徐晓萌 吕平洋 王菲茵 赵越超 刘文彪

(中国矿业大学(北京)资源与安全工程学院,北京市海淀区,100083)



基于WPT－LMD预处理的震动信号有效辨识方法研究∗

徐晓萌 吕平洋 王菲茵 赵越超 刘文彪

(中国矿业大学(北京)资源与安全工程学院,北京市海淀区,100083)

摘 要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。

关键词煤岩动力灾害 小波包变换 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

微震技术作为一种较为成熟的常规的煤岩动力灾害监测手段,能够对采动作业导致的煤层以及围岩的损伤破坏程度进行精确判断,在煤岩动力灾害的监测和控制中,扮演着重要的角色.微震信号初相的自动、快速、精确识别是实现矿井安全生产微震实时监控的关键技术.只有对微震信号的初相实现有效辨识,才能在此基础上完全掌握微震事件的持续时间、剧烈程度以及震源中心的位置等信息,从而实现对煤岩体应力场和损伤程度的量化评估和实时监控.对于微震事件的辨识,特别是震动波初至的自动识别,国内外已经有不少研究人员进行了大量的研究,也取得了一定进展,但是关于微震事件的判识和自动统计分析研究尚存在许多未完全解决的难题.

由于煤的物理结构特性比普通岩石更为复杂,尤其在割理系统发育较好的煤层中,震动波的传播需面临更多的边界效应和复杂衰减过程,往往会造成采集到的信号有较多噪声和杂波.为了更好地实现精准拾取微震波初至时间点,并且完成对有效微震事件的实时辨识,通过联合小波包变换(WPT)和局域均值分解(LMD)的方法,对采集到的微震信号进行预处理,然后应用改进的STA/LTA方法,实现对微震时间的有效辨识.

1　WPT－LMD预处理方法

同经典的小波(包)理论方法相比,局域均值分解(LMD)是一种新兴地自适应非平稳信号分析方法.该方法与经验模态分解(EMD)方法具有极大的相似之处,但与之相比能更好地规避模态混叠现象和端点效应.本文提出的小波包变换和LMD相结合的微震信号预处理方法旨在保持微震信号原有特征的前提下有效剔除噪声,提高识别精度和效率.

图1　信号处理流程图

信号处理的详细流程可参见图1,WPT方法的应用主要是通过确定最佳小波树将信号分解为一系列正交小波基,在这里小波包分解方法本身不承担任何消噪任务.然后,对每组小波基进行LMD分解,将它们各分解为若干个瞬时频率具有物理意义的乘积函数(Product function,简称PF),对分解后获得的PF分量采用合适的判别标准,剔除多余PF分量,将有效分量合成为新的最佳小波基,最终将新的小波基重构为新的微震信号,完成整个预处理流程.

关于小波包变换的应用方法在此不做介绍,只给出LMD方法的基本应用步骤.

(1)对于给定原始信号序列为x(t),设序列的所有局部极值点表示为ni(包括所有极大值点和极小值点),则有式(1):

式中:ni、ni＋1——任意两个连续的极值点;

mi——第i个相邻极值平均值.

将所有相邻的mi使用直线连接,并使用滑动平均方法做平滑处理,即可得到局部均值函数序列m11(t).

(2)基于相同的方法,可计算相邻极值点的差值的绝对值,见式(2),然后通过连线和平滑处理得到局部包络估计函数a11(t).

式中:ai——相邻极值点的差值的绝对值.

(3)从原始信号x(t)将局部均值函数x11(t)分离出来,得到下式:

式中:h11(t)——原始序列中分离出局部均值序列m11(t)后的残余的信号序列.

(4)为了对h11(t)进行解调,将其除以a11(t),得到s11(t)如式(4).

如果s11(t)是一个纯调频信号,则可直接进行下一步骤.判定其是否为纯调频信号,参考的标准是它的包络估计函数a12＝1.如果不是,则需以s11(t)为原始信号重复步骤(1)－(3),直到重复r次操作后,s11(t)成为一个纯调频信号,如式(5).

通过多次迭代之后,信号的包络函数为多次包络估计函数的乘积,为式(6),并且最后的一次迭代包络估计函数的极限趋近于1,为式(7).

(5)将包络信号a1(t)和最后一次得到的纯调频信号s1r(t)相乘,得到原始信号的第一个乘积函数PF1,见式(8),PF1不仅代表了信号的最高频率成分,还具有特定的瞬时幅值和瞬时频率.其中,它的瞬时幅值就是包络信号a1(t),而瞬时频率则可根据纯调频信号s1r(t)求出.

(6)将PF1从原始信号中分离出来,即可得xi(t)＝x(t)－PF1(t),然后对xi(t)做如上的处理直到多次循环操作后的xi(t)＝xi－1(t)－PF(t)为一个单调函数为止,最终原始信号可表示为:

式中:xp(t)——多次迭代分解后的信号的一个残余项.

