kaiyun官方注册
您所在的位置: 首页> 其他> 设计应用> 基于PSO优化小波变换的测井信号去噪研究
基于PSO优化小波变换的测井信号去噪研究
2022年电子技术应用第11期
魏振华1,2,3,胥越峰2,刘志锋1,2,3,舒志浩2
1.核技术应用教育部工程研究中心,江西 南昌330013;2.东华理工大学 信息工程学院,江西 南昌330013; 3.江西省放射性地学大数据技术工程实验室,江西 南昌330013
摘要:小波变换被广大科研工作者用于测井信号去噪研究上,而小波参数的选取直接影响最后的去噪效果,所以需要设计获取测井信号最佳小波变换参数的算法。为应对测井信号处理中多种多样的情况,创新性地提出用粒子群算法来改进小波变换参数的选取,并应用随机惯性权重策略改变粒子群算法权重参数,提升粒子群算法收敛速度,增强搜索寻优能力,引入自然选择机制以增加种群多样性,获得对应测井数据的最佳小波变换参数,将最佳小波变换参数应用到阈值法小波变换去噪中,有效分离了有用信号和无用噪声。该算法有效地提高了测井信号的信噪比,降低了均方根差,实现了对测井信号中噪声的有效去除。
中图分类号:TP301.6
文献标识码:A
DOI:10.16157/j.issn.0258-7998.223028
中文引用格式:魏振华,胥越峰,刘志锋,等. 基于PSO优化小波变换的测井信号去噪研究[J].电子技术应用,2022,48(11):115-120.
英文引用格式:Wei Zhenhua,Xu Yuefeng,Liu Zhifeng,et al. Research on log signal denoising based on PSO optimized wavelet transform[J]. Application of Electronic Technique,2022,48(11):115-120.
Research on log signal denoising based on PSO optimized wavelet transform
Wei Zhenhua1,2,3,Xu Yuefeng2,Liu Zhifeng1,2,3,Shu Zhihao2
1.Engineering Research Center of Nuclear Technology Application(East China University of Technology), Ministry of Education,Nanchang 330013,China; 2.School of Information Engineering,East China University of Technology,Nanchang 330013,China; 3.Jiangxi Provincial Engineering Laboratory of Radiology Big Data Technology,Nanchang 330013,China
Abstract:Wavelet transform is widely used in the research of logging signal denoising, and the selection of wavelet parameters directly affects the final denoising effect, so it is necessary to design an algorithm to obtain the best wavelet transform parameters of logging signal. In this paper, the random inertia weight strategy is innovatively proposed to change the weight parameters of particle swarm optimization algorithm, which improves the convergence speed of particle swarm optimization algorithm, enhances the ability of searching for optimization, and obtains the optimal wavelet transform parameters. The optimal wavelet transform parameters are applied to the wavelet denoising of soft threshold method, which can effectively separate the useful signal and useless noise. This algorithm can effectively improve the signal-to-noise ratio of logging signal, reduce the root mean square difference, and realize the effective removal of noise in logging signal.
Key words :logging signal denoising;particle swarm optimization;the wavelet parameters;wavelet transform denoising;soft threshold method

0 引言

在测井信号的采集、处理、转发过程中,由于环境、仪器、人为等因素的干扰测井信号中总会存在噪声,如果不经处理直接使用这些带噪信号会对矿产勘探产生误差,更有严重者甚至会造成重大的经济损失。因此,在信号处理的过程中去除测井信号的噪声就显示出了必要性。测井信号去噪有很多方法,小波变换突破了以傅里叶为代表的传统方法的显著缺陷,在时频域上都有着亮眼的表现,是去噪方法的主要技术之一。

主流的研究表明小波变换的参数设置会直接影响最后的滤波去噪效果,如李维松等统合硬、软以及Garrote阈值去噪的优点,构造出一个新的改进阈值函数,在突变性及平滑性信号方面取得了更优的降噪成果[1];朱荣亮等为更好地滤除噪声,提出一种新阈值函数,通过仿真确定最佳小波函数类型和分解层数[2];谢政宇等根据均方根误差和平滑度的变化特性构建了一种复合评价指标,通过评价指标来优选小波参数[3]。但是在对测井信号的处理中,因测井数据的庞大与多样性,单独改进阈值函数等对不同地区、不同井、不同井次、不同测井曲线的去噪效果不够好,所以在参考了解文献[4]-[6]中体现出粒子群算法寻找最优点的优势以及测井信号处理的实际需求后,采取群智能算法中的粒子群算法(Particle Swarm Optimization,PSO)来获取不同目标下的最佳小波变换参数,并对粒子群算法做一定的优化。




本文详细内容请下载:https://www.chinaaet.com/resource/share/2000005016




作者信息:

魏振华1,2,3,胥越峰2,刘志锋1,2,3,舒志浩2

(1.核技术应用教育部工程研究中心,江西 南昌330013;2.东华理工大学 信息工程学院,江西 南昌330013;

3.江西省放射性地学大数据技术工程实验室,江西 南昌330013)




wd.jpg

此内容为AET网站原创,未经授权禁止转载。
Baidu
map