一种半航空瞬变电磁数据校正方法及系统

1.本发明涉及瞬变电磁法技术领域，特别是涉及一种半航空瞬变电磁数据校正方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.接地长导线源半航空瞬变电磁法因其地面激发
‑
空中接收的装置形式，综合了航空电磁和地面瞬变电磁的优点，具有数据信噪比高、灵活高效等特点，与其他勘探方法相比具有更广泛的应用范围，尤其是针对地面无法开展探测的复杂地形区域、地面无法到达的区域等特殊应用场景。然而，由于半航空瞬变电磁法将接收线圈通过无人机悬吊在空中进行数据采集工作，相比于传统的地面瞬变电磁法，观测数据中的噪声成分更为丰富，例如天电噪声、线圈运动姿态噪声以及航速变化和无人机飞行震动产生的噪声等；同时，由于半航空瞬变电磁法常使用接地导线源，装置形式以及理论方法与航空电磁完全不同，因而仅仅依靠其他勘探方法的数据处理体系是不合适的。
4.但是在数据处理方面，目前大部分放大仍然沿用其他传统电磁勘探方法的数据处理解释方案来进行半航空瞬变电磁数据处理解释，没有独立的针对半航空瞬变电磁的数据处理及解释体系，但半航空瞬变电磁法由于装置形式的改变，导致数据复杂性大大增加，仅仅依靠其他勘探方法的数据处理体系是不合理的。


技术实现要素：

5.为了解决上述问题，本发明提出了一种半航空瞬变电磁数据校正方法及系统，基于半航空瞬变电磁数据的原始数据，经α
‑
trimmed滤波器去除天电噪声，单周期数据多项式拟合去除运动噪声，有效数据段和剩余数据段平均能量比评价数据质量并筛选数据，最后完成对数据的姿态校正，有效提高勘探数据的信噪比，减少数据误差，提升数据的可信度。
6.为了实现上述目的，本发明采用如下技术方案：
7.第一方面，本发明提供一种半航空瞬变电磁数据校正方法，包括：
8.对半航空瞬变电磁数据进行小波变换分解，根据得到的分解参数进行数据重构，确定有效数据段的起点和终点；
9.对除有效数据段外的半航空瞬变电磁数据进行天电噪声的去噪；
10.对除有效数据段外的单周期半航空瞬变电磁数据进行多项式拟合，根据得到的拟合方程对所有数据点进行重采样，以对运动噪声进行去噪；
11.根据有效数据段和去噪后剩余数据段的平均能量比对满足质量标准的半航空瞬变电磁数据进行筛选；
12.根据接收线圈三轴姿态角度和基准坐标系的偏转对筛选后的半航空瞬变电磁数据进行姿态校正。
13.第二方面，本发明提供一种半航空瞬变电磁数据校正系统，包括：
14.尖峰确定模块，被配置为对半航空瞬变电磁数据进行小波变换分解，根据得到的分解参数进行数据重构，确定有效数据段的起点和终点；
15.天电噪声去噪模块，被配置为对除有效数据段外的半航空瞬变电磁数据进行天电噪声的去噪；
16.运动噪声去噪模块，被配置为对除有效数据段外的单周期半航空瞬变电磁数据进行多项式拟合，根据得到的拟合方程对所有数据点进行重采样，以对运动噪声进行去噪；
17.质量评估模块，被配置为根据有效数据段和去噪后剩余数据段的平均能量比对满足质量标准的半航空瞬变电磁数据进行筛选；
18.姿态校正模块，被配置为根据接收线圈三轴姿态角度和基准坐标系的偏转对筛选后的半航空瞬变电磁数据进行姿态校正。
19.第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
20.第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
21.与现有技术相比，本发明的有益效果为：
22.在天电噪声去除方面，针对天电噪声持续时间短暂、信号能量高的特点，为保证数据的完整性，选用α
‑
trimmed均值滤波器进行去噪处理，而非剪裁方法进行处理，并提出haar小波分解自动识别主要有效数据段以保护其在去噪过程中不受影响。
23.在运动噪声去除方面，针对纯二次场勘探数据在时间上的非连续性，对比分析小波分解和多项式拟合的去噪效果，单周期多项式拟合去噪可在利用haar小波策略剔除主要有效数据后取得优异的运动噪声去除效果。
