一种基于白化滤波与信息熵结合的磁异常信号检测方法与流程

1.本发明涉及磁性目标检测领域，特别涉及一种基于白化滤波与信息熵结合的磁异常信号检测方法。


背景技术：

2.在地磁场中的磁性目标由于磁化会产生静磁场从而改变原地磁场的分布，通过测量地磁异常便可实现对目标的探测，常见的用于目标探测的磁场传感器主要有测量三分量的磁通门磁力仪和测量磁场总场的光泵磁力仪，光泵磁力仪具有不受载体姿态影响的优点，因此可搭载于移动载体平台上实现对目标的磁探测。光泵磁力仪是一种标量磁场测量仪器，其测量的总场信息是磁异常在地磁场上的投影，通常情况下目标磁场强度远小于地磁场，而地磁场有变化缓慢的特点，可近似看成直流分量，因此常见的处理方法是通过带通滤波的方法得到目标磁异常信号，滤波的频带根据目标与移动载体平台的相对运动速度来确定。
3.目前常见的磁异常检测方法主要分为两大类，一种是基于目标信号特征的检测方法，如正交基(obf)检测方法，另外一种是基于噪声与信号的统计特征不同的检测方法，如信息熵检测方法和高阶过零检测方法。
4.基于正交基的磁异常检测方法检测效果较好，但是该方法采用了几个假设条件：1、磁性目标可以看成单个磁偶极子模型；2、探测时，目标沿着直线运动；3、目标检测时的特征时间是已知的。假如无法同时满足上述条件时，例如当距离磁性目标较近时或者目标并不按直线运动时，正交基检测方法的检测性能会下降。而信息熵检测方法具有不受上述条件约束的优势，可以在目标非直线运动条件下实现对目标磁异常的检测，但是传统的信息熵检测方法是假设在背景噪声服从高斯分布条件下求得，但是实际情况下，磁场噪声通常是非高斯分布的有色噪声，因此信息熵检测方法的效能会降低。


