基于独立成分分析的超低频电磁探测信号滤波

北京大学学报（自然科学版）

基于独立成分分析的超低频电磁探测信号滤波

李培军,金慧然,宋本钦

北京大学遥感与地理信息系统研究所，北京100871；

收稿日期:2008-07-01 出版日期:2009-07-20 发布日期:2009-07-20

Filtering of Ultra-Low Electromagnetic Detection Signal Using Independent Component Analysis

LI Peijun, JIN Huiran, SONG Benqin

Institute of Remote Sensing and Geographic Information System, Peking University, Beijing 100871;

Received:2008-07-01 Online:2009-07-20 Published:2009-07-20

摘要/Abstract

摘要： 将独立成分分析方法引入到超低频电磁探测曲线的滤波中。首先运用模拟数据来探讨运用独立成分分析方法进行滤波的可行性，然后运用实际的观测数据对基于独立成分分析的滤波方法进行了评价和比较。结果表明，运用独立成分分析方法进行探测曲线的噪声滤除是可行的，而且该方法可有效地滤除噪声、突出曲线的特征，有利于曲线的地质解译。同时，对相关问题进行了讨论。

关键词: 独立成分分析, 超低频电磁探测, 滤波, 煤层气

Abstract: The independent component analysis (ICA) was introduced for the filtering of the ultra-low electromagnetic (ULEM) detection curves. Simulated datasets were first used to validatethe effectiveness of ICAin the filtering. The real datasets were then used to evaluate and comparethe performance of the proposed filtering method. The results show that filtering of the ULEMsignals based on ICAis feasible. Moreover, the proposed filtering method could effectively suppress the noise and enhance the valuable features of the curves, which facilitates geological interpretation of the resulting curves. Some issues are also discussed.

Key words: independent component analysis, ultra-low electromagnetic detection, filtering, coal-bed methane

中图分类号:

P318
P319

李培军,金慧然,宋本钦. 基于独立成分分析的超低频电磁探测信号滤波[J]. 北京大学学报（自然科学版）.

LI Peijun,JIN Huiran,SONG Benqin. Filtering of Ultra-Low Electromagnetic Detection Signal Using Independent Component Analysis[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2009/V45/I4/621

[1]	安圣培, 陈彦阳, 罗红梅, 颜世翠. 基于多方向识别的三维断层增强方法[J]. 北京大学学报自然科学版, 2021, 57(4): 653-659.
[2]	黄俊松, 曾琪明, 焦健, 高胜. 一种适用于时序InSAR的同质像元加权干涉相位滤波方法[J]. 北京大学学报自然科学版, 2018, 54(6): 1242-1250.
[3]	钱泽斌, 严伟. 一种低资源数字抽取滤波器设计[J]. 北京大学学报（自然科学版）, 2018, 54(2): 315-319.
[4]	张竟枢, 吕梦菲, 李斗, 杨延军, 赵玉萍. 一种基于ICA方法的网格化无线电监测方案[J]. 北京大学学报（自然科学版）, 2018, 54(2): 307-314.
[5]	余怀瑾, 依那, 蒋伟, 杨峰. 基于UKF算法的高机动机载平台多普勒频移估计[J]. 北京大学学报自然科学版, 2017, 53(6): 1003-1010.
[6]	刘超, 严伟. 基于FPU的高速卡尔曼滤波器公式推导法硬件设计[J]. 北京大学学报（自然科学版）, 2016, 52(5): 803-808.
[7]	盖颖颖,刘媛,范闻捷,徐希孺. 黑河流域植被FAPAR时间序列模拟分析与预测[J]. 北京大学学报（自然科学版）, 2014, 50(3): 515-525.
[8]	吴金勇,赵勇,王一科,袁誉乐,张兴. 基于多粒度感知SVM的复杂场景人车分类方法[J]. 北京大学学报（自然科学版）, 2013, 49(3): 404-408.
[9]	资礼波,盖增喜. 基于Malvar窗时频谱的反Q滤波方法[J]. 北京大学学报（自然科学版）, 2012, 48(3): 405-410.
[10]	钟金丝,王新安,冯晓星,曹伟,齐永珍. 手机RFID读写器的基带新解码器[J]. 北京大学学报（自然科学版）, 2010, 46(1): 48-54.
[11]	金毅,潘懋,姚凌青,马冲. 一种稳健变差函数计算方法[J]. 北京大学学报（自然科学版）, 2009, 45(6): 1033-1038.
[12]	李莹,路卫军,于敦山,张兴. 一种在FPGA上实现FIR数字滤波器的资源优化算法[J]. 北京大学学报（自然科学版）, 2009, 45(2): 222-226.
[13]	南鹏,秦其明,姚云军. 地表温度异常机理及热红外遥感监测 --以河南焦作煤层气富集区为例[J]. 北京大学学报（自然科学版）, 2009, 45(1): 137-143.
[14]	陈延娜,刘宇,申亚男. 四带对称双正交小波的构造[J]. 北京大学学报（自然科学版）, 2008, 44(6): 835-838.
[15]	陶欣,范闻捷,徐希孺. 高光谱数据组分信息的盲分解方法[J]. 北京大学学报（自然科学版）, 2008, 44(6): 921-926.