24.在姿态校正方面，基于接收线圈局部坐标系偏转原理，推导得到z分量数据姿态校正公式对数据进行姿态校正处理；由于接受线圈在空中的偏转运动会产生接收面积的改变，因接收面积的改变(针对z分量衰减电压数据)使数据产生误差，所以利用接收线圈姿态角信息进行坐标系偏转即可校正数据。
25.本发明基于半航空瞬变电磁纯二次场数据采集的特点，从原始数据出发，经α
‑
trimmed滤波器去除天电噪声，单周期数据多项式拟合去除运动噪声，主要有效数据段和剩余数据段平均能量比评价数据质量并筛选数据，利用接收线圈姿态信息校正数据误差，数据叠加和时窗积分，视电阻率成像等流程获得测区内数据解释结果的针对半航空瞬变电磁的从原始数据到成像结果的数据校正处理体系。
26.本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
27.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
28.图1为本发明实施例1提供的半航空瞬变电磁数据校正方法流程图；
29.图2为本发明实施例1提供的α
‑
trimmed均值滤波器计算原理示意图(以n＝5为例)；
30.图3为本发明实施例1提供的含天电噪声的勘探数据示意图；
31.图4(a)
‑
4(b)为本发明实施例1提供的原始数据与基于haar小波的level
‑
1分解参数的重构数据对比图；
32.图5为本发明实施例1提供的α
‑
trimmed均值滤波器去噪后的数据示意图；
33.图6为本发明实施例1提供的半航空瞬变电磁激发信号示意图；
34.图7为本发明实施例1提供的全时域采集数据示意图；
35.图8为本发明实施例1提供的纯二次场采集数据示意图；
36.图9为本发明实施例1提供的含周期数据偏移的半航空瞬变电磁探测数据示意图；
37.图10为本发明实施例1提供的原始数据与小波分解(db7，level
‑
9)去噪结果对比图；
38.图11为本发明实施例1提供的原始数据与单周期小波分解(db7，level
‑
9)去噪结果对比图；
39.图12为本发明实施例1提供的原始数据与多项式拟合去噪结果对比图；
40.图13为本发明实施例1提供的线圈正常姿态及偏转姿态下的方位和局部坐标系对比分布图；
41.图14为本发明实施例1提供的线圈三轴姿态角度示意图；
42.图15为本发明实施例1提供的数据姿态校正结果示意图。
具体实施方式：
43.下面结合附图与实施例对本发明做进一步说明。
44.应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
45.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
46.在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
47.实施例1
48.本实施例针对半航空电磁数据中不同的噪声对数据进行校正处理，提出一种半航空瞬变电磁数据校正方法，如图1所示，具体包括如下步骤：
49.s1：对半航空瞬变电磁数据进行小波变换分解，根据得到的分解参数进行数据重构，确定有效数据段的起点和终点；
50.s2：对除有效数据段外的半航空瞬变电磁数据进行天电噪声的去噪；
51.s3：对除有效数据段外的单周期半航空瞬变电磁数据进行多项式拟合，根据得到
的拟合方程对所有数据点进行重采样，以对运动噪声进行去噪；
52.s4：根据有效数据段和去噪后剩余数据段的平均能量比对满足质量标准的半航空瞬变电磁数据进行筛选；
53.s5：根据接收线圈三轴姿态角度和基准坐标系的偏转对筛选后的半航空瞬变电磁数据进行姿态校正。
54.天电通常在信号中形成非常强的瞬时噪声，造成电磁测量数据发生突跳现象。天电主要由甚低频电磁波组成，可以在地面
‑
电离层波导中经过多次反射向远处传播，且在传播过程中，由于大气的吸收，而能量逐渐衰减，其产生的原因主要有两个方面：太阳的磁暴和赤道附近的雷电作用。首先，太阳磁暴现象会导致大气层中的带电粒子放电产生电磁辐射，并经空气传播到地面，由太阳磁暴引起的天电噪声幅值大且不可预测；其次是自然界的雷电，对于较近的勘探区域，由雷电产生的天电会直接传播到勘探区，而远区的天电则可通过在地面
