基于WPT－LMD預處理的震動信號有效辨識方法研究?

徐曉萌 呂平洋 王菲茵 趙越超 劉文彪

(中國礦業大學(北京)資源與安全工程學院,北京市海淀區,100083)

?

基于WPT－LMD預處理的震動信號有效辨識方法研究?

徐曉萌 呂平洋 王菲茵 趙越超 劉文彪

(中國礦業大學(北京)資源與安全工程學院,北京市海淀區,100083)

摘 要提出了一種聯合小波包分解(WPT)和局域均值分解(LMD)的信號預處理方法,并在此基礎上使用改進的STA/LTA方法實現對震動信號的有效辨識。研究結果表明WPT－LMD預處理方法是一種省時、高效、自適應強的信號處理方法,對類微震的非線性、非平穩、低信噪比信號有較好的應用效果,且能避免傳統時頻信號降噪處理方法應用時造成震相初至時刻偏移的弊端;聯合改進的STA/LTA方法對超聲波波速初至時刻拾取、實驗室聲發射測試、礦井現場爆破微震信號均表現了良好的應用效果;該種信號預處理方法特別適合于復雜煤層結構的微弱震動信號處理,開展此類研究將有助于提高煤礦現場微震監測的精度和效率。

關鍵詞煤巖動力災害 小波包變換 局域均值分解 STA/LTA方法 微震初相

Studyoneffectiveseismicsignalsidentificationmethodbased onWPT-LMDpre-processingmethod

XuXiaomeng,LvPingyang,WangFeiyin,ZhaoYuechao,LiuWenbiao
(CollegeofResourcesandSafetyEngineering,ChinaUniversityofMining andTechnology,Beijing,Haidian,Beijing100083,China)

Abstract Inthispaper,apre-processingmethodwasproposedwhichwasthecombination ofwaveletpackettransform(WPT)andlocalmeandecomposition(LMD)method,onthisbasis amodifiedmethodshort/longtimeaverageratio(STA/LTA)wasappliedtotheeffectiveidentificationofseismicsignals.Theresultsshowedthat WPT-LMDpre-processing methodwasa timesaving,efficientsignalprocessingmethodthathadgoodadaptability,ithadpreferableapplicationeffectsonnon-linear,non-stationary,lowsignal-noiseratio(SNR)signalsofmicro-seismic,itwasbetterthantraditionaltime-frequencysignalnoisereductionmethodtoavoidfirst-arrivaltimeshifting.Combinedwith modifiedSTA/LTA method,itachievedgoodapplication effectsonultrasonicwavevelocitytest,laboratorialacousticemissiontestandfieldsitemicroseismicsignalsinducedbyblasting.Thesignalpre-processingmethodwasespeciallyfitformicro-seismicsignalprocessingincomplicatedseam,andthisresearchwouldhelpimprovingtheaccuracyandefficiencyofmicro-seismicmonitoringworkincoalminefield.

Keywords coalandrockdynamicdisasters,wavepackettransform,localmeandecomposition,STA/LTA method,firstphaseofmicro-seismic

微震技術作為一種較為成熟的常規的煤巖動力災害監測手段,能夠對采動作業導致的煤層以及圍巖的損傷破壞程度進行精確判斷,在煤巖動力災害的監測和控制中,扮演著重要的角色.微震信號初相的自動、快速、精確識別是實現礦井安全生產微震實時監控的關鍵技術.只有對微震信號的初相實現有效辨識,才能在此基礎上完全掌握微震事件的持續時間、劇烈程度以及震源中心的位置等信息,從而實現對煤巖體應力場和損傷程度的量化評估和實時監控.對于微震事件的辨識,特別是震動波初至的自動識別,國內外已經有不少研究人員進行了大量的研究,也取得了一定進展,但是關于微震事件的判識和自動統計分析研究尚存在許多未完全解決的難題.

由于煤的物理結構特性比普通巖石更為復雜,尤其在割理系統發育較好的煤層中,震動波的傳播需面臨更多的邊界效應和復雜衰減過程,往往會造成采集到的信號有較多噪聲和雜波.為了更好地實現精準拾取微震波初至時間點,并且完成對有效微震事件的實時辨識,通過聯合小波包變換(WPT)和局域均值分解(LMD)的方法,對采集到的微震信號進行預處理,然后應用改進的STA/LTA方法,實現對微震時間的有效辨識.

