基于EEMD_Hankel_SVD的矿山微震信号降噪方法

针对矿山微震信号降噪,提出了一种基于EEMD_Hankel_SVD(集合经验模态分解_Hankel矩阵_奇异值分解)的微震信号降噪方法。首先采用EEMD获得多层模态分量,计算各模态分量与原始信号的相关系数,剔除第一个相关系数差值局部最大值前的模态分量。对剩余各模态分量分别构建Hankel矩阵,再计算各Hankel矩阵的奇异值矩阵。根据奇异值曲线划分信号空间和噪声空间,实现剩余各模态分量的降噪,进而对降噪后的模态分量相加得到降噪信号。仿真试验表明该方法能有效保留信号的局部特征,提高了信噪比;矿山微震信号应用表明该方法有效地提高了STA/LTA,PAI-K和AIC法P波初至拾取效果;仿真试验和矿山微震信号P波拾取均表明该方法降噪效果优于小波重构、EMD重构和Hankel_SVD降噪,且该方法与AIC法结合拾取效果最佳。     

基于Allen算法微震信号P波初至及其自适应识别

微震监测工程尺度是指监测范围在几米到几百米之间,该尺度下将Allen算法引入到微震领域时需调整该算法参数,以达到最佳拾取效果,从而提高微震定位精度。为此,提出一种基于Allen算法的微震信号P波初至及其自适应识别的方法:首先依据信噪比建立微震信号拾取信息数据库,再结合粒子群算法和拾取评价模型自动选取Allen关键参数;并建立了拾取过程中参数动态反馈修正机制,依靠拾取实例不断扩充和更新数据库Allen算法参数。研究结果表明:该方法能针对不同信号自适应选取微震信号Allen算法最优参数,能克服人工统计的耗时低效,更为准确的从实时监测数据中拾取微震信号及其P波初至,提高微震监测定位精度和数据处理效率,为岩爆、矿震等地质灾害的及时预报提供可靠的数据支持。     

基于改进小波阈值去噪与分形盒维数的矿山微震初至波到时拾取研究

微震初至波到时精确拾取是提高震源定位精度的关键因素。针对传统初至波到时拾取算法易受信噪比影响而检测不准的问题，基于小波变换多尺度分析与分形盒维数描述信号复杂性和不规则性的特点，提出了一种改进型小波阈值去噪与分形盒维数拾取相结合的微震初至波到时高精度拾取算法。该算法通过构造一个可调参数阈值函数来确定阈值和选取自适应阈值规则，对微震信号进行有效降噪，在计算盒维数曲线提取到时，实现了初至波到时的精确检测。试验结果表明，所提算法在低信噪比条件下，微震初至波到时拾取精度优于3.6 ms,拾取精度相比传统能量比法和赤池信息准则法有明显提高。     

基于空变时窗约束的地震初至波自动拾取

目前地震初至波自动拾取是在初至波可能出现的所有时窗内搜索初至波,但是大时窗搜索不仅使地震初至波拾取效率降低,还导致在拾取过程中将一些异常点错定义为初至波。为解决这个问题,提出了基于空变时窗约束的地震初至波自动拾取方法,根据观测系统综合选取约束炮,约束炮的初至波信息及炮检点空间关系约束预测其他炮的初至时间,并且在该约束时窗内使用赤迟信息准则(AIC)法进行初至波自动精确拾取。通过对实际资料的测试,证明该计算方法在很大程度上提高了地震初至波拾取工作效率及拾取精度。     

一种具有抗噪性的P波初至自动拾取方法

地震震相初至拾取的准确性对地震事件判别及震源的定位工作有着重要影响。已有的初至拾取方法对低信噪比的地震资料的拾取效果并不理想,为了解决噪声问题（提高抗噪性能）,提出了一种基于改进能量比法和小波变换的微震初至自动拾取方法,即首先将特征函数引入到传统能量比及小波变换中,通过改进的能量比算法搜索出P波的初至范围;然后采用小波变换精确定位P波的初至时刻;最后采用地震模型数据和实测地震数据进行试验。结果表明,基于特征函数的能量比和小波变换的拾取方法具有抗噪性强、稳定性好等优点,能从信噪比较低的地震资料中较为准确地识别出P波的初至时刻。     