‑
电离层波导中的多次反射，以导波的形式传播到勘探地点。由于天电噪声的高能量以及不可预测的特点，极易使采集数据产生较大的误差，需作为首要目标噪声进行去除，且其在信号叠加以及积分后难以进行识别，因此必须对原始数据进行处理，以较充分的去除天电噪声。
55.由于天电噪声在时间域半航空瞬变电磁勘探数据中具有持续时间短和信号强度大的特点，因此其无论是沿着测线还是在某测点的数据上均表现出“毛刺”的特征，而α
‑
trimmed均值滤波器作为非线性滑动窗口滤波器，可以在保证数据完整性的前提下对数据中的“毛刺”进行有效去除。α
‑
trimmed均值滤波器的原理是在确定窗宽的情况下，滑动窗读取数据，并对窗宽中的数据进行由小到大的排序得到新的序列，然后裁掉序列中前端与尾端相同数目的点，将剩下的点取均值作为窗中心点的值；其中，窗宽一般取奇数，被裁剪掉的点数通过裁剪参数α来确定，取值范围为0
‑
0.5；α
‑
trimmed均值滤波器可以用裁剪参数α的函数表示如下：
[0056][0057]
式中，[
·
]为取整函数，n为窗宽，x
i
为排序后数据中的第i个数据。
[0058]
特别的是，当设置α的值等于0时，取均值的范围为窗内所有数据，α
‑
trimmed均值滤波器变成均值滤波器，当设置α的值等于0.5时，x
α
等于序列的中间值，n为奇数时，α
‑
trimmed均值滤波器变成中值滤波器；如图2给出α
‑
trimmed均值滤波器计算原理示意图。
[0059]
本实施例选取接地长导线源半航空瞬变电磁法在隧道工程勘探数据中受天电噪声影响较为严重的数据对α
‑
trimmed均值滤波器进行去噪效果验证，示例数据如图3所示。从图中可以看出，本次半航空瞬变电磁勘探数据每点共采集32个周期，每周期内采样点数为300，且有效数据主要存在于各周期数据中的“尖峰”内；然而在利用α
‑
trimmed均值滤波器进行去噪时，其主要作用为压制数据中的“毛刺”，因此若想在有效去除天电噪声的同时不使有效数据产生误差，就需要避免滤波器处理“尖峰”内(即有效数据段)数据，即在进行天电噪声去噪之前剔除勘探数据中的“尖峰”。
[0060]
在步骤s1中，为准确识别“尖峰”的起跳点以及终止点，本实施例创新性的提出利用haar小波变换对半航空瞬变电磁勘探数据进行处理，利用小波变换分解得到的分解参数进行数据重构；其中，level
‑
1分解参数重构后的数据代表信号中最为明显的跳跃性变化，
即突变特征；之后合理选用阈值，即可对“尖峰”的起跳点以及终止点进行准确识别。
[0061]
在本实施例中，为充分保护有效数据的完整性，在识别出“尖峰”的起跳点以及终止点位置后，分别向前以及向后挪移10个数据点作为剔除“尖峰”的起点以及终点。
[0062]
然而，经多次模拟测试后，对于终止点的识别来说，由于数据的衰减特征以及运动噪声的存在，利用阈值进行终止点识别难以满足要求，因此，在此次半航空瞬变电磁勘探数据天电噪声去除中，“尖峰”终止点的确定选用指定数据点的策略，即指定某一数据点号作为终止点；由于各周期数据的采集时间以及采样率都足够高，“尖峰”的实际时间占宽与整个周期相比并不大，因此可以选用固定数据点号作为终止点。
[0063]
对于起始点的识别，选用分解级别3作为haar小波变换分解等级，并设置阈值为5mv用以识别“尖峰”的起跳点；如图4中给出一个周期内的原始数据以及基于haar小波进行3级分解后，选用level
‑
1分解参数重构后的数据。从图中可以看出，基于haar小波的level
‑
1分解参数的重构数据可以明显展示原始数据“尖峰”的起跳点，且识别位置基本准确，并且经过10个数据点位置的挪移后，“尖峰”可以在利用α
‑
trimmed均值滤波器去除天电噪声之前得到有效剔除，达到在去噪过程中充分保护有效数据的目的。
[0064]
在步骤s2中，本实施例天电噪声去噪处理中，选取滤波窗宽为11，裁剪参数α为0.25，去噪后数据如图5所示。由去噪前数据和去噪后数据对比可以看出，天电噪声经α
