一种新的地磁信号去噪算法研究

摘要：地磁观测数据应用十分广泛。由于地磁观测数据对各种环境因素的敏感性，严重影响了地磁数据的处理和利用。噪声信号的统计特性如果使用传统的噪声消除算法，难以获得良好的噪声消除效果。混沌序列可以提供一定的随机性和非线性特性，以帮助优化算法更好地搜索最优解。地磁信号则是需要去噪的原始信号。通过使用混沌蚁群算法构建目标函数，可以对地磁信号进行优化和去噪处理。算法会根据目标函数的设定，通过模拟蚁群行为和混沌序列的引导，逐步调整信号的参数和特征，以达到减小噪声、提取有效信息的目的。

关键词：地磁数据噪声信号小波混沌蚁群优化算法

中图分类号：P315

ResearchonaNewDenoisingAlgorithmforGeomagneticSignals

WUWannan1，2YINGYunxiang4，5*HUZhiwen4，5MALongqing6FANGZhen1，2，3HUWei1，2，3ZHOUZhi1，2ZHUHoulin1，2

1.DabieMountainEarthquakeMonitoringandPredictionExperimentalSite，Lu'an，AnhuiProvince，237000China;2.Lu'anEarthquakeMonitoringCenterStation，Lu'an，AnhuiProvince，237000China;3.AnhuiEarthquakeAgency，Hefei，AnhuiProvince，230031China;4.AnhuiMengchengGeophysicalNationalFieldObservationandResearchStation，Mengcheng，AnhuiProvince，233527China;583d5112e759c3d324bc1c3c1e95d379f042cba1f6edcef8276062a0bdd449c4c.MengchengEarthquakeMonitoringCenterStation，Mengcheng，AnhuiProvince，233527China;6.MengchengCountyNo.2MiddleSchool，Mengcheng，AnhuiProvince，233527China

Abstract：Geomagneticobservationdataiswidelyused.Duetothesensitivityofgeomagneticobservationdatatovariousenvironmentalfactors，theprocessingandutilizationofgeomagneticdataareseriouslyaffected.Thestatisticalcharacteristicsofnoisesignalsaredifficulttoachievegoodnoisereductionresultsusingtraditionalnoisereductionalgorithms.Chaoticsequencescanprovidecertainrandomnessandnonlinearcharacteristicstohelpoptimizationalgorithmsbettersearchforoptimalsolutions.Thegeomagneticsignalistheoriginalsignalthatneedstobedenoised.ByusingChaosAntColonyAlgorithmtoconstructtheobjectivefunction，geomagneticsignalscanbeoptimizedanddenoised.Thealgorithmwillgraduallyadjusttheparametersandfeaturesofthesignalbysimulatingantcolonybehaviorandguidingchaoticsequencesbasedonthesettingoftheobjectivefunction，soastoachievethepurposeofreducingnoiseandextractingeffectiveinformation.

KeyWords：Geomagneticdata;Noisesignal;Wavelet;ChaosAntColonyOptimizationAlgorithm

地球磁场是一个弱矢量场，由多个随时间缓慢变化的磁场叠加而成。地磁观测环境容易受到附近设施和实际运行条件的影响，影响观测数据质量，导致观测数据质量下降。在处理地磁数据时，需要优先对采集到的地磁信号进行去噪[１]。专家或利用FFT方法消除部分信号噪声；或研究了基于改进的小波阈值对数据的噪声抑制；或采用数学形态融合算法基于小波分析降低信号噪声[2]。上述方法普遍存在不完全降噪、信息的有效滤波较差、在抑制地磁信号噪声方面较差的适用性和普遍性等缺点。在地磁信号去噪方法中，混沌蚁群算法可以用于构建目标函数，以实现信号的去噪和提取有效信息。

1传统的去噪方法

地磁数据信号可能受到多种噪声的干扰，可能存在的地磁数据信号噪声类型如下。（1）自然噪声。地球的磁场受到太阳活动和地球内部运动的影响，太阳风暴和地震等自然事件都可以对地磁信号产生干扰。（2）人为噪声。人类活动也可以引入地磁信号噪声。（3）仪器自身噪声。地磁数据采集设备本身可能存在噪声。（4）数据传输噪声。地磁数据在传输过程中可能受到干扰。

为了准确地分析和利用地磁数据，需要采取一些方法来降低噪声的影响。（1）信号过滤。使用数字信号处理技术，如滤波器，可以选择性地去除不需要的频率成分，从而减少噪声的干扰。（2）信号平滑。通过对数据进行平均或其他平滑处理，可以减少由于噪声引起的突变和不连续性，从而提高信号的质量。（3）噪声建模和去除。通过对噪声进行建模并采取相应的去噪算法，可以降低噪声的影响。（4）数据校准。定期对地磁数据采集设备进行校准，确保其工作正常并减少仪器本身引入的噪声[3]。