1　WPT－LMD預處理方法

同經典的小波(包)理論方法相比,局域均值分解(LMD)是一種新興地自適應非平穩信號分析方法.該方法與經驗模態分解(EMD)方法具有極大的相似之處,但與之相比能更好地規避模態混疊現象和端點效應.本文提出的小波包變換和LMD相結合的微震信號預處理方法旨在保持微震信號原有特征的前提下有效剔除噪聲,提高識別精度和效率.

圖1　信號處理流程圖

信號處理的詳細流程可參見圖1,WPT方法的應用主要是通過確定最佳小波樹將信號分解為一系列正交小波基,在這里小波包分解方法本身不承擔任何消噪任務.然后,對每組小波基進行LMD分解,將它們各分解為若干個瞬時頻率具有物理意義的乘積函數(Product function,簡稱PF),對分解后獲得的PF分量采用合適的判別標準,剔除多余PF分量,將有效分量合成為新的最佳小波基,最終將新的小波基重構為新的微震信號,完成整個預處理流程.

關于小波包變換的應用方法在此不做介紹,只給出LMD方法的基本應用步驟.

(1)對于給定原始信號序列為x(t),設序列的所有局部極值點表示為ni(包括所有極大值點和極小值點),則有式(1):

式中:ni、ni＋1——任意兩個連續的極值點;

mi——第i個相鄰極值平均值.

將所有相鄰的mi使用直線連接,并使用滑動平均方法做平滑處理,即可得到局部均值函數序列m11(t).

(2)基于相同的方法,可計算相鄰極值點的差值的絕對值,見式(2),然后通過連線和平滑處理得到局部包絡估計函數a11(t).

式中:ai——相鄰極值點的差值的絕對值.

(3)從原始信號x(t)將局部均值函數x11(t)分離出來,得到下式:

式中:h11(t)——原始序列中分離出局部均值序列m11(t)后的殘余的信號序列.

(4)為了對h11(t)進行解調,將其除以a11(t),得到s11(t)如式(4).

如果s11(t)是一個純調頻信號,則可直接進行下一步驟.判定其是否為純調頻信號,參考的標準是它的包絡估計函數a12＝1.如果不是,則需以s11(t)為原始信號重復步驟(1)－(3),直到重復r次操作后,s11(t)成為一個純調頻信號,如式(5).

通過多次迭代之后,信號的包絡函數為多次包絡估計函數的乘積,為式(6),并且最后的一次迭代包絡估計函數的極限趨近于1,為式(7).

(5)將包絡信號a1(t)和最后一次得到的純調頻信號s1r(t)相乘,得到原始信號的第一個乘積函數PF1,見式(8),PF1不僅代表了信號的最高頻率成分,還具有特定的瞬時幅值和瞬時頻率.其中,它的瞬時幅值就是包絡信號a1(t),而瞬時頻率則可根據純調頻信號s1r(t)求出.

(6)將PF1從原始信號中分離出來,即可得xi(t)＝x(t)－PF1(t),然后對xi(t)做如上的處理直到多次循環操作后的xi(t)＝xi－1(t)－PF(t)為一個單調函數為止,最終原始信號可表示為:

式中:xp(t)——多次迭代分解后的信號的一個殘余項.

對于PF分量是否為有效分量,采用了貢獻系數法進行判定,PF的貢獻系數表達式如下:

式中:ci——第i個乘積的函數的貢獻系數;

n——總的PF分量個數;

ri——第i個PF分量與原始信號序列的自相關系數;

ei——第i個PF分量在分解前信號序列中的能量占比,當ci不小于0.001時,對應PF才被接受為有效分量,否則將被剔除.

基于上述給出的方法,圖2給出了一個低信噪比P波信號做WPT－LMD預處理前后的對比圖,即分別為原始信號和采用上述信號處理方法預處理后的波形圖,可以看出信號在平滑度上有了極大的改善,但是微震信號震相初至時刻沒有受到任何的影響.

2　改進的STA/LTA算法

STA/LTA方法是由Stenvenson率先提出的,隨后便被廣泛應用于地震波初至時刻的自動拾取.其基本原理是通過震動信號的短時變化與長時變化特征的不同來檢測震動事件和拾取震相.該方法基本原理可參見式(11):

式中:STA(Short Time Average)——短時間窗內的特征均值;

LTA(Long Time Average)——長時間窗的特征均值;

R——上述兩者的比值;

X(i)、X(j)——震動信號的原始特征序列,通常為信號幅值的絕對值或能量值(信號幅值的平方);

N——短時窗的長度;

M——長時窗的長度.