对于PF分量是否为有效分量,采用了贡献系数法进行判定,PF的贡献系数表达式如下:

式中:ci——第i个乘积的函数的贡献系数;

n——总的PF分量个数;

ri——第i个PF分量与原始信号序列的自相关系数;

ei——第i个PF分量在分解前信号序列中的能量占比,当ci不小于0.001时,对应PF才被接受为有效分量,否则将被剔除.

基于上述给出的方法,图2给出了一个低信噪比P波信号做WPT－LMD预处理前后的对比图,即分别为原始信号和采用上述信号处理方法预处理后的波形图,可以看出信号在平滑度上有了极大的改善,但是微震信号震相初至时刻没有受到任何的影响.

2　改进的STA/LTA算法

STA/LTA方法是由Stenvenson率先提出的,随后便被广泛应用于地震波初至时刻的自动拾取.其基本原理是通过震动信号的短时变化与长时变化特征的不同来检测震动事件和拾取震相.该方法基本原理可参见式(11):

式中:STA(Short Time Average)——短时间窗内的特征均值;

LTA(Long Time Average)——长时间窗的特征均值;

R——上述两者的比值;

X(i)、X(j)——震动信号的原始特征序列,通常为信号幅值的绝对值或能量值(信号幅值的平方);

N——短时窗的长度;

M——长时窗的长度.

图2　WPT－LMD预处理前后信号对比图

对于序列X(i),在最初的STA/LTA应用往往采用信号的绝对幅值,后来Allen提出了一种特征函数,即应用震动信号构建一个能够更加灵敏的反应其振幅和频率变化信号序列,取代原来简单的原始信号绝对幅值方法,这种做法虽然在一定程度上增加了运算量,但经证实该方法能很好地提高信号辨识的精度,减少误触发或者漏报事件的发生.特征函数CF (t)的表达式为:

式中:Y(i)——信号的原始振幅;

K(i)——振幅和一阶导数的加权因子.

在此基础上参考Joe使用的修正能量占比方法,将最终的信号判定序列修正为式(14).从图3中可以看出,与传统STA/LTA法(R值)相比,改进的STA/LTA (MR值)在微震信号(MS)辨识中能给出更易区别的特征曲线.

图3　R值和MR值比较

3　应用效果验证

3.1脉冲波测试信号初相拾取

脉冲波测试是一种常规煤岩物理特性测试方法,主要包括有超声波测试和常规声发射测试等.通过在试样的两端分别安装信号发生器和接收器,即可测定不同脉冲波在受测介质中的传播速度,对煤岩样品的节理和裂隙分布进行分析.若可同时测得P波和S波的波速,亦可求得杨氏模量和泊松比等力学参数值.

图4　MR值法对原始超声波信号的初相拾取

应用图1所示信号处理流程对主动超声波波速试验所得数据进行处理(采样频率10000 Hz),分别应用STA/LTA (R值)、改进的STA/LTA (MR 值)和人工判读3种方法进行震动初相拾取.图4为应用MR值法的初相拾取效果图.图中纵轴方向依次对应展示了10次发射信号后的所接受到的信号波形图,三角形符号则代表MR法自动拾取的振动信号初相.可以看出,尽管10次测试接收信号在波形和幅值方面有所差异,MR法仍可取得较好的初相拾取效果.

对3种不同方法的拾取数据进行统计,见表1,将人工判读数值作为参考值,通过比较传统STA/ LTA和预处理后的改进方法的平均误差可知,提出的方法对初相拾取的准确率有一定的提高.

表1　超声波原始信号初相拾取结果

对图4中的原始信号数据通过人工添加高斯白噪声的方式构造合成信号,模拟不同信噪比情况下,比较原始判识方法和新提出方法的应用效果.不同信噪比的信号及其MR值初相拾取数据汇总统计可见表2,仍以人工判读数值作为参考值,可见在不同信噪比(SNR)状况下,传统STA/LTA判识结果的平均误差明显大于预处理后的改进方法的平均误差,并且随信噪比的减小,这一趋势愈发明显.

表2　超声波原始信号不同信噪比初相拾取结果

3.2型煤破坏声发射测试事件辨识

常规实验室测试时,由于样品尺度较小,应力波的产生和传播同现场相比有着迥然不同的边界条件,加之传感器直接黏贴在样品表面,所采集信号一般有大幅值和高频率的特征,因此在实验室尺度多进行的是声发射(AE)测试.进行试验时,伺服压力机和信号采集系统的存在会导致所采集的信号大都会包含有一定的工频信号干扰.在此,给出WPT－LMD预处理对型煤破裂过程中原始数据中工频信号(50 Hz及其倍频)的去噪效果展示,见图5,(a)～(d)分别为时域和频域中信号的特征,图中信号幅值为相对幅值.据图可知,上述方法可较好地将试验测试过程中的工频干扰信号有效剔除,将有效AE信号完整保留.