模糊嵌套多级中值滤波联合能量比法初至时间自动拾取在明业煤矿三维地震处理中的应用

明业煤矿三维地震工区分为基岩裸露和黄土覆盖区,地表高差变化和近地表横向速度变化导致单炮双曲线形态畸变,临道间初至到达时间相关程度低,激发接收条件差,随机噪声影响了初至自动拾取精度。采用模糊嵌套多级中值滤波方法在压制随机噪声的同时保护了有效初至波信号,在初至波信号信噪比较高的前提下,采用滑动时窗能量比法进行初至时间的批量自动拾取。结果表明:该方法适合于信噪比低,单炮初至双曲线相关程度低的地震资料初至自动拾取,并在明业煤矿三维地震处理中成功应用。     

基于WPT-LMD预处理的震动信号有效辨识方法研究

提出了一种联合小波包分解(WPT)和局域均值分解(LMD)的信号预处理方法,并在此基础上使用改进的STA/LTA方法实现对震动信号的有效辨识。研究结果表明WPT-LMD预处理方法是一种省时、高效、自适应强的信号处理方法,对类微震的非线性、非平稳、低信噪比信号有较好的应用效果,且能避免传统时频信号降噪处理方法应用时造成震相初至时刻偏移的弊端;联合改进的STA/LTA方法对超声波波速初至时刻拾取、实验室声发射测试、矿井现场爆破微震信号均表现了良好的应用效果;该种信号预处理方法特别适合于复杂煤层结构的微弱震动信号处理,开展此类研究将有助于提高煤矿现场微震监测的精度和效率。     

微震P波到时拾取的PAI-k-MFV算法改进及应用

为了充分发挥PAI-k-MFV算法参数自适应的优势,同时提高P波到时正确拾取率和拾取精度,通过引入STA/LTA算法和改进MFV准则,对PAI-k-MFV算法进行改进。首先,根据预先设置的时窗长度和置信概率的取值范围及步长,采用PAI-k算法拾取得到一组P波到时集;然后,运用STA/LTA算法初步计算P波到时区间,并将到时集中不在该区间内的到时元素剔除,得到更新后的到时集;最后,在新到时集的基础上,根据改进的最大频遇值(MMFV)准则最终确定P波到时。改进算法继承了PAI-k-MFV算法的参数自适应优点,无需人为调整太多参数,同时能够有效克服原MFV准则容易失效和拾取点滞后真实到时点等问题。对比其他算法,改进算法在拾取背景噪声段有强噪声的微震信号和弱微震信号P波到时具有明显优势。利用改进算法和PAI-k-MFV算法拾取冬瓜山铜矿115个实测低信噪比微震信号的P波到时,以人工拾取结果为参考标准,误差在5ms以内(对应30个采样点)视为正确拾取,结果显示:改进算法正确拾取率为96.52%,正确拾取的到时误差绝对值均值为1.1 ms,标准差为1.0 ms;较PAI-k-MFV算法,正确拾取率和拾取精度都大幅度提高。     

基于变分模态分解及能量熵的微震信号降噪方法

为了从含噪微震监测数据中提取有效的微震信号,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)和能量熵的自适应微震信号降噪方法。采用变分模态分解法对含噪微震信号进行自适应分解,得到一系列按频率从高到低的变分模态分量;计算每个变分模态分量的能量熵,搜索并辨识出噪声与信号的分界;剔除高频噪声,将剩余分量进行重构,得到降噪后的微震信号。通过与基于经验模态分解(Empirical Mode Decomposition,EMD)的微震信号降噪方法对比,从信噪比、降噪后信号占原信号的能量百分比和原信号与降噪后信号的均方根误差3个评价指标上定量说明该方法在微震信号降噪中表现出更好的降噪效果。     

基于深度信念神经网络的微震波到时拾取方法

微震信号到时的准确拾取是进行震源定位等技术的基础。传统的到时拾取方法大多依赖于人工干预,对采集数据信噪比的要求较高。为了提高低信噪比中微弱信号的拾取准确率,提出一种基于S变换和深度信念神经网络的拾取方法。该网络模型训练分两步进行,首先对经S变换处理过的原始数据利用受限玻尔兹曼机进行无监督预训练,得到网络模型参数的初值;再通过误差反向传播来微调网络参数,构建最终的深度信念神经网络模型。本次利用训练好的网络对数据进行拾取,并与STA/LTA法的拾取结果进行对比,分析结果表明本文方法有更高的抗噪性。     