圖2　WPT－LMD預處理前后信號對比圖

對于序列X(i),在最初的STA/LTA應用往往采用信號的絕對幅值,后來Allen提出了一種特征函數,即應用震動信號構建一個能夠更加靈敏的反應其振幅和頻率變化信號序列,取代原來簡單的原始信號絕對幅值方法,這種做法雖然在一定程度上增加了運算量,但經證實該方法能很好地提高信號辨識的精度,減少誤觸發或者漏報事件的發生.特征函數CF (t)的表達式為:

式中:Y(i)——信號的原始振幅;

K(i)——振幅和一階導數的加權因子.

在此基礎上參考Joe使用的修正能量占比方法,將最終的信號判定序列修正為式(14).從圖3中可以看出,與傳統STA/LTA法(R值)相比,改進的STA/LTA (MR值)在微震信號(MS)辨識中能給出更易區別的特征曲線.

圖3　R值和MR值比較

3　應用效果驗證

3.1脈沖波測試信號初相拾取

脈沖波測試是一種常規煤巖物理特性測試方法,主要包括有超聲波測試和常規聲發射測試等.通過在試樣的兩端分別安裝信號發生器和接收器,即可測定不同脈沖波在受測介質中的傳播速度,對煤巖樣品的節理和裂隙分布進行分析.若可同時測得P波和S波的波速,亦可求得楊氏模量和泊松比等力學參數值.

圖4　MR值法對原始超聲波信號的初相拾取

應用圖1所示信號處理流程對主動超聲波波速試驗所得數據進行處理(采樣頻率10000 Hz),分別應用STA/LTA (R值)、改進的STA/LTA (MR 值)和人工判讀3種方法進行震動初相拾取.圖4為應用MR值法的初相拾取效果圖.圖中縱軸方向依次對應展示了10次發射信號后的所接受到的信號波形圖,三角形符號則代表MR法自動拾取的振動信號初相.可以看出,盡管10次測試接收信號在波形和幅值方面有所差異,MR法仍可取得較好的初相拾取效果.

對3種不同方法的拾取數據進行統計,見表1,將人工判讀數值作為參考值,通過比較傳統STA/ LTA和預處理后的改進方法的平均誤差可知,提出的方法對初相拾取的準確率有一定的提高.

表1　超聲波原始信號初相拾取結果

對圖4中的原始信號數據通過人工添加高斯白噪聲的方式構造合成信號,模擬不同信噪比情況下,比較原始判識方法和新提出方法的應用效果.不同信噪比的信號及其MR值初相拾取數據匯總統計可見表2,仍以人工判讀數值作為參考值,可見在不同信噪比(SNR)狀況下,傳統STA/LTA判識結果的平均誤差明顯大于預處理后的改進方法的平均誤差,并且隨信噪比的減小,這一趨勢愈發明顯.

表2　超聲波原始信號不同信噪比初相拾取結果

3.2型煤破壞聲發射測試事件辨識

常規實驗室測試時,由于樣品尺度較小,應力波的產生和傳播同現場相比有著迥然不同的邊界條件,加之傳感器直接黏貼在樣品表面,所采集信號一般有大幅值和高頻率的特征,因此在實驗室尺度多進行的是聲發射(AE)測試.進行試驗時,伺服壓力機和信號采集系統的存在會導致所采集的信號大都會包含有一定的工頻信號干擾.在此,給出WPT－LMD預處理對型煤破裂過程中原始數據中工頻信號(50 Hz及其倍頻)的去噪效果展示,見圖5,(a)～(d)分別為時域和頻域中信號的特征,圖中信號幅值為相對幅值.據圖可知,上述方法可較好地將試驗測試過程中的工頻干擾信號有效剔除,將有效AE信號完整保留.

圖5　WPT－LMD對聲發射信號處理效果

3.3礦井爆破微震信號辨識分析

一般而言,無論是實驗室進行煤巖變形損傷破壞試驗獲得的聲發射測試數據亦或是煤礦井下現場采動作業產生的微震信號數據,其處理無外乎信號消噪濾波處理、初相識別、事件統計和震源定位(裂紋擴展分析)等幾個過程.其中,初相識別是進行后續事件參量統計和震源定位的關鍵,對于一個單一的微地震事件,其震相初相拾取、振鈴數、事件數統計原理如圖6所示.其中,點1即為初到時刻,應用方法一般為前文提及的STA/LTA算法,而振鈴數和事件數的統計分別對應有不同的觸發閾值和終止條件.

