一种基于希尔伯特-黄变换的磁异常多特征信息提取方法

摘要

本发明涉及一种基于希尔伯特‑黄变换的磁异常多特征信息提取方法。利用希尔伯特‑黄变换HHT处理非线性、非平稳的磁异常信号，通过对信号进行经验模式分解和希尔伯特频谱分析，提取基于瞬时能量密度和边际谱的磁异常多特征信息，为基于机器学习框架的磁异常探测提供有效的特性信息选择。本发明能够通过对信号的希尔伯特‑黄变换处理，获得磁异常信号在时频域内的多特征信息，丰富了磁异常探测中的特征信息选择。在基于机器学习框架的磁异常探测方法中，磁异常信号的时频域多特征信息助于提升低信噪比下磁性目标的探测能力，降低目标探测的虚警概率。