《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 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。
中圖分類號(hào)： TP301.6
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.223028
中文引用格式： 魏振華，胥越峰，劉志鋒，等. 基于PSO優(yōu)化小波變換的測(cè)井信號(hào)去噪研究[J].電子技術(shù)應(yīng)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

    在測(cè)井信號(hào)的采集、處理、轉(zhuǎn)發(fā)過(guò)程中，由于環(huán)境、儀器、人為等因素的干擾測(cè)井信號(hào)中總會(huì)存在噪聲，如果不經(jīng)處理直接使用這些帶噪信號(hào)會(huì)對(duì)礦產(chǎn)勘探產(chǎn)生誤差，更有嚴(yán)重者甚至?xí)斐芍卮蟮慕?jīng)濟(jì)損失。因此，在信號(hào)處理的過(guò)程中去除測(cè)井信號(hào)的噪聲就顯示出了必要性。測(cè)井信號(hào)去噪有很多方法，小波變換突破了以傅里葉為代表的傳統(tǒng)方法的顯著缺陷，在時(shí)頻域上都有著亮眼的表現(xiàn)，是去噪方法的主要技術(shù)之一。

    主流的研究表明小波變換的參數(shù)設(shè)置會(huì)直接影響最后的濾波去噪效果，如李維松等統(tǒng)合硬、軟以及Garrote閾值去噪的優(yōu)點(diǎn)，構(gòu)造出一個(gè)新的改進(jìn)閾值函數(shù)，在突變性及平滑性信號(hào)方面取得了更優(yōu)的降噪成果[1]；朱榮亮等為更好地濾除噪聲，提出一種新閾值函數(shù)，通過(guò)仿真確定最佳小波函數(shù)類型和分解層數(shù)[2]；謝政宇等根據(jù)均方根誤差和平滑度的變化特性構(gòu)建了一種復(fù)合評(píng)價(jià)指標(biāo)，通過(guò)評(píng)價(jià)指標(biāo)來(lái)優(yōu)選小波參數(shù)[3]。但是在對(duì)測(cè)井信號(hào)的處理中，因測(cè)井?dāng)?shù)據(jù)的龐大與多樣性，單獨(dú)改進(jìn)閾值函數(shù)等對(duì)不同地區(qū)、不同井、不同井次、不同測(cè)井曲線的去噪效果不夠好，所以在參考了解文獻(xiàn)[4]-[6]中體現(xiàn)出粒子群算法尋找最優(yōu)點(diǎn)的優(yōu)勢(shì)以及測(cè)井信號(hào)處理的實(shí)際需求后，采取群智能算法中的粒子群算法(Particle Swarm Optimization，PSO)來(lái)獲取不同目標(biāo)下的最佳小波變換參數(shù)，并對(duì)粒子群算法做一定的優(yōu)化。




本文詳細(xì)內(nèi)容請(qǐng)下載：http://ihrv.cn/resource/share/2000005016。




作者信息：

魏振華1，2，3，胥越峰2，劉志鋒1，2，3，舒志浩2

(1.核技術(shù)應(yīng)用教育部工程研究中心，江西 南昌330013；2.東華理工大學(xué) 信息工程學(xué)院，江西 南昌330013；

3.江西省放射性地學(xué)大數(shù)據(jù)技術(shù)工程實(shí)驗(yàn)室，江西 南昌330013)




wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。