EMDiC:物理信息约束的条件扩散去噪方法用于频域电磁信号

《Applied Sciences》:EMDiC: Physics-Informed Conditional Diffusion Denoising for Frequency-Domain Electromagnetic Signals Zhenlin Du, Miaomiao Gao, Zhijie Qu and Xiaojuan Zhang

【字体: 大 中 小 】 时间:2026年03月29日 来源:Applied Sciences 2.5

编辑推荐:

  用于浅层地下勘探的频域电磁法(FDEM)测量经常受到噪声的污染,这些噪声掩盖了微弱的二次场响应并降低了解释质量。研究人员提出了一种电磁扩散卷积神经网络(EMDiC),用于一维多频率FDEM去噪,其中去噪被表述为基于条件扩散的生成过程。EMDiC结合了解析频率-

  
用于浅层地下勘探的频域电磁法(FDEM)测量经常受到噪声的污染,这些噪声掩盖了微弱的二次场响应并降低了解释质量。研究人员提出了一种电磁扩散卷积神经网络(EMDiC),用于一维多频率FDEM去噪,其中去噪被表述为基于条件扩散的生成过程。EMDiC结合了解析频率-空间编码器、特征线性调制(FiLM)条件化的卷积沙漏主干网络,以及基于速度损失(velocity loss)构建的物理信息复合损失函数,以在强噪声下改进波形重建。通过层状地球正演建模,结合同心发射-接收(TX-RX)几何结构、多种目标类别和混合噪声波形,构建了一个可复现的合成数据集。在覆盖多个噪声水平和材料类型的合成基准测试中,EMDiC在均方根误差(RMSE)、信噪比(SNR)和归一化互相关(NCC)指标上,在一维U-Net、基于扩散的变体以及代表性神经基线中取得了最佳整体性能,在中强噪声条件下以及具有显著感应响应的目标上表现最为突出。消融实验验证了电磁位置编码(EMPE)、FiLM条件化和复合损失函数的互补贡献。使用自主研发的GEM-3系统进行的实地数据验证进一步表明,EMDiC提高了跨频率一致性并抑制了振荡,同时保留了主要的响应特征。
### 论文解读:EMDiC——面向频域电磁信号的物理信息条件扩散去噪方法

#### 研究背景与问题

频域电磁法(Frequency-domain Electromagnetic, FDEM)广泛应用于矿产勘探和浅层地下探测,通过获取多频率稳态响应实现高垂直分辨率和高效测量。然而,实际测量中FDEM信号常受地磁扰动、人为电磁干扰、平台运动及仪器噪声等污染,导致弱二次场响应被掩盖,影响解释、反演稳定性和异常识别。现有去噪方法包括传统滤波、自适应卡尔曼滤波、小波阈值、经验/变分模态分解等,但性能依赖分解质量、阈值选择及噪声先验假设,在浅层多源非平稳干扰环境下不可靠。数据驱动方法如TEM去噪中的CNN和GRU,以及CSAMT中的LSTM等虽有潜力,但缺乏针对浅层多频率复杂FDEM信号的专用去噪框架。因此,研究人员提出一种物理信息约束的条件扩散去噪框架——EMDiC,旨在恢复强噪声下的微弱FDEM信号,同时保留其物理特性。该研究发表在《Applied Sciences》上。

#### 主要关键技术与方法

为构建去噪框架,研究人员采用以下关键技术:(1)电磁位置编码(Electromagnetic Positional Encoding, EMPE),通过正弦/余弦函数对频率和空间坐标进行多尺度编码,显式引入跨频率相关性和空间连续性;(2)特征线性调制(Feature-wise Linear Modulation, FiLM)条件化的卷积沙漏主干网络,利用FiLM参数调节中间特征图,增强条件控制能力;(3)物理信息复合损失函数,基于速度损失(v-loss)主项,结合总变分损失(TV loss)、峰值显著性约束(peak saliency)、余弦相似度(cosine similarity)、软半峰宽损失(soft FWHM)和掩膜二阶差分曲率损失(masked curvature),以抑制振荡、匹配波形形态;(4)可复现合成数据集,通过层状地球正演模拟(同心TX-RX线圈,三维磁偶极子靶标,四种材料:铁、铝、空腔、无目标)生成干净信号,并加入高斯白噪声、脉冲噪声和方波噪声构建训练/验证/测试集(108k/12k/30k样本),样本沿测线200个点,8通道(四个频率的实部和虚部)。

