[發(fā)明專利]一種基于重排ST的低信噪比微震事件辨識(shí)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711067988.3
• 申請(qǐng)日: 2017-11-03
• 公開（公告）號(hào): CN107944469B
• 公開（公告）日: 2021-12-21
• 發(fā)明（設(shè)計(jì)）人: 張法全;王海飛;肖海林;毛學(xué)港;王國(guó)富;葉金才;賈小波;王小紅
• 申請(qǐng)（專利權(quán)）人: 桂林電子科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/00
• 代理公司: 桂林市華杰專利商標(biāo)事務(wù)所有限責(zé)任公司 45112
• 代理人: 周雯

本發(fā)明公開了一種基于重排ST的低信噪比微震事件辨別方法，首先對(duì)微震數(shù)據(jù)進(jìn)行S變化，得到信號(hào)的時(shí)頻譜；由Parserval定理以及Fourier變換性質(zhì)中關(guān)于尺度變換和平移的規(guī)則，對(duì)時(shí)頻譜進(jìn)行偏微分運(yùn)算得到信號(hào)的瞬時(shí)頻率，然后將譜圖在任何點(diǎn)處計(jì)算的值轉(zhuǎn)換到其能量分布的重心處，得到信號(hào)的時(shí)頻譜在頻率方向上的重排時(shí)頻矩陣，最后構(gòu)造多分類SVM，實(shí)現(xiàn)對(duì)微震信號(hào)、爆破信號(hào)以及機(jī)械噪聲的分類；解決了現(xiàn)有技術(shù)對(duì)低信噪比的微震信號(hào)識(shí)別率低、分類粗略及分類準(zhǔn)確率低的問(wèn)題，使得低信噪比微震信號(hào)時(shí)頻分辨率得到明顯提高、分類精確以及實(shí)現(xiàn)對(duì)多種微弱信號(hào)的分類，能夠很好的應(yīng)用到礦井安全生產(chǎn)和煤礦盜采監(jiān)測(cè)技術(shù)中。

技術(shù)領(lǐng)域

本發(fā)明涉及信息處理技術(shù)領(lǐng)域，具體是一種基于重排ST的低信噪比微震事件辨別方法。

背景技術(shù)

微震監(jiān)測(cè)是實(shí)現(xiàn)礦井安全生產(chǎn)、防止煤礦盜采的重要手段之一，微震技術(shù)為煤礦監(jiān)測(cè)提供了技術(shù)保障。地震信號(hào)屬于典型的低信噪比的非平穩(wěn)信號(hào)，包括微震信號(hào)(本文中指巖體破裂信號(hào))、爆破信號(hào)、鉆機(jī)和礦車等機(jī)械設(shè)備噪聲及溜井放礦噪聲。對(duì)微震信號(hào)的監(jiān)測(cè)是煤礦安全生產(chǎn)的重要保障，對(duì)爆破信號(hào)的監(jiān)測(cè)是防止煤礦盜采的關(guān)鍵。因此如何從接收到的信號(hào)中準(zhǔn)確識(shí)別出微震信號(hào)、爆破信號(hào)是微震監(jiān)測(cè)技術(shù)得以應(yīng)用的關(guān)鍵問(wèn)題。

時(shí)頻分析是處理非平穩(wěn)信號(hào)的強(qiáng)有力工具，其已經(jīng)廣泛應(yīng)用在地震資料去噪、油氣儲(chǔ)層檢測(cè)等方面。現(xiàn)有的時(shí)頻分析方法存在分辨率不足等問(wèn)題。短時(shí)傅里葉變換(STFT)窗函數(shù)長(zhǎng)度是根據(jù)經(jīng)驗(yàn)人工選定，信號(hào)分辨率不能自適應(yīng)的調(diào)節(jié)。連續(xù)小波變換(CWT)能夠?qū)崿F(xiàn)了信號(hào)的多尺度分析，但其存小波母函數(shù)選擇困難，并且不同的小波母函數(shù)得到的變換結(jié)果也不同；與CWT相比，S變換(ST)算法中基本小波為固定函數(shù)，窗口大小根據(jù)信號(hào)頻率自適應(yīng)調(diào)節(jié)，保證分辨率自適應(yīng)調(diào)節(jié)，又增強(qiáng)了高頻弱振幅信號(hào)的能量，但由于受海森堡不確定性原理的限制，其分辨率都有限；

SVM是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的機(jī)器學(xué)習(xí)方法，是一種非線性分類器。它的基本思想是將輸入空間的樣本通過(guò)某種非線性函數(shù)關(guān)系映射到一個(gè)特征空間中，使兩類樣本在此特征空間中線性可分，并尋找樣本在此特征空間中的最優(yōu)線性區(qū)分超平面。SVM算法最初是為二值分類問(wèn)題設(shè)計(jì)的，當(dāng)處理多類問(wèn)題時(shí)，就需要構(gòu)造合適的多分類器。本發(fā)明采用直接法，直接在二分類模型的基礎(chǔ)上進(jìn)行修改，將多個(gè)分類面的參數(shù)求解合并到一個(gè)最優(yōu)化問(wèn)題中，用過(guò)求解該優(yōu)化問(wèn)題“一次性”實(shí)現(xiàn)多類分類。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，而提供的一種基于重排ST的低信噪比微震事件辨別方法，該方法通過(guò)對(duì)ST的時(shí)頻譜重排使能量歸為到真實(shí)的瞬時(shí)頻率上，極大地減弱了噪聲對(duì)微弱信號(hào)的影響，在提高信號(hào)的時(shí)頻分辨率的同時(shí)又保留了微弱信號(hào)，使信號(hào)特征提取更加精確、實(shí)時(shí)性更高；從而使分類結(jié)果更加準(zhǔn)確。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是：

一種基于重排ST的低信噪比微震事件辨別方法，具體包括如下步驟：

1)采用三向微震監(jiān)測(cè)設(shè)備24h不間斷的拾取三通道的微震信號(hào)x(t)；

2)對(duì)步驟1)拾取到的微震信號(hào)x(t)做S變換(ST)，具體是：

上述公式(1)式中，f為采樣頻率，t為采樣時(shí)刻，b為時(shí)間位移參數(shù)，i為虛數(shù)單位；

3)推導(dǎo)S變換的瞬時(shí)頻率，在公式(1)中添加e^-i2πf(t-b)因子改寫成傅里變換的形式：

4)對(duì)步驟3)中的公式(2)進(jìn)行移位變換，得到傅里葉變換形式如下：

5)令公式(3)可表示為：

上述公式(4)中，為ψ(t)的復(fù)共軛；