取置零去噪或软阈值去噪。

如图1(a)-(b)所示，分别为本发明在数值模拟中的含多尺度噪声的含噪信号和恢复重构后的去噪信号，横坐标为采样点，纵坐标为振幅值。模拟信号在以高斯信号为原始信号，含谐波噪声、脉冲噪声和方波噪声，经过去噪后的信号恢复高斯信号时间域特征。

如图2(a)-(c)所示，分别为本发明在数值模拟中的含多尺度噪声的含噪信号频谱、恢复重构后的去噪信号频谱和原始信号频谱示意图，横坐标为频率(Hz)，纵坐标为振幅值。含噪声信号噪声频率域特征明显，特别是谐波噪声在其特定频率的频谱特征幅值明显高于其他频率。经过去噪的信号频谱与原始信号频谱具有较高的一致性。

如图3所示，为本发明在数值模拟中的多组含多尺度噪声的含噪信号、恢复重构后的去噪信号与原始信号的信噪比的示意图。去噪后信噪比明显增大，均方误差变小，振荡性减弱，信号趋于平稳。

本申请实施例提供的多尺度电磁场分量去噪方法，改善了单一方法去噪的不足，分别在频率域、时间域进行滤波处理，实现对大地电磁电磁场分量的综合分析、处理、去噪；在数据预处理阶段对信号边缘数据进行扩充，以避免端点数据处理缺失和飞翼效应；提取信号中平稳分量，与移动平均滤波同时进行，在一定程度上对高频随机噪声起到压制效果；有效解决EMD分解中混叠效应，改善了EMD阈值去噪的效果；可以针对连续采集信号进行去噪处理，极大地保留了原始电磁场分量中的有用信息，提高信噪比；针对噪声特点设计自适应阈值，减少了人为经验影响。

实施例九

基于实施例七方法，本申请根据真实数据给出的实施例：

S91：利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，得到外扩数据；

在一些实施例中，所述利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，能够有效的反映出信号的衰减，较为稳定的还原信号的变化趋势，具体公式为：

其中，g(k)为原始信号，g(j)表示扩边后信号，a,b为扩展系数，j为信号分解多项式；a＝[a

S92：依据输入信号与噪声高度不相关，应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号，还能够在一定程度上压制随机噪声，得到平稳数据；

在一些实施例中，所述应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号的具体公式为：

/>

其中Y(t)为数据量为N的时间序列，Y'(t)为提取平稳分量信号，Y(t,0:M-h)、Y(t,h/2:M-h/2)、Y(t,h:M)为截取不同长度的时间序列，n为扩边数据，M＝N+2n，t为时间，h为滑动窗，N为时间序列长度即信号的数据量。

S93：采用自适应小波阈值处理方式，对各层小波系数进行消噪，压制所述平稳数据中的工频谐波干扰，得到去公频数据；

在一些实施例中，所述采用自适应小波阈值处理方式，压制所述平稳数据中的工频谐波干扰之前所述方法还包括：

将时间域信号变换到频率域，对分别对实部、虚部进行WT变换；

在一些实施例中，所述自适应小波阈值的选取方法包括：

利用固定阈值和无偏似然估计软阈值相组合，获得最优变量阈值，适用于信噪比较小的条件：

其中，

λ

λ

x

N：时间序列长度；

s、u分别为SURE和全局阈值计算参数；

S94：在时间域对所述去公频数据开展EMD分解，对高频分量和低频分量分别去噪，然后将去噪后的高频分量、低频分量和残余模量通过线性重构得到重构去噪的信号；

在一些实施例中，所述在时间域对所述去公频数据开展EMD分解，得到所述高频分量和低频分量的具体过程包括：

在时间域对信号开展EMD分解，针对分解得到的IMF分量开展二次CEEMD分解去噪和重构；

在一些实施例中，所述对高频分量和低频分量分别去噪的具体方法包括：

对高频分量采取自适应截断阈值去噪；

对低频分量采取置零去噪或软阈值去噪。

如图4(a)-(b)所示，为本发明实际资料处理的国内某工区连续采集的含多尺度噪声的电场分量含噪信号和恢复重构后的去噪信号，横坐标为采样点，纵坐标为振幅值。信号谐波噪声特征明显，同时受方波噪声和脉冲噪声影响。去噪后信号恢复高斯信号特征，在时间域噪声特征消失。

如图5(a)-(b)所示，为本发明实际资料处理的国内某工区连续采集的含多尺度噪声的磁场分量含噪信号和恢复重构后的去噪信号，横坐标为采样点，纵坐标为振幅值。信号谐波噪声特征明显，同时受低频三角噪声和脉冲噪声影响较大，噪声幅值远高于原始信号，能量较强。去噪后信号恢复高斯信号特征，在时间域噪声特征消失。

如图6(a)-(b)所示，本发明实际资料处理的国内某工区的原始采集信号视电阻率图和相位图，横坐标表示频率(Hz)，纵坐标分别为取对数的视电阻率(oho.m)和相位(deg)。原始视电阻率曲线在高频部分出现飞点，曲线发生畸变，观测数据中的人文噪声产生了很大的影响，低频曲线抬升，相位偏向0°和180°，近场效应明显。

如图7(a)-(b)所示，本发明实际资料处理的国内某工区的经过多尺度滤波去噪后的视电阻率图和相位图,横坐标表示频率(Hz)，纵坐标分别为取对数的视电阻率(oho.m)和相位(deg)。经过多尺度电磁场分量去噪后计算得到的视电阻率和相位，飞点消失，曲线特征明显恢复。同时在一定程度上改善了近场效应。

本申请实施例提供的多尺度电磁场分量去噪方法，改善了单一方法去噪的不足，分别在频率域、时间域进行滤波处理，实现对大地电磁电磁场分量的综合分析、处理、去噪；在数据预处理阶段对信号边缘数据进行扩充，以避免端点数据处理缺失和飞翼效应；提取信号中平稳分量，与移动平均滤波同时进行，在一定程度上对高频随机噪声起到压制效果；有效解决EMD分解中混叠效应，改善了EMD阈值去噪的效果；可以针对连续采集信号进行去噪处理，极大地保留了原始电磁场分量中的有用信息，提高信噪比；针对噪声特点设计自适应阈值，减少了人为经验影响。

实施例十

基于前述的实施例，本申请实施例提供一种多尺度电磁场分量去噪装置，数据外扩模块、平稳分量预处理模块、自适应小波阈值处理模块和数据去噪、重构模块；

数据外扩模块：利用多项式函数方式，对原始时间序列两端部分数据链进行外扩，得到外扩数据；

平稳分量预处理模块：应用平稳分量的预处理方法，提取所述外扩数据中的平稳信号，得到平稳数据；

自适应小波阈值处理模块：采用自适应小波阈值处理方式，压制所述平稳数据中的工频谐波干扰，得到去公频数据；

数据去噪、重构模块：在时间域对所述去公频数据开展EMD分解，对高频分量和低频分量分别去噪，然后将去噪后的高频分量、低频分量和残余模量通过线性重构得到重构去噪的信号。

需要说明的是，本申请实施例中，如果以软件功能模块的形式实现上述的多尺度电磁场分量去噪方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。

相应地，本申请实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现上述实施例中提供的多尺度电磁场分量去噪方法中的步骤。

实施例十一

本申请实施例提供一种多尺度电磁场分量去噪设备包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，所述处理器配置为执行存储器中存储的多尺度电磁场分量去噪方法的程序，以实现以上述实施例提供的多尺度电磁场分量去噪方法中的步骤。

以上显示设备和存储介质实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请计算机设备和存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台控制器执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。