CN101968550A - 基于阵列光纤传感器的岩层识别装置及方法 - Google Patents

Abstract

本发明涉及一种基于阵列光纤传感器的岩层识别装置及方法，该装置包括主控机，主控机输出端与光源连接，光源经分路器后与阵列光纤光栅传感器连接；阵列光纤光栅传感器输出端与解调器输入端连接，解调器输出端与滤波放大模块输入端连接，滤波放大模块输出端与AD转换模块输入端连接，AD转换模块输出端与主控机连接，主控机还与外围数据接口双向通信。本发明适合于各种矿山检测矿震、进行震源定位并且在传感器范围内对岩层信息进行识别，以便在有限的设备条件下，获得更多的矿山信息，发掘矿山运动的规律。

Description

基于阵列光纤传感器的岩层识别装置及方法

技术领域

本发明涉及一种基于阵列光纤传感器的岩层识别装置及方法。

背景技术

中国是多矿国家，伴随着众多矿山资源的开采，矿山地质灾害造成的影响也也来越引起人们的关注。我国矿山地质灾害具有种类多，分布广，影响大，潜在灾害隐患突出，灾害的形式多种多样，危害十分严重。其中，因矿山开采而诱发的地质灾害占较大比例，近年来有加剧趋势。开采过程中常会引发采空塌陷、矿坑突水，这些灾害的存在严重制约着矿山企业生产运营，威胁着广大矿山职工的生命安全。如何有效地进行预测是当前矿山安全研究中重要的课题。

采空塌陷、顶板垮落、矿坑突水等危害与岩层物理性状关系密切。在各种矿山开采活动中，由于采掘活动会引发高应力集中，造成采掘空间周围岩层的震动、破裂和突然卸压，并且会伴随一系列具有动力特征的声发射及微震现象，可以认为上述动力现象是岩层结构破坏和裂隙扩展或灾害性事故的前兆信号。当灾害发生之前，岩体如能有效地得到岩层信息，并能对岩层信息进行实时监测，将极有利于灾害的预防与控制。

采用光纤光栅式振动传感器具有成本低、灵敏度高，探头及传输线不带电，本质安全等优点，并且易于大规模布置探头并进行远程集中监控。但岩层的形式多种多样，而地表的条件和地下的地质结构却千变万化，并且不同类别的岩层土壤相互联接，无明显边界区分，并且有些地方易于测量，而多数位置难以用仪器测量，只能采取一定方式进行推测，隐马尔可夫模型(Hidden Markov Model，HMM)就是用已知物质的局部时不变特性来估测物体整体的时变的特性的一种行之有效的方法，是一种具有较强的时间序列建模能力的信号模式处理工具，在语音处理中获得了广泛应用，特别适合于非线性、重复再现性不佳的信号的分析。

而传感器接收到的振动信号可认为是由震源子波经过通道滤波后的结果，因此采用连续隐马尔可夫模型CHMM(Continuous Hidden Markov Model)通过对声波信号有效的建模，可以利用已知地形地貌分析得到的岩层特性去预测、分析综合与识别未知地形地貌的岩层信息。

目前常用的岩层识别方法有1地质雷达及其探测技术，2无线电波透视及其探测技术，3超声波、基桩动测及其检测技术，4高密度直流电法测量技术。以上方法的优点是技术成熟，但一般不能多点同时测量，并且无法长期连续的进行测量。

1.地质雷达及其探测技术

地质雷达及其探测技术应用领域：地质雷达在考古、市政建设、建筑、铁路、公路、水利、电力、采矿、航空等领域都有广泛应用。地质雷达最早用于工程场地勘查：解决覆盖层厚度、松软层厚度及分布、基岩风化层界面及分布、基岩节理和断裂带、地下水分布、普查场地地下溶洞、空洞、塌陷区、地下人工洞室、地下排污巷道、地下排污管道及地下管线等，在回填等松软层上，探查深度可达20m以上，在致密或基岩上探查深度可达30m以上；工程质量检测及病害诊断：近年来，国内外铁路公路等地下隧道、公路及城市道路路面、机场跑道、高切坡挡墙等重要工程项目的工程质量检测及病害诊断中，广泛采用雷达技术。主要检测衬砌厚度、破损、裂隙、脱空、空洞、渗漏带、回填欠密实区、围岩扰动等，路面及跑道各层厚度、破损情况，混凝土构件中的空洞、裂隙及钢筋分布等，检测精度可达毫米级；地下埋设物与考古探察：考古是地质雷达应用较早的领域，探测古建筑基础、地下洞室、金属物品等，在城市改造中用雷达可探测地下埋设物，如电力管网、输水管道、排污管道、输汽管网、通讯管网等；隧道超前跟踪探测及预报：地质雷达可预测前方50m范围内的断层、溶洞、裂隙带、含水带等地质构造；地质雷达在矿井中的探测应用：我国煤矿及金属矿山很多，煤矿及金属矿山地质构造相当复杂，地质雷达已开始用于矿山井下，在矿井可用在掘进头前方超前探测及预测、巷道顶底板及两邦探测，主要用来探测断层、陷落柱、溶洞，裂隙带、采空区、含水带、煤厚、顶底板、瓦斯突出危险带、金属富矿带等。技术特点：由防爆工业控制机、发射机、接收机、系列天线、采集和处理软件、高速通讯线缆等组成。可超前探测50米范围内的断层，陷落柱，含水带等地质构造。工作方法多样灵活，可全方位探测。仪器轻巧、操作方便，实时显示测量剖面。资料处理软件操作简单，测量结果直观，易于解释。

