基于贝叶斯估计的漏磁缺陷轮廓重构方法研究

？漏磁缺陷轮廓重构是指由检测到的漏磁信号重构缺陷轮廓及参数，是实现漏磁反演的关键。目前常用的反演方法包括神经网络法和优化法，但神经网络法的计算精度受噪声影响严重，优化法计算量大。针对这些问题，提出基于递推贝叶斯估计的漏磁缺陷重构算法。建立缺陷轮廓与漏磁信号的状态空间模型，将反演问题描述为基于状态和观测方程的典型的离散时间跟踪问题，对漏磁信号进行了反演，并在不同信噪比下对神经网络法和所提方法进行了反演效果的比较。结果表明：基于递推贝叶斯估计方法的漏磁信号反演算法精度高，同时对噪声具有鲁棒性，是一种有效可行的漏磁反演新方法。