LMS自適應(yīng)濾波在航空瞬變電磁信號去噪中的應(yīng)用

何臘梅 楊帆

摘 要：以 LMS自適應(yīng)濾波理論為基礎(chǔ)，借助Matlab編程軟件成功濾除了航空瞬變電磁信號中的噪聲，為航空瞬變電磁信號的后期正反演研究提供了可靠的數(shù)據(jù)。通過實驗證明，LMS自適應(yīng)濾波器能夠合理、有效地去除天電噪聲和地質(zhì)噪聲。

關(guān)鍵詞：航空瞬變電磁信號；數(shù)據(jù)去噪；濾波方法；LMS自適應(yīng)濾波

中圖分類號：TP39；P631.3+26 文獻標識碼：A 文章編號：2095-1302（2018）01-00-03

0 引 言

航空瞬變電磁法（Airborne Transient Electromagnetic Method，ATEM）是20世紀中期問世的一種快速普查良導(dǎo)電金屬礦的航空物探方法，其具有速度快，勘探成本低，探測范圍廣，可有效抑制復(fù)雜地形影響等優(yōu)點，已成為國內(nèi)外廣泛使用的一種地質(zhì)勘探方法[1]。但航空瞬變電磁勘探法主要觀測的是二次場信號，其有效信號幅值弱，頻帶寬[2]，因而測得的二次場信號的真實性或準確性難以保證。此外，航空瞬變電磁法在實際應(yīng)用中受噪聲干擾的影響更為嚴重，甚至得到的觀測信號是已被噪聲信號掩蓋的無用信號[3]，導(dǎo)致后期處理進入錯誤的方向。為保證實測信號的可靠性，對測得的數(shù)據(jù)必須先做濾波、去噪等預(yù)處理。

航空瞬變電磁信號的噪聲類型分為天電噪聲、儀器振動噪聲、地質(zhì)噪聲以及人文噪聲等[4]。由于平均濾波、中值濾波等濾波方法對天電噪聲的濾除不夠理想，本文提出運用LMS自適應(yīng)濾波方式濾除其高頻范圍內(nèi)的天電干擾和地質(zhì)噪聲。

1 LMS自適應(yīng)濾波原理

自適應(yīng)濾波（adaptive filtering）是信號處理領(lǐng)域一個非常重要的分支。自1959年Widrow提出自適應(yīng)的概念以來，自適應(yīng)濾波理論一直受到普遍關(guān)注，并得到了不斷發(fā)展與完善。信號處理理論和應(yīng)用的發(fā)展為自適應(yīng)濾波理論提供了必要的理論基礎(chǔ)，其已在通信、雷達、自動控制、圖像與語音處理等領(lǐng)域得到了廣泛應(yīng)用[5]。

顧名思義，自適應(yīng)濾波器是一種能夠根據(jù)輸入信號自動調(diào)整自身性能并進行數(shù)字信號處理的數(shù)字濾波器，其最本質(zhì)的特點在于具有自學習和自調(diào)整的能力，即自適應(yīng)能力。與固定濾波器相比，自適應(yīng)濾波器能夠根據(jù)當前自身的狀態(tài)和環(huán)境自動調(diào)整和校正當前濾波器的參數(shù)。由于信號與噪聲的時變特性未知，因而其統(tǒng)計特性不確定，故可認為其是最優(yōu)濾波方法。自適應(yīng)濾波器具有可調(diào)整系數(shù)的濾波結(jié)構(gòu)與可調(diào)整和校正濾波器系數(shù)的自適應(yīng)算法[6]。

Widrow等人提出的最小均方算法（Least Mean Square，LMS）是一種以期望響應(yīng)和濾波器輸出信號之間誤差的均方值最小為準則，依據(jù)輸入信號在迭代過程中估計梯度質(zhì)量，并更新權(quán)系數(shù)以達到最優(yōu)的自適應(yīng)迭代算法。LMS算法是一種梯度最速下降算法，其顯著特點在于其簡單性。這種算法無需計算相關(guān)矩陣及矩陣運算[5]。