2无线电波透视及其探测技术

应用领域：电磁波透视技术从70年代开始研究并先后应用到金属矿山、煤矿和工程领域。目前主要用于煤矿，它主要用来探测两巷道之间、两钻孔之间、钻孔与巷道之间、坝体两基脚之间的断层、陷落柱、褶曲、褶皱、冲刷、松软破碎带、含水带、空洞、突水构造、煤层厚变化带、煤与瓦斯突出危险区、查找金属矿中的盲矿体和富矿带等。技术特点：煤层中断裂构造的界面，构造引起的煤层破碎带、煤层破坏软分层带以及富含水低电阻率带等都能对电磁波产生折射、反射和吸收，造成电磁波能量的损耗。如果发射源发射的电磁波穿越煤层途径中，存在断层、陷落柱、富含水带、顶板垮塌和富集水的采空区、冲刷、煤层产状变化带、煤层厚度变化和煤层破坏软分层带等地质异常体时，接收到的电磁波能量就会明显减弱，这就会形成透视阴影(异常区)。矿井电磁波透视技术，就是根据电磁波在煤层中的传播特性而研制的一种收、发电磁波的仪器和资料处理系统。它由智能无线电波透视仪，分析软件、计算机和彩色喷墨打印机等组成。仪器轻巧、操作方便，资料处理软件操作简单，结果直观，易于解释。

3超声波、基桩动测及其检测技术

应用领域：工程质量检测，如预埋超声检测管的桥基基桩超声透射法检测桩身结构完整性、预埋超声检测管的房屋等建筑基桩超声透射法检测桩身结构完整性、各种钢筋混凝土强度检测、钢筋混凝土裂纹和裂缝检测、桥梁等钢管内浇灌混凝土密实度及缺陷检测、各种建筑的基桩反射波法检测桩身结构完整性等。

技术特点：超声波法是由超声脉冲发射源向混凝土内发射高频弹性脉冲波，当混凝土内存在不连续或破损界面时，缺陷面形成波阻抗界面，产生波的透射和反射，使接收到的透射波能量明显降低；当混凝土内存在松散、蜂窝、孔洞等严重缺陷时，将产生波的散射和绕射；根据波的初至到达时间和波的能量衰减特性、频率变化及波形畸变程度等特征，可以获得测区范围内混凝土的密实度参数。测试记录不同侧面、不同高度上的超声波动特征，经过处理分析就能判别测区内混凝土存在缺陷的性质、大小及空间位置和参考强度。基桩动测即反射波法的是在桩身顶部进行竖向激振，弹性波沿着桩身向下传播，当桩身存在明显波阻抗差异的介面(如桩底、断裂和严重离析等部位)或桩身截面积变化(如扩径或缩径)部位，将产生反射波。经接收放大、滤波和数据处理，可识别来自不同部位的反射信息，据此计算桩身速度，以判断桩身完整性及估计混凝土强度等级。还可根据波速和桩底反射波到达时间对桩的实际长度加以核对。超声波、基桩动测仪器轻便、现场操作方便，资料处理软件操作简单，结果直观。

4高密度直流电法测量技术

应用领域：可广泛应用于能源勘探与城市物探、道路与桥梁勘探、金属与非金属矿产资源勘探等方面；亦用于工程地质勘查(地基基岩界面、岩溶、基岩断裂构造、覆盖层厚度、滑坡体滑移面等探测)；水文工程，如找水、探测场地地下水分布等；堤坝隐患和渗漏水探测；洞体探测、考古工作；矿井、隧道含水构造及小煤窑积水探测。技术特点：高密度电阻率测量系统是在参照国外先进电法仪器的基础上，结合我国国情研制的新一代直流电法仪测量系统，该系统具有存储量大、测量准确快速、操作方便等特点。高密度直流电阻率法实际上纯属直流电阻率法，基本原理与传统普通直流电阻率法相同，不同的是它的装置是一种组合式剖面装置。它们都是以地下介质(岩层)的导电性差异为基础的一种物探方法：地下各种介质在施加电场作用下，由于介质的电性差异导致地下传导的电流分布也存在差异，用视电阻率来反应出这种电性差异性分布。在一定的供电和测量电极排列方式下，通过供电电极供电，测量电极测量出测量电极之间的电位差，再通过数学公式计算出视电阻率，然后通过对视电阻率的分布规律进行分析来寻找地质目标体。

