基于Bayes Bootstrap统计降噪方法的磁共振测深信号检测

摘要

为从受强噪声干扰的实测磁共振测深(MRS)信号中提取有效特征参数,针对导电层状模型MRS信号,利用各导电层MRS信号分量取对数后与采样时间具有严格线性关系的特性,提出从各导电层MRS信号分量中提取2个最优估计点来重建MRS信号的思想,即用2个最优估计点代替整体统计误差最小时的估计值,以提高重建精度.该方法先将多周期各导电层MRS信号分量序列转化为二维矩阵,再用Bayes Bootstrap模型对各列信息进行误差估计,最后,根据误差估计结果,统计出2个最优有效数据点.研究结果表明:本文方法提取MRS信号特征参数的平均误差率远比传统方法的小,能从信噪比为1dB的强噪声环境中,以5.5％的平均误差率提取出有效特征参数;能从同时受到工频干扰、奇异噪声干扰和平稳随机噪声干扰的含噪MRS信号中提取有效特征参数.此外,本文方法能从较少周期的实测数据中提取出MRS信号的有效特征参数,可提高MRS仪器地质探测效率.