‑
trimmed均值滤波器处理后，得到了有效去除，并且得益于滤波器的压制“毛刺”作用，晚期数据中的随机噪声也得到了一定的压制。此外，该滤波器还可以通过调整窗宽以及裁剪参数以适应不同工区的数据，具有良好的适用性。
[0065]
在步骤s3中，运动噪声的去除；在半航空瞬变电磁勘探数据采集过程中，由于接收线圈是通过一条软绳连接到无人机上，因此线圈会由于风力以及无人机飞行产生偏转以及自旋运动，从而产生运动噪声，若不加以抑制或去除，会对测量结果产生重大影响；运动噪声在频率上表现为低频，且与有效信号频段相比，区别较大。在航空电磁勘探领域和半航空瞬变电磁勘探领域，目前已有去除运动噪声以获取满足要求的去噪数据的方法，并取得良好的去噪效果，例如基于sym小波基分解去噪，经验模态分析去噪(ensemble empirical mode decomposition:eemd)，小波神经网络去噪(wavelet neural network:wnn)以及正交多项式拟合去噪。然而上述去噪方法都是基于全时域采集方式下的勘探数据，而本实施例是纯二次场勘探数据，本实施例使用纯二次场采集方式可以提高勘探数据采样率，且避免一次场的干扰，在一定程度上提高数据质量，不过由于数据采集在时间上的不连续性以及运动噪声在时间上的连续变化，使得运动噪声随时间的连续性消失，导致各周期衔接处产生数据偏移现象。
[0066]
如图6所示，在半航空瞬变电磁信号激发时，常采用矩形波的激发方式，在此种激发波形下，全时域采集数据如图7所示，而纯二次场采集数据如图8所示。经对比可以明显看出，纯二次场采集时会有部分时间并不进行信号采集，这种时间上的不连续采集会使得实际勘探数据中运动噪声基于时间上的连续性消失，从而在不同周期数据的衔接处产生数据偏移，如图9所示；目前尚未有针对半航空瞬变电磁纯二次场数据进行运动噪声去除的研究，因此需寻求合适的算法针对性的去除纯二次场数据中的运动噪声。
[0067]
本实施例对比小波分解去噪以及多项式拟合去噪这两种常用的去噪方法在纯二次场数据中的运动噪声去除效果，同时根据数据特点改进多项式拟合方法，获取针对二次
场勘探数据的运动噪声去噪方案。
[0068]
小波分解去噪：小波分解是在时间域(或空间域)和频率域之间转换信号的常用工具，其可以通过一组小波基函数将连续信号分解为一系列的小波分解系数。由于运动噪声基本分布于低频段，因此经小波分解后，通过剔除可能包含运动噪声的小波分解系数，并利用剩余的小波系数对数据进行重构，即可达到去除运动噪声、获取有效信号的目的；在利用小波分解去噪时，小波基函数以及分解级别的选取会直接影响去噪效果。
[0069]
基于python的wavelet
‑
tool
‑
box，本实施例测试了最常用的小波基db5、db7、db9、sym5、sym7、sym9，并设置分解级别从7改变至12下的运动噪声去除效果，经大量数据测试及对比分析，最终选取db7小波基函数和9级分解作为运动噪声小波去噪方案；对图9所示数据进行小波分解，根据不同分解级别下小波系数以及level
‑
9近似项重构得到的信号可以看出，随着分解级别的增加，小波系数重构数据所处频段的频率降低，即高分解级别下的小波系数对应低频段下的数据；同时与原始数据对比可以发现，level
‑
9近似项重构数据基本与原始数据中的运动噪声一致，意味着小波分解可以有效地分离运动噪声以及有效数据，因此，通过剔除近似项系数并利用剩余的小波系数进行数据重构即可去除原始数据中的运动噪声，去噪结果如图10所示。
[0070]
不过，小波分解去噪虽然可以明显去除大部分的运动噪声并获得良好的去噪结果，但在运动噪声较为严重的信号段去除效果较差，主要原因在于，小波分解是将信号通过不同尺度下的基函数分解为含有不同频段小波系数的工具，然而纯二次场采集数据中的数据偏移是无法在频域中进行量化描述，且数据偏移在运动噪声较为严重的信号段会更加明显，从而使得小波去噪难以在数据偏移存在的情况下取得满足要求的运动噪声去噪结果；此外，由于数据偏移的存在，在利用小波分解去噪时，可能会给各周期数据衔接处引入新的数据误差。
[0071]
