1.一种航空电磁数据噪声压制方法,其特征在于,所述方法包括:
计算航空电磁剖面数据协方差矩阵并对其进行特征值分解,分解得到的特征值和特征向量降序排列,形成特征向量矩阵;
根据特征向量矩阵得到旋转矩阵,将航空电磁剖面数据线性变换为主成分数据;
对主成分数据的低阶主成分数据进行噪声估计;
计算低阶主成分数据噪声协方差矩阵并对其进行特征值分解,分解得到的特征值和特征向量降序排列;
计算低阶主成分数据协方差矩阵并构造调整矩阵对所述低阶主成分数据协方差矩阵进行调整;
对调整后的低阶主成分协方差矩阵进行特征值分解,并对分解得到的特征值和特征向量降序排列;
构造变换矩阵,将低阶主成分数据变换为最小噪声分离变换成分;
选取低阶最小噪声分离变换成分重构低阶主成分数据;
低阶主成分数据重构剖面数据。
2.根据权利要求1所述的方法,其特征在于,计算航空电磁剖面数据的协方差矩阵并对其进行特征值分解前对航空电磁原始数据进行预处理,对测线各道数据进行零均值化处理,得到航空电磁剖面数据。
3.根据权利要求1所述的方法,其特征在于,航空电磁剖面数据协方差矩阵中元素αkq的计算表达式如下:式中,xk(j)表示第k道第j个测点数据,j=1,2,...,n, 和 分别是航空电磁剖面数据的第k道和第q道的均值,k,q=1,2,...,m,对航空电磁剖面数据协方差矩阵进行特征值分解,表达式如下:C=VDVT,
式中,C为航空电磁剖面数据的协方差矩阵,D是航空电磁剖面数据协方差矩阵特征值按照降序排列的对角矩阵,V是与航空电磁剖面数据协方差矩阵特征值相对应的特征向量矩阵,VT为旋转矩阵。
4.根据权利要求2所述的方法,其特征在于,
根据航空电磁剖面数据协方差矩阵特征值相对应的特征向量矩阵得到旋转矩阵,将航空电磁剖面数据线性变换为主成分数据,采用的公式为:Φ=VTX,VT为旋转矩阵,X为航空电磁剖面数据,Φ(m×n)为主成分数据。
5.根据权利要求1所述的方法,其特征在于,计算前p阶主成分数据的累积贡献率,当前p阶主成分数据累积贡献率高于90%时,取前p阶主成分数据为低阶主成分数据,剩余的高阶主成分中包含大量的不相关噪声。
6.根据权利要求5所述的方法,其特征在于,采用自适应窗宽滤波算法对前p阶主成分数据进行噪声估计。
7.根据权利要求1或5所述的方法,其特征在于,计算低阶主成分数据的协方差矩阵并构造调整矩阵对其进行调整,包括:通过构造调整矩阵使各最小噪声分离变换成分中噪声方差转换为单位方差,调整矩阵的表达式为:P=UNDN-0.5,其中P为调整矩阵,DN是低阶主成分数据噪声协方差矩阵特征值按照降序排列的对角矩阵,UN是与低阶主成分数据噪声协方差矩阵的特征值相对应的特征向量矩阵,对低阶主成分数据的协方差矩阵进行调整,表达式如下: 其中CD为调整后的前p阶主成分数据协方差矩阵, 为前p阶主成分数据的协方差矩阵。
8.根据权利要求1所述的方法,其特征在于,对调整后的低阶主成分协方差矩阵进行特征值分解包括:采用的表达式为:CD=VDDDVDT,式中,DD是调整后的低阶主成分协方差矩阵特征值按照降序排列的对角矩阵,VD是调整后的低阶主成分协方差矩阵的特征值相对应的特征向量矩阵,CD为调整后的低阶主成分协方差矩阵。
9.根据权利要求1所述的方法,其特征在于,构造变换矩阵包括采用的表示式为:R=PVD,P为调整矩阵,VD是调整后的低阶主成分协方差矩阵的特征值相对应的特征向量矩阵,R为变换矩阵,其中低阶主成分数据通过变换矩阵R线性变换为最小噪声分离变换成分,最小噪声分离变换成分所构成的矩阵表示为:式中, 为低阶主成分数据,ψ为最小噪声分离变换成分,DN是低阶主成分数据噪声协方差矩阵特征值按照降序排列的对角矩阵,UN是与低阶主成分数据噪声协方差矩阵的特征值相对应的特征向量矩阵,最小噪声分离变换成分按照信噪比从大到小排列,低阶成分包含电磁剖面数据的主要信号部分,选取前L(1<L<p)最小噪声分离变换成分重构低阶主成分数据。
10.根据权利要求1所述的方法,其特征在于,低阶主成分数据重构剖面数据包括:对重构主成分数据矩阵补零成为m×n的矩阵,重构剖面数据表达式如下:式中,B(m×m)是前p行元素为1其余元素为0的截断矩阵。
11.一种航空电磁数据噪声压制装置,其特征在于,所述装置包括:存储器、处理器以及输出模块,所述存储器与处理器所述建立通信连接,所述输出模块调取所述存储器的数据进行输出,所述存储器用于存储航空电磁剖面数据;
所述处理器用于调取所述存储器的数据后计算航空电磁剖面数据协方差矩阵并对其进行特征值分解,分解得到的特征值和特征向量降序排列,形成特征向量矩阵存储于存储器内;
所述处理器用于根据特征向量矩阵得到旋转矩阵,将航空电磁剖面数据线性变换为主成分数据;
所述处理器用于将主成分数据的低阶主成分数据进行噪声估计;
所述处理器用于计算低阶主成分数据噪声协方差矩阵并对其进行特征值分解,分解得到的特征值和特征向量降序排列;
所述处理器用于计算低阶主成分数据协方差矩阵并构造调整矩阵对所述低阶主成分数据协方差矩阵进行调整;
所述处理器用于对调整后的低阶主成分协方差矩阵进行特征值分解,并对分解得到的特征值和特征向量降序排列;
所述处理器用于构造变换矩阵,将低阶主成分数据变换为最小噪声分离变换成分;
所述处理器用于选取低阶最小噪声分离变换成分重构低阶主成分数据;
所述处理器用于将低阶主成分数据重构剖面数据;
所述输出模块将通过处理器处理的数据输出噪声压制结果并成图。
12.一种计算机程序,其特征在于,包括用于所述计算机程序在处理器上执行根据权利要求1所述的方法的程序代码。