LMS算法是一種線性自適應(yīng)濾波算法，包括兩個基本過程，即濾波過程與自適應(yīng)過程。在濾波過程中，自適應(yīng)濾波器計算其對輸入的響應(yīng)，并通過與期望響應(yīng)比較，得到估計的誤差信號。在自適應(yīng)過程中，系統(tǒng)估計誤差自動調(diào)整濾波器自身的參數(shù)。這兩個過程共同組成一個反饋環(huán)，LMS自適應(yīng)濾波原理如圖1所示。

其中，s （k）是輸入信號，d（k）是期望信號，y（k）是濾波后的信號，e（k）是誤差信號。

該濾波器根據(jù)e（k）和s（k），通過自適應(yīng)算法找到E[e2（k）]最小時濾波器的權(quán)值，從而找到濾波系數(shù)權(quán)值，實現(xiàn)自適應(yīng)濾波。

LMS算法系數(shù)的更新規(guī)則是通過迭代尋找極值，即最速下降法，該方法后一時刻的系數(shù)由前一時刻的系數(shù)通過一定的迭代運算得出：

式中，W為濾波系數(shù)，k為當前迭代值，Wk和Wk+1分別代表k時刻和k+1時刻的自適應(yīng)系數(shù)，X為待濾波數(shù)據(jù)，μ為放大系數(shù)，稱為收斂因子，用于調(diào)整自適應(yīng)迭代的步長，ε是誤差信號（期望值與預(yù)測輸出值之差），為誤差信號平方的梯度。假設(shè)當前為k時刻，其后一時刻為k+1時刻，則k+1時刻的系數(shù)為k時刻系數(shù)加上歸一化函數(shù)的負梯度。系數(shù)函數(shù)也稱為性能函數(shù)，等同于期望信號的均方誤差。從（3）式可得出，LMS算法與平方、平均、矩陣逆變換無關(guān)，但其收斂判斷標準與最速下降方法確定的值相等。對μ的標準由下式得出：

n為濾波系數(shù)的階數(shù)，R為輸入的相關(guān)矩陣E[XkXkT]，tr為矩陣跡。濾波系數(shù)的階數(shù)n和濾波增益μ是失調(diào)M和自適應(yīng)處理時間常數(shù)τmse的折中。

2 LMS自適應(yīng)濾波實現(xiàn)流程

圖2是運用LMS自適應(yīng)濾波算法對航空瞬變電磁去噪的實現(xiàn)流程[7]。由圖可知，讀入數(shù)據(jù)后，首先計算信號長度和功率，然后計算出步長值并將該值作為初始步長存入算法中，設(shè)置好前兩個抽頭系數(shù)值后進入算法的自適應(yīng)計算環(huán)節(jié)，首先計算前兩個值，之后再計算誤差與下一個抽頭系數(shù)，依次循環(huán)，直到最后一個值為止，從而得到濾波后的信號。

3 LMS自適應(yīng)濾波應(yīng)用

1988年，Spies運用預(yù)測（非自適應(yīng)）技術(shù)（或稱局部噪聲預(yù)測濾波）來估計垂直磁場的噪聲[8]。固定系數(shù)的消噪方法在去除時不變（平穩(wěn)）噪聲時效果較好，但當前的電磁數(shù)據(jù)噪聲幾乎都是非平穩(wěn)噪聲，因此這些濾波方法力不從心。本文結(jié)合天然磁場的性質(zhì)和LMS自適應(yīng)濾波算法的特性，運用LMS自適應(yīng)濾波算法對由模擬勘探模型計算得出的數(shù)據(jù)和實測的航空電磁數(shù)據(jù)消噪[9]。

3.1 LMS自適應(yīng)濾波算法對模擬信號去噪

讀入模擬數(shù)據(jù)后就可運用該濾波算法濾除噪聲，為了更好地濾波，將信號分為早期和后期兩部分，分別進行LMS自適應(yīng)濾波，程序如下：

//加高斯白噪聲

snr=5 ；

sigpower=measured；

x=awgn（x0，snr，sigpower）； //x0為模擬的原始信號，x為加入高斯白噪聲后的信號

N=length（x）；

n=randn（1，N）；

u=0.03；

w（1：N）=0；

w（1）=2；

for i=1：20//將信號分為兩部分，分別運用LMS自適應(yīng)算法

y（i）=n（i）*w（i）；

e（i）=x（i）-y（i）；

w（i+1）=w（i）+u*e（i）*n（i）；

end；

u=0.01；

for i=21：N

y（i）=n（i）*w（i）；

e（i）=x（i）-y（i）；

w（i+1）=w（i）+u*e（i）*n（i）；

end；

圖3所示為LMS自適應(yīng)濾波方法對含噪模擬數(shù)據(jù)的濾波結(jié)果。

由圖可知，該方法早期效果較好，但在早期向中期過渡時，由于幅度變化太快，使得自適應(yīng)濾波的效果不太理想，到了中后期濾波后曲線比較光滑。LMS濾波方法可以較好地去除干擾信號，擬合曲線，可有效保證信號幅值不被削弱。