技术实现要素：

5.为了针对目前利用信息熵对目标磁异常的检测算法存在的在非高斯有色噪声下检测效能下降的问题，本发明的目的是提出一种利用白化滤波与信息熵结合的磁异常检测方法，该检测方法首先采用ar自回归模型对有色噪声进行预白化处理，然后对白化后的磁场数据求取信息熵，进而实现对目标磁异常的检测。
6.为了实现上述技术目的，本发明提供了一种基于白化滤波与信息熵结合的磁异常信号检测方法，包括以下步骤：
7.采集磁场数据，磁场数据用于获取磁异常信号，其中，磁场数据的背景噪声为具有非高斯分布的有色噪声；
8.构建ar自回归模型，ar自回归模型用于对磁场数据的有色噪声进行白化处理；
9.基于ar自回归模型，对磁场数据进行白化处理；
10.根据白化后的磁场数据，获取信息熵，并根据信息熵，获取磁异常信号。
11.优选地，在构建ar自回归模型的过程中，磁场数据的磁场测量序列的第一表达式为：
[0012][0013]
其中，x(n)为磁场测量序列，w(n)为高斯白噪声，p表示前p个采样点,ak为模型系数。
[0014]
优选地，在构建ar自回归模型的过程中，在第一表达式的两端同时乘x(n-m),获取第二表达式，第二表达式为：
[0015][0016]
将第二表达式化简为第三表达式，第三表达式为：
[0017][0018]
其中，
[0019]
优选地，在进行白化处理的过程中，
[0020]
当m＞0时，第三表达式为：
[0021]
当m＝0时，白噪声的方差为
[0022]
根据第三表达式以及白噪声的方差，获取第四表达式，第四表达式用于计算p阶ar自回归模型的模型系数，第四表达式为：
[0023][0024]
优选地，根据第四表达式和第一表达式，构建ar自回归模型，ar自回归模型为：
[0025][0026]
其中，a0＝1。
[0027]
优选地，在获取背景噪声的信息熵的过程中，磁场检测的滑动窗口的测量点数量为l，滑动窗口的信息熵为：
[0028]
[0029]
其中，i(yi)为信息熵，yi为白化滤波后的磁场值，p(yn)表示化滤波后的磁场值的概率密度函数。
[0030]
优选地，在获取背景噪声的信息熵的过程中，提取白化后的磁场数据的均值μ和方差σ2，获取高斯分布的概率密度函数；
[0031]
均值μ为：
[0032]
方差σ2为
[0033]
其中，m为采样点的数量；
[0034]
概率密度函数为：
[0035][0036]
根据概率密度函数，yi的概率为：
[0037][0038]
优选地，应用磁异常信号检测方法的磁异常信号检测系统，包括：
[0039]
数据采集模块，用于采集磁场数据；
[0040]
预处理模块，用于构建ar自回归模型，对磁场数据进行白化处理；
[0041]
磁异常信号检测模块，用于根据白化后的磁场数据，获取信息熵，并根据信息熵，获取磁异常信号。
[0042]
本发明公开了以下技术效果：
[0043]
本发明提供的方法中，由于背景噪声的信息熵通常较大，当有目标磁异常出现时，信息熵值会降低，因此可以实现对目标磁异常的检测，且本发明可改善原信息熵检测算法在非高斯有色噪声条件下检测效能减弱的问题，提高目标磁异常检测的信噪比。
附图说明
[0044]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0045]
图1为本发明所述的流程示意图。
[0046]
图2为本发明所述的测量噪声的时域图；
[0047]
图3为本发明所述的测量噪声分布直方图；
[0048]
图4为本发明所述的目标磁异常叠加测量噪声的实测磁场序列时域图；
[0049]
图5为本发明所述的实测磁场序列经过白化滤波器后的时域图；
[0050]
图6为本发明所述的经过白化滤波后磁场分布直方图；
[0051]
图7为本发明所述的原始实测磁场序列的信息熵；
[0052]
图8为本发明所述的白化滤波后磁场的信息熵。
具体实施方式
[0053]
下为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0054]
如图1-8所示，本发明提供了一种基于白化滤波与信息熵结合的磁异常信号检测方法，包括以下步骤：
[0055]
采集磁场数据，磁场数据用于获取磁异常信号，其中，磁场数据的背景噪声为具有非高斯分布的有色噪声；
[0056]
构建ar自回归模型，ar自回归模型用于对磁场数据的有色噪声进行白化处理；
[0057]
基于ar自回归模型，对磁场数据进行白化处理；
[0058]
根据白化后的磁场数据，获取信息熵，并根据信息熵，获取磁异常信号。
[0059]
进一步优选地，在构建ar自回归模型的过程中，磁场数据的磁场测量序列的第一表达式为：
[0060][0061]
其中，x(n)为磁场测量序列，w(n)为高斯白噪声，p表示前p个采样点,ak为模型系数。
[0062]
进一步优选地，在构建ar自回归模型的过程中，在第一表达式的两端同时乘x(n-m),获取第二表达式，第二表达式为：
[0063][0064]
将第二表达式化简为第三表达式，第三表达式为：
[0065][0066]
其中，
[0067]
进一步优选地，在进行白化处理的过程中，
[0068]
当m＞0时，第三表达式为：
