数学形态学和K-SVD字典学习在大地电磁数据去噪中的应用

摘要：

为解决大地电磁(Magnetotelluric,MT)常规的时间域去噪方法对于1 Hz附近噪声压制的局限性问题,提出了一种基于数学形态滤波(Mathematical morphological filtering,MMF)和K-SVD(K-Singular value decomposition)字典学习的新型去噪方法,用于压制MT信号中低频数据1Hz附近的强人文噪声.首先,利用MMF分离出低频信号,对该低频信号进行保护以防止信号丢失;然后,使用K-SVD字典学习对剩余的含噪信号进行处理,通过从观测数据中自主学习获取噪声的特征结构,提取噪声轮廓,达到去除噪声的目的.利用一个合成数据集验证算法后,对两个实测数据进行处理,结果表明:该方法可以在几乎不损失有效信号的前提下,消除各种强人文噪声,信噪比大幅提升,数据质量得到很大改善,且去噪效果优于小波变换等传统方法.

关键词：大地电磁;数学形态滤波;K-SVD字典学习;强干扰压制;低频信号

所属期刊栏目：31

分类号：P631

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家重点研发计划;江西省自然科学基金资助项目;江西省放射性地学大数据技术工程实验室开放基金资助项目;江西省防震减灾与工程地质灾害探测工程研究中心开放基金资助项目

在线出版日期：2022-02-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：3713-3729