基于CEEMDAN-DFA与FCM聚类算法的大地电磁强噪声识别与抑制

摘要：

CEEMDAN(complete ensemble empirical mode decomposition with adaptive noise,自适应噪声的完备经验模态分解)-DFA(detrended fluctuation analysis,去趋势波动分析)滤波算法首先将含噪信号进行CEEMDAN分解,并以DFA方法提供的标度指数为依据,然后从分解得到的本征模态函数中自适应地选取有用的分量去重构信号.仿真试验表明,在不同信噪比背景下,该方法相对于小波阈值和EMD(empirical mode decomposition,经验模态分解)-DFA方法具有一定的优越性.此外,选用模糊熵与短时能量作为模糊C均值(Fuzzy C-means,FCM)聚类算法的特征参数,对受典型强噪声干扰的大地电磁信号进行信噪识别,获得了较好的识别效果.鉴于此,将这2种算法相结合对实测信号中受到强干扰的部分进行识别与噪声抑制.结果表明,该方法能有效地克服传统整体滤波处理产生的过处理现象,在压制强噪声的同时能较好地保留实测数据中有用的低频成分.

关键词：大地电磁;CEEMDAN-DFA;FCM聚类算法;噪声识别;噪声抑制

所属期刊栏目：18

分类号：P631.325

资助基金：国家自然科学基金项目"页岩气储层改造电磁法动态监测应用基础研究";国家重点研发计划"井中/井间大功率激发极化探测技术及仪器研制"

在线出版日期：2021-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：13-22