针对瞬变电磁信号容易受到电磁干扰的影响，使得数据信噪比降低，衰减曲线失真，而单一的滤波方法存在易丢失地质信息、圆滑过度等缺点，因而较难获得高精度成像结果的问题。提出基于小波包变换-BP神经网络的混合算法，利用小波包变换对信号的能量特征提取能力、分解重构能力和BP神经网络的学习和反馈能力，对瞬变电磁信号进行滤波处理。利用傅里叶变换获得瞬变电磁信号的频域特征，将受干扰信号和未受干扰信号对比，得到两者差异；利用3层小波包分解获得第3层节点能量占比，提取重构信号特征，对瞬变电磁信号进行初步的分解重构；调用训练好的神经网络模型对重构信号进行特征训练，获得最终的瞬变电磁信号。经小保当矿业有限公司二号煤矿实测数据研究表明：混合算法相比常用的S-G滤波、均值滤波等，实用性更强、准确率更高，滤波时保留了真实的地质信息，增强了资料解释的精度，应用效果较好，为资料处理过程提供了强有力的技术支持。

陕西省自然科学基础研究计划企业联合基金资助项目(2021JLM-11)；

1 混合算法原理及构建流程
1.1 利用小波包变换进行信号分解及重构
1.2 利用反向传播(BP)神经网络对重构信号训练
2 混合算法实验与效果分析
2.1 实验数据的选择
2.2 基于小波包变换进行信号特征提取
2.3 能量差异提取
2.4 利用神经网络对信号进行预测还原
2.4.1 训练神经网络
2.4.2 调用神经网络
3 混合算法滤波效果验证
3.1 单点对比
3.2 实际应用效果验证
4 结 论

古瑶,解海军,李璐,李刚.基于小波包-神经网络混合算法的瞬变电磁信号降噪研究[J].煤炭工程,2023,55(05):147-152.