图5　WPT－LMD对声发射信号处理效果

3.3矿井爆破微震信号辨识分析

一般而言,无论是实验室进行煤岩变形损伤破坏试验获得的声发射测试数据亦或是煤矿井下现场采动作业产生的微震信号数据,其处理无外乎信号消噪滤波处理、初相识别、事件统计和震源定位(裂纹扩展分析)等几个过程.其中,初相识别是进行后续事件参量统计和震源定位的关键,对于一个单一的微地震事件,其震相初相拾取、振铃数、事件数统计原理如图6所示.其中,点1即为初到时刻,应用方法一般为前文提及的STA/LTA算法,而振铃数和事件数的统计分别对应有不同的触发阈值和终止条件.

以平煤天安十矿现场工业性测试微震信号进行识别分析.信号采集系统的部署安装以及矿井自身的信息可见相关文章.采样频率为3000 Hz时获得的持续时长20 s的现场数据见图7,应用WPTLMD方法对信号进行快速预处理,然后使用改进的STA/LTA算法、振铃数和事件统计方法对信号分析,最终将对应微震事件全部截取出来.据图7(a)可知,由于井下作业现场环境复杂,所采集的信号随作业工序和井下实际情况的变化会伴随有一定的背景噪声.但是,经过WPT－LMD预处理后,噪声信号被有效剔除,同时微震信号的波形不受任何影响,呈现为图7(b)中的波形.在此基础上使用修正的STA/LTA法对预处理后的信号处理见图7(c).最后,即可将信号序列在时间域分为有效信号序列(微震事件)和无效信号序列(非微震事件),将微震事件序列信号(如图7(d)所示)分选出来,然后进行震源定位和频谱分析等理论及统计分析.在短时窗长度设置为40,长时窗长度设置为800,MR值超限阈值设置为3情况下,能较好地将微震有效信号识别并从原始现场数据中提取出来,展示了良好的应用效果.

图6　信号振铃数和事件统计方法示意图

图7　矿井现场工业性测试微震信号识别效果图

4　结论

针对以往微震信号辨识应用中的缺陷,引入了WPT－LMD方法对采集的信号进行预处理操作,该种方法的应用能很好地避免传统时频分析和滤波去噪方法应用时造成初至时刻拾取偏移弊端,在该种方法的基础上应用STA/LTA方法能有效提高检测信号突变点的能力,具有很高的时频分辨率.

改进后的STA/LTA方法,能敏感地检测到不同阶段微震信号随着时间和频率动态变化的主要特征,对于超声波波速测试信号、实验室煤岩破坏试验声发射信号以及煤矿采面爆破微震信号的应用中都表现出了优良的应用效果.

通过对微震信号进行自适应性较强的非传统降噪预处理,综合了STA/LTA方法的优点,具有适应性强、稳定性好、拾取效率和精度高的特点,特别适合于复杂煤层结构的微弱微震信号处理,有助于提高煤矿现场微震监测的精度和效率.

参考文献:

[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]王海军,刘贵忠.基于支持向量机的信号自动检测算法[J].地震学报,2007(1)

[5]周银兴.微震事件检测及震相自动识别研究[D].中国地震局地震预测研究所,2009

[6]段建华.基于STA/LTA和分形维算法的微震事件初至自动拾取方法[J].中国煤炭地质,2014(7)

[7]孙伟,熊邦书,黄建萍等.小波包降噪与LMD相结合的滚动轴承故障诊断方法[J].振动与冲击,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,KarslıH.A semi-automatic approach to identify first arrival time:the Cross-Correlation Technique[J].Earth Sciences Research Journal,2015(2)

[10]余建华,李丹丹,韩国栋.特征函数响应特性分析及STA/LTA方法的改进[J].国外电子测量技术,2011(7)

[11]马强,金星,李山有等.用于地震预警的P波震相到时自动拾取[J].地球物理学报,2013(7)

[12]黄庆国,高润平.特厚煤层综放面高精度微震监测技术的应用[J].中国煤炭,2008(8)

[13]孙雪亮,杜涛涛,蓝航.特殊空间结构条件下微震活动规律研究[J].中国煤炭,2014(S1)

[14]段建华,程建远,王云宏等.基于STA/LTA方法的微地震事件自动识别技术[J].煤田地质与勘探,2015(1)

(责任编辑 张毅玲)

作者简介:徐晓萌(1989－),男,山东德州人,博士研究生,主要从事矿井煤岩动力灾害防治、微震及电磁辐射预警技术研究。

基金项目:∗国家自然科学基金资助项目(51274206),国家自然科学青年基金资助项目(51404277)

中图分类号TD326 TD713

文献标识码A