选择合适的小波基函数可以更好地适应信号的特点，从而提高地磁信号去噪的效果。5类常用的小波函数的时域与幅频波形（图1～图5）如下。

2小波变换方法对地磁数据去噪情况

小波变换方法是一种常用于信号处理和去噪的技术，可以有效地处理地磁信号去噪问题。

在实际应用中，需要根据具体问题和数据特点选择合适的小波基函数和阈值处理方法。一些常用的阈值处理方法包括硬阈值和软阈值，它们在系数小于阈值时分别将系数置为零或进行收缩处理[4]。同时需要注意，小波变换方法并非适用于所有类型的地磁信号去噪问题。在选择和应用小波变换方法时，需要考虑信号的特点、噪声类型以及具体的应用场景，以获得最佳的去噪效果。

此外，小波变换还可以与其他去噪方法结合使用，例如基于阈值的方法、小波包变换等。通过灵活选择和组合不同的去噪方法，可以进一步提高地磁数据的去噪效果。

3基于混沌蚁群优化小波阈值去噪算法

在基于混沌蚁群优化小波阈值去噪算法中，选择小波基函数是一个重要的问题。小波基函数决定了小波变换的特性，对于信号的去噪效果和特征提取能力有着重要影响。将混沌序列和地磁信号的小波系数进行组合，构建目标函数。使用混沌蚁群算法对目标函数进行优化。混沌蚁群算法模拟蚁群在搜索食物过程中的行为，通过迭代更新混沌序列和调整地磁信号的小波系数，使目标函数逐步趋于最小值[5]。

在基于混沌蚁群优化小波阈值去噪算法中，该算法的主要思想是利用混沌蚁群优化算法来自动调整小波阈值，以实现更好的去噪效果。算法通过模拟蚁群在搜索食物过程中的行为，结合混沌序列的引导，逐步调整阈值参数，使得目标函数达到最小化。通过这种优化过程，可以得到最佳的阈值参数，从而实现更好的信号去噪效果（见图7）。

基于混沌蚁群优化的小波阈值去噪算法通过动态调整小波阈值，可以根据具体的地磁数据特点和去噪要求来优化去噪效果。混沌蚁群优化算法的全局搜索能力可以帮助找到更优的阈值，以减少信号损失和噪声残留（见图8）。需要注意的是，该算法的性能和效果受到混沌序列的选择、蚁群参数的设置和小波阈值的计算方法等因素的影响[6]。因此，在具体应用中，需要根据实际情况进行参数调整和算法优化，以获得最佳的去噪效果。

4结语

本文介绍了一种用于混沌蚁群优化的小波阈值算法，基于混沌蚁群优化小波阈值去噪算法是一种将混沌蚁群算法与小波阈值去噪方法相结合的信号处理技术，以消除地磁信号噪声。通过混沌蚁群算法优化小波阈值去噪的阈值参数，可以提高去噪效果。能够有效去除地磁信号的噪声的处理得完全降噪、信息的有效滤波不够全面、使用能力差和分析普遍性差等缺点。

将本文提出的算法应用于抑制实测地磁信号的噪声，通过与常用方法的去噪效果比较，发现该方法不仅有效地去除了噪声，而且保留了信号的有效信息，具有普遍实用性。

参考文献

[1]应允翔，朱厚林，汪继林，等.小波变换在地磁磁暴分析上的应用[J].科技资讯，2020，18（29）：79-82.

[2]李雨淙，於益群，员昊辰，等.地磁扰动的时空变化规律和产生原因：统计和模拟研究[J].地球物理学报，2023，66（9）：3591-3609.

[3]康传利，时满星，陈洋，等.一种考虑多尺度噪声的平滑去噪方法[J].科学技术与工程，2018，18（11）：110-116.

[4]苏小会，王钦钦，王贵鸿.基于改进小波阈值算法的遥测数据去噪研究[J].科学技术与工程，2019，19（22）：254-258.

[5]汪伟明，贺巍.基于小波分析与数学形态学融合算法对地磁信号降噪处理的应用[J].数字技术与应用，2018，36（2）：122-124.

[6]单维锋，闫非石，刘海军，等.基于深度神经网络的地磁观测数据高压直流输电干扰事件识别[J].地球物理学报，2023，66（4）：1575-1588.