以平煤天安十礦現場工業性測試微震信號進行識別分析.信號采集系統的部署安裝以及礦井自身的信息可見相關文章.采樣頻率為3000 Hz時獲得的持續時長20 s的現場數據見圖7,應用WPTLMD方法對信號進行快速預處理,然后使用改進的STA/LTA算法、振鈴數和事件統計方法對信號分析,最終將對應微震事件全部截取出來.據圖7(a)可知,由于井下作業現場環境復雜,所采集的信號隨作業工序和井下實際情況的變化會伴隨有一定的背景噪聲.但是,經過WPT－LMD預處理后,噪聲信號被有效剔除,同時微震信號的波形不受任何影響,呈現為圖7(b)中的波形.在此基礎上使用修正的STA/LTA法對預處理后的信號處理見圖7(c).最后,即可將信號序列在時間域分為有效信號序列(微震事件)和無效信號序列(非微震事件),將微震事件序列信號(如圖7(d)所示)分選出來,然后進行震源定位和頻譜分析等理論及統計分析.在短時窗長度設置為40,長時窗長度設置為800,MR值超限閾值設置為3情況下,能較好地將微震有效信號識別并從原始現場數據中提取出來,展示了良好的應用效果.

圖6　信號振鈴數和事件統計方法示意圖

圖7　礦井現場工業性測試微震信號識別效果圖

4　結論

針對以往微震信號辨識應用中的缺陷,引入了WPT－LMD方法對采集的信號進行預處理操作,該種方法的應用能很好地避免傳統時頻分析和濾波去噪方法應用時造成初至時刻拾取偏移弊端,在該種方法的基礎上應用STA/LTA方法能有效提高檢測信號突變點的能力,具有很高的時頻分辨率.

改進后的STA/LTA方法,能敏感地檢測到不同階段微震信號隨著時間和頻率動態變化的主要特征,對于超聲波波速測試信號、實驗室煤巖破壞試驗聲發射信號以及煤礦采面爆破微震信號的應用中都表現出了優良的應用效果.

通過對微震信號進行自適應性較強的非傳統降噪預處理,綜合了STA/LTA方法的優點,具有適應性強、穩定性好、拾取效率和精度高的特點,特別適合于復雜煤層結構的微弱微震信號處理,有助于提高煤礦現場微震監測的精度和效率.

參考文獻:

[1]Allen R.Automatic phase pickers:their present use and future prospects[J].Bulletin of the Seismological Society of America,1982(6B)

[2]Boschetti F,Dentith M D,List R D.A fractal-based algorithm for detecting first arrivals on seismic traces[J].Geophysics,1996(4)

[3]Wong J,Han L,Stewart R R,et al.Geophysical Well Logs from a Shallow Test Well and Automatic Determination of Formation Velocities from Full-Waveform Sonic Logs[J].Cseg Recorder,2009 (1)

[4]王海軍,劉貴忠.基于支持向量機的信號自動檢測算法[J].地震學報,2007(1)

[5]周銀興.微震事件檢測及震相自動識別研究[D].中國地震局地震預測研究所,2009

[6]段建華.基于STA/LTA和分形維算法的微震事件初至自動拾取方法[J].中國煤炭地質,2014(7)

[7]孫偉,熊邦書,黃建萍等.小波包降噪與LMD相結合的滾動軸承故障診斷方法[J].振動與沖擊,2012(18)

[8]Smith J S.The local mean decomposition and its application to EEG perception data[J].Journal of TheRoyal Society Interface,2005(5)

[9]Senkaya M,Karsl?H.A semi-automatic approach to identify first arrival time:the Cross-Correlation Technique[J].Earth Sciences Research Journal,2015(2)

[10]余建華,李丹丹,韓國棟.特征函數響應特性分析及STA/LTA方法的改進[J].國外電子測量技術,2011(7)

[11]馬強,金星,李山有等.用于地震預警的P波震相到時自動拾取[J].地球物理學報,2013(7)

[12]黃慶國,高潤平.特厚煤層綜放面高精度微震監測技術的應用[J].中國煤炭,2008(8)

[13]孫雪亮,杜濤濤,藍航.特殊空間結構條件下微震活動規律研究[J].中國煤炭,2014(S1)

[14]段建華,程建遠,王云宏等.基于STA/LTA方法的微地震事件自動識別技術[J].煤田地質與勘探,2015(1)

(責任編輯 張毅玲)

作者簡介:徐曉萌(1989－),男,山東德州人,博士研究生,主要從事礦井煤巖動力災害防治、微震及電磁輻射預警技術研究。

基金項目:?國家自然科學基金資助項目(51274206),國家自然科學青年基金資助項目(51404277)

中圖分類號TD326 TD713

文獻標識碼A