所以，为避免数据偏移在小波分解去除运动噪声中的影响，本实施例又采用单周期数据而不是整个数据点上的数据进行小波分解去噪，同时保持小波基函数以及分解级别不变，对同一数据去噪结果如图11所示；对比单周期数据去噪结果和整个数据点数据去噪结果可以明显发现，分周期去噪可以取得更好的去噪效果，特别是在运动噪声较弱的信号段，但在包含较强运动噪声的前半段数据，由于分解等级较高且数据量较少，去噪效果依然较差。而且不建议使用单周期数据进行小波分解去噪处理的主要原因还在于，单个周期内的数据量对于小波分解来说太少，导致分解后得到的小波系数难以分离运动噪声和有效信号。
[0072]
总而言之，小波分解去噪虽然可以消除大部分的运动噪声，但是由于纯二次场采集数据中存在的数据偏移，使得该去噪方法应用至运动噪声较强的数据时不仅难以有效去除运动噪声，反而会在各周期数据衔接处引入额外的数据误差。所以，基于上述小波分解去噪的弊端，本实施例采用多项式拟合去噪方法对运动噪声进行去噪。
[0073]
多项式拟合方法是对许多离散并震荡的数据进行拟合，并在单周期数据下获取最能符合数据趋势的多项式方程表达式。对于半航空瞬变电磁数据来说，除有效数据段(主要为“尖峰”)外，其主要由运动噪声和随机背景噪声组成。由于运动噪声的低频段分布特性，它可以被看作是除有效信号外数据的整体趋势，而随机背景噪声则可以看作为在此趋势基础上的数据振荡。因此，利用多项式拟合获取最能描述除有效数据外信号的整体趋势，通过
从原始数据中去除上述趋势即可达到去除运动噪声的目的。同样的，纯二次场采集数据中的数据偏移也会使得多项式拟合结果在各周期衔接处产生偏移从而引入额外的数据误差，因此，在利用多项式拟合去除运动噪声时，选用单周期数据分别进行拟合和去噪。此外，为避免有效数据在去噪过程中受到影响，需要在去噪前进行剔除。采用天电噪声去除中的haar小波变换识别“尖峰”的方法对有效数据进行分离。
[0074]
所以，在步骤s3中，本实施例利用多项式拟合进行运动噪声去除，基本流程如下：
[0075]
首先，选取单周期数据，利用haar小波变换剔除“尖峰”数据；
[0076]
之后，对除有效数据段外的单周期半航空瞬变电磁数据，采用最小二乘拟合法拟合得到最佳拟合方程表达式，本实施例选取5阶多项式进行拟合；
[0077]
最后，利用最佳拟合方程表达式通过数据重采样获得所有数据点上的运动噪声拟合结果，并从原始数据中逐点剔除即可对运动噪声进行去噪。
[0078]
为对比分析去噪效果，同样选用图9中所示半航空瞬变电磁数据进行多项式拟合去噪，结果如图12所示；从图中展示结果可以明显看出，经去噪处理后，运动噪声基本完全去除；同时，多项式拟合去噪效果要明显优于小波分解去噪的结果，原因如下：首先，在多项式拟合去噪中选用单个周期数据进行方程式拟合的策略，可有效避免纯二次场信号中数据偏移对去噪效果的负面影响，尽管小波分解也可以应用该策略，但单周期数据数量不足以满足小波分解所要求的数据数量级，而多项式拟合则没有类似限制；此外，若基于数据整体进行小波分解去噪，各周期衔接处的数据偏移不仅会对去噪效果产生负面影响，还会引入额外的数据误差。综合上述分析，针对半航空瞬变电磁纯二次场采集数据中运动噪声的去除，多项式拟合去噪要明显优于小波分解去噪方法，且多项式拟合去噪结果足以满足后续数据处理及解释的要求。
[0079]
由于无人机的引入，使得勘探测线的布置不再具有可视性，大多数情况下测线的布置主要考虑飞行高度是否合理以及是否完全覆盖测区，未针对高压电传输、大型机械装置等引起的噪声作相关的考虑；同时由于接收装置是悬吊在空中接收勘探数据，对于信号的质量无法实时监测，且勘探信号的数据量极大，无法人为对每一个数据的质量进行检查和筛选。目前对于半航空瞬变电磁勘探数据质量的评判主要集中于数据gps信号是否完整且与预期设计航线一致，以及发射装置或接收装置是否在数据采集过程中发生故障，对于具体数据质量的评价也仅仅只是对采集到的数据作少部分的人工抽查工作后进行总体评价，这种以偏概全的质量评价体系是不合理且无法起到有效作用的。
[0080]