#### 研究结果

**4.1 消融研究(Ablation Study)**:通过逐项移除复合损失中的每个项(在平均输入信噪比-26.0004 dB的测试集上评估),发现完整复合损失在RMSE、SNR和NCC上均最优。移除总变分项或余弦项导致性能下降最大,表明它们对平滑性和波形全局一致性至关重要;移除峰值项影响较小,可能与训练集中包含“无目标”样本有关;宽度项和曲率项贡献有限或中等。实验验证了复合损失各约束的互补性,共同促进了鲁棒去噪。

**4.2 合成数据分析(Synthetic Data Analysis)**:在不同噪声水平(高噪声-20~-15 dB、中噪声0~5 dB、弱噪声15~20 dB)和材料类型(铁、铝、空腔、无目标)上进行定量对比。在所有噪声水平和除“无目标”外的材料中,EMDiC在RMSE、SNR和NCC指标上均优于一维U-Net、四种扩散变体(DM w/RMSE、DM w/o EMPE、DM w/o FiLM、基本DM)及四个基线(BP、DnCNN、GRU、ResNet)。中强噪声下优势尤为明显;对于具有强感应响应的铁目标,EMDiC表现最佳;对于“无目标”样本,物理约束信息较少,优势缩小但仍有竞争力。代表性波形图显示,EMDiC在实部和虚部通道均最接近干净信号,保留峰谷形态和细节。

**4.3 实地数据分析(Real Data Analysis)**:采用自研GEM-3系统在浙江省收集的实地数据(长序列,约10 Hz采样率,3 m水平分辨率),使用滑动窗口(窗口长50步,平移5步)推理。通过三个代理指标:峰值位置漂移(Peak-Position Drift, PPD)、主瓣宽度变化(Main-lobe Width Variation, MWV)和跨频率一致性(Inter-Frequency Coherence, IFC)评估。去噪后平均IFC从0.6969提升至0.7834(实部从0.6355至0.6692,虚部从0.7583至0.8975),表明跨频率结构一致性增强;平均PPD为0.2246,平均MWV为0.2222,表明响应位置和宽度保持良好。一维和二维热力图显示,去噪后抑制了不规则振荡和空间伪影,异常边界更清晰,虚部提升更显著。结果表明EMDiC从合成短样本泛化到实地长序列,有效提高了数据可解释性。

#### 讨论与结论总结

讨论部分指出,复合损失提供了大部分去噪增益,EMPE和FiLM提供互补的物理和条件引导,有助于保持波形结构和跨频率一致性。实地实验表明物理信息扩散模型在合成数据上训练后可有效用于实际FDEM去噪。

原文结论翻译:研究人员提出了EMDiC,一种基于扩散的去噪框架,用于多频率复数FDEM信号。通过将去噪表述为条件生成问题,EMDiC结合了解析频率-空间编码器与FiLM条件化的卷积沙漏模块,使模型能够捕获频率通道和采样点间的依赖关系,同时保留波形形态。此外,基于速度重加权和波形正则化的物理信息复合目标函数激励物理合理的重建,并在强噪声下稳定优化。为支持可复现训练和评估,研究人员通过层状地球正演建模构建了物理驱动的合成数据集,包含不同材料的嵌入目标,并将干净响应与代表性噪声过程及其组合混合。与一维U-Net、扩散变体和代表性神经网络基线的比较表明,EMDiC在合成基准上取得了最佳整体性能,在中强噪声和具有显著感应响应的目标上优势尤为明显。对于无目标情况,由于物理先验信息较少,优势减小,但EMDiC仍保持竞争力。消融实验进一步表明,复合损失提供了大部分去噪增益,而EMPE和FiLM提供了补充的物理和条件引导,以保持波形结构和跨频率一致性。最后,使用GEM-3测量数据、滑动窗口推理策略和代理指标的实地实验表明,EMDiC从合成短样本泛化到长实地序列,提高了跨频率一致性,同时保留了主导响应位置和宽度。这些结果表明,在合成数据上训练的物理信息扩散模型对于实际FDEM去噪仍然具有实际有效性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号