基于循环自编码神经网络的半空中电磁线信号去噪方法

《IEEE Transactions on Geoscience and Remote Sensing》：Semi-Airborne Electromagnetic Line Signal Denoising Based on Recurrent Self-Coding Neural Network

半空域电磁法（SAEM）在复杂地形勘探中面临信号噪声干扰严重、传统分段降噪效率低的问题。本文提出循环自编码神经网络（RSCN）实现整条测量线信号一步降噪，采用GRU捕获全波形状态，结合数据分块卷积编码与注意力机制提取关键特征，通过循环更新结构完成全数据降噪，实测与模拟数据验证显示其效果优于现有方法。

　　

摘要：

半空中电磁法（SAEM）是一种新兴的地球物理勘探方法，能够在复杂的地形条件下高效进行作业。SAEM信号经常受到各种噪声干扰的影响，这严重降低了信号的质量。然而，SAEM的数据量极其庞大，单条测量线的信号数量可达数百万个，现有的噪声消除方法通常都是分段截取信号再进行处理，这种方法效率低下且具有很强的主观性。为了解决上述问题，本文提出了一种循环自编码神经网络（RSCN），用于实现对整个测量线信号的一站式噪声消除。该方法采用门控循环单元（GRU）来获取完整的波形信息，并利用数据分割技术获取小规模数据以执行卷积编码。状态信息和编码后的数据通过注意力机制提取重要特征并进行解码。自编码结构通过循环更新，实现对整个测量线数据的一站式噪声消除。通过对模拟数据和实际测量数据的测试结果表明，本文提出的方法对整个测量线的SAEM数据具有良好的去噪效果，且比现有的噪声降低方法更具适应性。

引言

半空中瞬变电磁法也被称为地面-空间瞬变电磁法。该方法基于法拉第的电磁感应原理，其技术原理如图1 [1]、[2] 所示。该方法利用电或磁源向地下发射脉冲电流，在周围空间产生初级场[3]；根据电磁感应定律，地下良好的导电体会在脉冲电流发射后产生感应涡流；由此产生的感应电磁场称为次级场。由无人机携带的接收系统沿飞行路径接收次级场信号。通过分析次级场信号，可以获得地下电阻率的分布信息，从而实现地下矿产资源的勘探[4]。图1.

半空中瞬变电磁法示意图。(a) 检测示意图：长线源发射初级场，无人机携带接收线圈接收次级场信号。(b) 检测示意图：无人机沿预定路线飞行并接收来自测量线的信号。(c) 获取的初始SAEM信号。