因此，在步骤s4中，本实施例在去除天电噪声以及运动噪声后，利用主要有效数据段(“尖峰”)和剩余数据段的平均能量比对半航空瞬变电磁数据质量进行逐点评价，并设置平均能量比阈值，在进行下一步的数据处理和解释之前，剔除部分不满足质量标准的数据，既可减少数据处理和解释人员的工作量，又可获取更加准确半航空瞬变电磁勘探结果。
[0081]
本实施例之所以选用去除天电噪声以及运动噪声后的数据进行质量评价，主要原因在于避免噪声对数据质量评价产生影响，且未经去噪的原始数据也无法制定统一标准进行评价。数据质量评价的主要流程如下：
[0082]
首先，随机选取一条勘探航线，按照逐点处理的方式利用haar小波策略提取该点数据中的“尖峰”数据段(主要有效数据部分)；
[0083]
之后，计算“尖峰”数据段与剩余数据段的平均能量比，待整条航线上所有数据点
的平均能量比计算完成后，按照平均能量比阈值对该航线进行数据质量评价，将满足和不满足质量标准的数据分类存储，并给出整条航线的数据合格率；
[0084]
最后，待所有航线上的数据完成质量评价后，绘制整个测区内所有数据点的平均能量比分布图像，对测区的整体数据质量进行展示，并且该图像还可以结合数据解释图像对地下地质情况作出合理的推测解释结果。
[0085]
为验证上述平均能量比数据质量评价体系的有效性和正确性，本实施例对比了具有明显数据质量差异的两单点实测数据，数据质量较差的实测数据样本的平均能量比整体上低于数据质量较好的实测数据样本，证明本实施例提出的数据平均能量比评价策略可以有效的反映数据质量。
[0086]
在步骤s5中，筛选出满足质量标准的半航空瞬变电磁数据后，接下来根据接收线圈三轴姿态角度和基准坐标系的偏转对其进行姿态校正。在半航空瞬变电磁勘探数据采集时，接收线圈的偏转运动不仅仅会带来运动噪声，同样也会使得线圈的接收面积产生变化，进而使穿过线圈内部的磁通量发生改变，导致数据误差的产生，为保证勘探数据的合理性和准确性，本实施例校正因接收面积的改变而产生的误差，由于z分量仍然是目前半航空瞬变电磁中最常采集的勘探数据，因此本实施例仅讨论z分量数据的姿态校正。
[0087]
如图13所示为线圈正常姿态以及偏转姿态下的方位以及线圈局部坐标系对比分布图。由于以z轴为中心轴的线圈自转运动并不会导致勘探数据中产生误差，因此线圈的姿态变化即偏转都可以经矢量分解拆分为以x和y轴为中心轴的转动。如图13所示，假设线圈处于正常姿态下的局部坐标系为x
‑
y
‑
z，此时通过线圈采集到的数据为h，经线圈姿态变化后的局部坐标系为x
′‑
y
′‑
z
′
，此时线圈采集数据为h
′
，则由h变化为h
′
的过程可拆分为：
[0088]
首先，以x轴为中心轴，旋转y
‑
z平面，旋转角度为β，此时局部坐标系变化为x
‑
y
′‑
z
″
，线圈接受面积为之前的cosβ倍，之后以y轴为中心轴，旋转x
′‑
z
″
平面，旋转角度为α，此时局部坐标系变化为x
′‑
y
′‑
z
′
，线圈接收面积为前一状态的cosα倍，总结可得h和h
′
关系如下：
[0089]
h
′
＝hcosα
·
cosβ
[0090]
因此，数据姿态校正就是去除因线圈接收面积变化所产生的勘探数据误差，即通过采集数据h
′
经校正后得到h，则z分量姿态校正公式如下：
[0091]
h＝h
′
/(cosα
·
cosβ)
[0092]
此外，根据矢量叠加特性，上述h和h
′
关系还可以作进一步简化。同样如图13所示，假设保持线圈局部坐标系相对位置不产生变化，直接对整体坐标系进行偏转，偏转角度为γ，此时局部坐标系变化为x
″‑
y
″‑
z
′
，线圈接收面积为之前的cosγ倍，且由于偏转方向可随意指定，因此此状态下x
″‑
x
′
夹角并不一定等于y
″‑
y
′
夹角；之后以z
′
轴为中心轴，旋转x
″‑
y
″
平面至x
′‑
y
′
状态，此时局部坐标系变化为x
′‑
y
′‑
z
′
，由于接收线圈沿z
′
轴，即线圈接收平面法向轴的自旋运动不会导致接收面积产生变化，因此可简化h和h
′
之间关系为：
[0093]
h
′
＝h
·
cosγ
[0094]