3.2 LMS自適應(yīng)濾波算法對實測信號去噪

分兩部分運用LMS自適應(yīng)算法，濾波程序如下：

N=length（x0）； //信號長度

t=1：N；

Nw=21；

fs=50；

nfft=N；

ff=（0：N/2-1）*fs/（N-1）；

x1=x0；

snr=5 ；

sigpower=measured；

n（1：N1）=0.5；

n=awgn（n，snr，sigpower，linear）；

u=0.005；

w（1：N1）=0；

w（1）=5.5；

for i=1：50

y（i）=n（i）*w（i）；

e（i）=x1（i）-y（i）；

w（i+1）=w（i）+u*e（i）*n（i）；

end；

u=0.33；

for i=51：N1

y（i）=n（i）*w（i）；

e（i）=x1（i）-y（i）；

w（i+1）=w（i）+u*e（i）*n（i）；

end；

圖4所示為LMS自適應(yīng)濾波方法對實測數(shù)據(jù)濾波的結(jié)果。從圖中可知，50～100點間發(fā)生了較大跳變，無法較好地反映原始數(shù)據(jù)特性，但中后期處理效果較好，雖然曲線仍有毛刺，但與原始數(shù)據(jù)相比曲線光滑很多，可認為已基本實現(xiàn)了去噪效果。濾波后早期信號與原始早期信號擬合較好，但毛刺較多，處理效果并不理想，但這由LMS自適應(yīng)算法本身的原因?qū)е?。LMS自適應(yīng)方法的關(guān)鍵步驟在于自適應(yīng)算子的計算。但從整體消噪效果和保幅性方面看，已基本去除干擾成分，較好地保留了有用信號。

4 結(jié) 語

綜上所述，LMS自適應(yīng)算法能夠快速進行自學習和自調(diào)整，適合處理非平穩(wěn)的干擾信號，且算法實現(xiàn)簡單。航空瞬變電磁信號中最主要的干擾是天電噪聲，通過運用LMS自適應(yīng)濾波算法能夠較好地濾除這一主要噪聲信號，因而能夠做好航空瞬變電磁信號前期的預(yù)處理工作，為后期分析提供可靠的數(shù)據(jù)。

參考文獻

[1]雷棟，胡祥云，張素芳.航空電磁法的發(fā)展現(xiàn)狀[J].地質(zhì)找礦論叢，2006，21（1）：40-44.

[2]嵇艷鞠，林君，程德福，等.瞬變電磁法中數(shù)據(jù)取樣處理方法的研究[J].物探與化探，2003， 27（2）： 142-145.

[3]何臘梅.航空瞬變電磁數(shù)據(jù)時頻分析及去噪方法研究[D].成都： 成都理工大學，2013.

[4] Jewell T R，Ward S H. The influence of conductivity inhomogeneities upon audio-frequency magnetic fields[J].Geophysics， 1963，28（2）：201-221.

[5]邱天爽，郭瑩.信號處理與數(shù)據(jù)分析[M].北京：清華大學出版社，2015.

[6]何臘梅，王宇航.STFT與FIR在航空瞬變電磁數(shù)據(jù)處理中的應(yīng)用[J].工程地球物理學報，2013，10（1）： 15-20.

[7] Buselli G， Hwang H S， Pik J P. AEM noise reduction with remote referencing[J].Exploration Geophysics， 1998， 29（2）： 71-76.

[8] Spies B R. Local noise prediction filtering for central induction transient electromagnetic sounding[J]. Geophysics， 1988， 53（8）： 1068-1079.

[9] Jeng Y， Li Y W， Chen C S，et al. Adaptive filtering of random noise in near-surface seismic and ground-penetrating radar data[J].Journal of applied geophysics，2009，68：36-46.