基于消噪处理岩石声发射信号到达时间的识别方法

在岩石声发射源时差定位的研究中,信号到达时间是重要信息。岩石声发射信号复杂,含有大量脉冲干扰与随机噪声,到达时间可读性差。针对以上问题,首先对原始声发射信号进行中值滤波和奇异值分解,消除部分脉冲干扰与随机噪声;其次进行小波包分解软阈值消噪,保留信号的主要成分,提高信噪比,增强到达时间的可读性;最后结合信号与噪声的时间序列模型(AutoRegressive,AR模型),第1次计算赤池信息量准则的K值(Akaike Information Criterion,AIC(K)值),获得到达时间窗口,在该窗口内第2次计算AIC(K)值,实现了到达时间的自动识别,避免了在整个信号序列下计算AR模型的阶数与次数。     

基于改进HHT的矿山微震信号多尺度特征提取及分类研究

针对矿山微震与爆破信号难以识别问题, 提出基于改进Hilbert-Huang变换(HHT)的矿山微震信号识别方法。该方法引入互补集合经验模态分解(CEEMD)对HHT改进, 信号被自适应分解后, 计算IMF分量的偏度、峭度、Hilbert边际谱能量、Lempel-Ziv复杂度以及重构信号的分形盒维数, 运用拉普拉斯得分(LS)对5种时频域特征参数降维, 最后通过遗传算法(GA)优化的支持向量机(SVM)模型, 实现微震信号的分类识别。经400组微震和爆破信号的实例分析验证, 两类信号的5种特征参数均有较大差异, 改进HHT法识别效果优于传统经验模态分解法(EMD)和局部均值分解法(LMD), 且基于改进HHT和GA-SVM分类模型准确率达到95%, 证实了此识别方法的准确性。     

分形计盒维数的微震波初至自动识别

微震波初至到时的自动拾取是实现微震震源定位的技术难点,也是微震监测数据处理的关键技术之一。在分形原理和计盒维数的基础上,建立了分形计盒维数模型,对不同类型的微震波初至到时的计盒维数特征进行分析和描述,并针对不同微震波时间序列进行分析和研究,提出了分形计盒维数自动识别微震波初至到时的具体方法,利用分形盒维数法对具有不同噪声信号的微震波初至到时进行了研究,提高了自动拾取结果的准确性。研究结果表明,典型的信噪比高的微震波,到时自动拾取的结果与手工拾取的结果基本一致;信噪比低和到时点不清晰的微震波自动拾取必须先经过小波分析后应用计盒维数法来识别。     

煤岩体振动破坏试验及微震信号特征

通过所搭建的大型振动试验装置和微震监测系统,探究不同激励加速度和频率条件下整体煤岩试件的振动破坏特性。利用希尔伯特-黄变换(HHT)对煤岩体受迫振动过程中的监测信号进行了模态分离和信号重构,并结合振动力学知识着重阐释了共振放大效应产生的机理。研究结果表明：微震传感器监测信号具有明显的载波特征;当激励加速度峰值达到一定水平(0.5g)时,煤岩试件出现有效微震信号,首次破裂发生在煤层中,信号随传播距离的增大而衰减;随着裂隙的产生和扩展,煤岩试件自振频率降低,当激励频率等于煤体自振频率时,试件会产生共振放大效应,微震信号明显增强;激励加速度和激励频率对微震信号均有影响,激励加速度峰值越大、激励频率越接近自振频率,则微震信号越密集、幅值越大,且出现了优势频段向低频转移的趋势;理论分析解释了上述现象产生的原因。     

一种基于波形包络趋势变化的AE信号到时拾取方法

为摆脱参数设置对到时拾取算法准确性和适应性的影响，依据波形的起伏特征提出一种无需事先设置参数的到时拾取方法，该方法以信号包络线趋势变化为依据，首先通过功率谱密度图确定包络线的隐周期，然后通过STL分解获得包络线趋势变化曲线，最后根据MK突变检测自动确定AE信号到时。仿真试验结果表明，在不同强度和不同频率的背景噪音环境下使用本文方法均表现出较高的拾取性能，而应用较多的STA/LTA法在拾取性能上明显表现出对参数设置的依赖。在广西盘龙铅锌矿地压监控实测信号中的应用结果表明，本文方法能准确判别监测信号中有无声发射并准确拾取到时。该方法为矿山地压实测信号的到时拾取提供了一种新的思路。     

基于固有时间尺度分解算法的微震信号去噪

针对微震信号的非平稳宽频带特征,采用环境噪声层相关阈值,基于固有时间尺度分解(ITD),建立了一种高效的去噪算法。与小波变换为基础的去噪对比结果表明,ITD算法去噪彻底,去噪波形与原始波形峰值位置精确一致、到时突变细节保留完整,适用于对初至波到时精确拾取和判断。