则简化后的z分量姿态校正公式如下：
[0095]
h＝h
′
/cosγ
[0096]
上述简化的主要目的在于减少姿态传感器的系统误差对数据校正效果的影响，目前接收线圈的姿态传感器多集成在线圈内部，在实际采集过程中，由于线圈的轻微震动以
及姿态传感器本身的系统噪声，会使得采集得到的线圈三轴姿态角度相比实际姿态角度存在轻微的误差，因此在数据姿态校正过程中，尽量少的使用三轴姿态角度，可以在一定程度上减少采集误差带来的影响，使校正后的数据更加准确，即使用简化后的z分量姿态校正公式对勘探数据进行校正处理。
[0097]
运动噪声去除中已经去除天电噪声和运动噪声的信号的线圈三轴姿态角度如图14所示，数据姿态校正处理结果如图15所示。从图中可以看出，线圈三轴姿态角度之间没有明显的相对关系，也证实接收线圈在数据采集过程中的不规则偏转运动。数据姿态校正处理可以去除半航空瞬变电磁信号的姿态偏转误差，虽然在线圈偏转角度较小时，校正后结果与原始数据之间差别较小，但对于瞬变电磁方法来说，此种信号上的微小变化足以使得数据解释结果与实际地质分布产生较大的差异，因此姿态校正处理是半航空瞬变电磁数据处理中不可或缺的一步。
[0098]
在本实施例中，按照天电噪声去除—运动噪声去除—数据姿态校正的流程对半航空瞬变电磁数据进行处理后，再经过数据叠加和时窗积分等常规数据处理流程后即可进行数据成像解释工作。对比原始数据和经去噪校正后数据的视电阻率成像结果，并结合地质资料综合分析，证明上述去噪校正处理流程可以有效提高勘探数据的信噪比并减少数据误差，提升数据解释结果的可信度，形成了针对半航空瞬变电磁的从原始数据到成像结果的数据校正处理体系。
[0099]
实施例2
[0100]
本实施例提供一种半航空瞬变电磁数据校正系统，包括：
[0101]
尖峰确定模块，被配置为对半航空瞬变电磁数据进行小波变换分解，根据得到的分解参数进行数据重构，确定有效数据段的起点和终点；
[0102]
天电噪声去噪模块，被配置为对除有效数据段外的半航空瞬变电磁数据进行天电噪声的去噪；
[0103]
运动噪声去噪模块，被配置为对除有效数据段外的单周期半航空瞬变电磁数据进行多项式拟合，根据得到的拟合方程对所有数据点进行重采样，以对运动噪声进行去噪；
[0104]
质量评估模块，被配置为根据有效数据段和去噪后剩余数据段的平均能量比对满足质量标准的半航空瞬变电磁数据进行筛选；
[0105]
姿态校正模块，被配置为根据接收线圈三轴姿态角度和基准坐标系的偏转对筛选后的半航空瞬变电磁数据进行姿态校正。
[0106]
此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
[0107]
在更多实施例中，还提供：
[0108]
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
[0109]
应理解，本实施例中，处理器可以是中央处理单元cpu，处理器还可以是其他通用处理器、数字信号处理器dsp、专用集成电路asic，现成可编程门阵列fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者
该处理器也可以是任何常规的处理器等。
[0110]
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
[0111]
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
[0112]
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
[0113]
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
[0114]
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0115]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。