[0069]
当m＝0时，白噪声的方差为
[0070]
根据第三表达式以及白噪声的方差，获取第四表达式，第四表达式用于计算p阶ar
自回归模型的模型系数，第四表达式为：
[0071][0072]
进一步优选地，根据第四表达式和第一表达式，构建ar自回归模型，ar自回归模型为：
[0073][0074]
其中，a0＝1。
[0075]
进一步优选地，在获取背景噪声的信息熵的过程中，磁场检测的滑动窗口的测量点数量为l，滑动窗口的信息熵为：
[0076][0077]
其中，i(yi)为信息熵，yi为白化滤波后的磁场值，p(yn)表示化滤波后的磁场值的概率密度函数。
[0078]
进一步优选地，在获取背景噪声的信息熵的过程中，提取白化后的磁场数据的均值μ和方差σ2，获取高斯分布的概率密度函数；
[0079]
均值μ为：
[0080]
方差σ2为
[0081]
其中，m为采样点的数量；
[0082]
概率密度函数为：
[0083][0084]
根据概率密度函数，yi的概率为：
[0085][0086]
进一步优选地，应用磁异常信号检测方法的磁异常信号检测系统，包括：
[0087]
数据采集模块，用于采集磁场数据；
[0088]
预处理模块，用于构建ar自回归模型，对磁场数据进行白化处理；
[0089]
磁异常信号检测模块，用于根据白化后的磁场数据，获取信息熵，并根据信息熵，获取磁异常信号。
[0090]
实施例1：假设磁场的测量值为非高斯有色噪声，功率谱密度为1/f
α
，根据ar自回归模型，假设为p阶的ar模型，则采样点x(n)可以通过前p个采样点的数值进行线性组合叠加一个高斯白噪声来表示，表达式如下
[0091][0092]
式中，x(n)为磁场测量序列，w(n)为高斯白噪声。
[0093]
将式(1)两端同时乘x(n-m)可得：
[0094][0095]
化简可得：
[0096][0097]
其中，互相关函数r
xw
(m)可以表示如下
[0098][0099]
则由上式可得
[0100][0101]
将式(5)带入式(3)可得
[0102]
当m＞0时，
[0103]
当m＝0时，可以得到白噪声的方差为：
[0104][0105]
结合式(6)和式(7)可得
[0106][0107]
则由式(8)可以计算出p阶ar自回归模型的系数a1,a2…ap
。将式(1)进行变换可得
[0108][0109]
其中a0＝1，式(9)的输入为有色噪声序列，输出为高斯白噪声，式(9)可以实现有色噪声白化的过程。
[0110]
接下来便可以利用信息熵实现对磁异常的检测，白化后的背景磁场测量信号服从高斯分布，选取一段白化滤波后的磁背景噪声进行高斯分布的计算，则均值和方差可通过
下式求得
[0111][0112][0113]
其中，yi为白化滤波后的磁场值，m为采样点的数量。则高斯分布的概率密度函数为
[0114][0115]
则根据概率密度函数，yi的概率为
[0116][0117]
通过上式可以计算出每个测量点对应的概率，根据信息熵的定义，假设磁场检测的滑动窗口的测量点数量为l，则滑动窗口的信息熵为
[0118][0119]
实施例2：磁偶极子模型的公式如下所示：
[0120][0121]
式中，m为目标的磁矩，r为目标到测量点的距离矢量，μ为磁导率，在空气中μ≈4π
×
10-7
tm/a。
[0122]
假定目标的磁矩为m＝(100000,-50000,-50000)am2，飞机以速度为60m/s沿直线平飞，目标距离飞机航线最近点的水平距离为100m，垂直距离为400m，假设飞机搭载的光泵磁力仪采样率为10hz。
[0123]
假定光泵磁力仪采集的磁场信号经过带通滤波后的信号为功率谱密度为1/f
α
(α＝1.2)的有色噪声，该有色噪声的采样时长为120s，有色噪声的时域分布图如图2所示，绘制测量噪声的分布直方图，如图3所示，通过分布直方图发现该有色噪声为非高斯分布，若直接利用式(10)和式(11)计算其分布会出现偏差，因此直接采用信息熵检测时效能减弱。
[0124]
通过磁偶极子公式(15)计算目标的磁异常信号，然后叠加生成的有色噪声信号，图4是目标磁异常叠加测量噪声的实测磁场序列时域图。采用本发明提出的白化滤波的方法对原始测量序列进行白化滤波，选取ar模型的阶数为5阶，选取时间长度为12s的一段背景噪声数据利用式(8)进行白化滤波系数的计算，计算完成后采用式(9)对实测磁场序列进行白化滤波，滤波的结果如图5所示，对白化滤波后磁场的分布进行直方图统计，结果如图6所示，可以看出白化滤波后的磁场分布近似服从高斯分布，因此可以利用高斯分布中的均值计算公式(10)和方差计算公式(11)计算相关参数，然后得到白化后磁场的高斯分布函数，再根据信息熵的计算公式，磁异常检测的滑动窗口的测量点数量为50，计算白化后磁场的信息熵值。经过计算，原始信号的信噪比为9.23db，直接对原始信号进行信息熵检测可得信噪比10.2db，对原始磁场进行白化滤波后的信息熵信噪比16.02db，可将信噪比提高5.8db。因此本发明提出的白化滤波与信息熵结合的磁异常信号检测方法可适用于非高斯
分布的有色噪声条件下的磁异常信号检测，可显著提升磁异常信号的信噪比，提高检测效能。