发明内容

本发明的目的在于解决上述问题，提供一种基于阵列光纤传感器的岩层识别装置及方法，它能适合于各种矿山检测矿震、进行震源定位并且在传感器范围内对岩层信息进行识别，以便在有限的设备条件下，更多的获得矿山的信息，发掘矿山运动的规律。

为实现上述目的，本发明采用如下技术方案：

一种基于阵列光纤传感器的岩层识别装置，它包括主控机，主控机输出端与光源连接，光源经分路器后与阵列光纤传感器连接；阵列光纤传感器输出端与解调器输入端连接，解调器输出端与滤波放大模块输入端连接，滤波放大模块输出端与AD转换模块输入端连接，AD转换模块输出端与主控机连接，主控机与外围数据接口双向通信，主控机输出端还与报警装置连接。

所述光源采用放大自发辐射宽带光源。

所述主控机为PC机或嵌入式处理器或DSP处理器。

所述阵列光纤传感器由若干个相同的光纤光栅式振动传感器组成，它们各自的频率范围为10～5kHz。

所述外围数据接口为RS232、RS485、USB、CAN中的一种。

所述基于阵列光纤传感器的岩层识别方法，该识别方法的实现步骤为：

(1)系统初始化；

(2)利用阵列光纤传感器进行振动检测；

(3)如果没有检测到振动信号，返回步骤(2)；如果检测到振动信号，转入步骤(4)；

(4)主控机实时显示并记录振动信号；

(5)主控机判断振动信号幅度是否超过规定范围，如果超出则报警，并入转入步骤(6)；如果没有超出规定范围，则直接转入步骤(6)；

(6)主控机利用各振动波在不同传感器间的到达时间差计算震源位置；

(7)提取振动信号的频谱特征参数，以光纤光栅式振动传感器探头间振动波频谱特征作为岩层特征；

(8)进行连续隐马尔科夫模型识别运算；

(9)记录识别结果；

(10)判断是否需要报警，如果需要，则报警，并输出结果；如果不需报警，则直接输出结果。

所述步骤(6)中，震源位置确定方法为，当多个传感器之间的时间差确定后，采用牛顿迭代方法确定震源位置；波形在各传感器到达的时间差由互相关方法计算得到。

所述步骤(7)中，提取振动信号的频谱特征参数的方法为：首先确定采样频率，然后按照均方根归一化方法进行归一化处理，如下式：

$X{\left(k\right)}_{\mathrm{norm}}=\frac{X\left(k\right)}{\mathrm{RMS}\left(X\right)}$

其中X(k)为震动信号样值，X(k)_norm为归一化后的震动信号样值，RMS(X)为序列X均方根函数，其计算如下：

$\mathrm{RMS}\left(X\right)=\sqrt{\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{X}^2\left(k\right)},$ 其中k＝1，2，...，N，且k取自然数；

最后求出与震源在一条直线上的光纤光栅式振动传感器的频谱，通过反卷积计算得到相邻光纤光栅式振动传感器的岩层频谱特征。

所述步骤(8)中，识别过程为，各传感器对应一个连续隐马尔科夫模型并构成全连接网络；将待识别特征串接起来输入此全连接网络，计算最优路径和最佳得分，该最优路径上的各节点即为识别结果。

本发明是一种依靠阵列光纤光栅式传感器并借助于连续隐马尔科夫模型技术进行模式识别的方法。该方法采取在待监测与识别区域内安装多个光纤光栅式振动传感器，通过这些传感器对矿山振动现象进行实时监测，并采用多传感器定位技术获得震源位置，通过反卷积技术获得传感器布置范围内传感器与传感器之间的岩层的频谱特性，并且提取有效的表征岩层性状的特征，对每一种岩层构造隐马尔科夫模型，利用以上二者进行识别训练和识别，识别结果可实时显示或上传，或通过三维信息处理技术进行动态显示。

本发明在待识别岩层区域内布置多个光纤光栅式振动传感器，其所能接受的震源位置可远在该区域之外，这与震源振动的能量、传感器的灵敏度有关。实时监测记录振动信号，获取含噪声的振动信号数据流，并采用带通滤波器对信号进行滤波。对获得的多路振动信号进行分析，包括1)时延分析，时延分析主要用于对振动源进行定位，当多个传感器之间的时间延迟确定后，有许多方法可找出震源位置，在此不再赘述；2)提取传感器间的岩层特征信息。

信号经过多种岩层结构相当于经过了多个通道，如图3所示：总的岩层声道频特性相当于各频域特性的乘积。这样光纤光栅式振动传感器探头2与光纤光栅式振动传感器探头3之间的通道频率响应，可由光纤光栅式振动传感器探头2与光纤光栅式振动传感器探头3得到的频率响应计算得到，初步拟采用FFT计算频谱信息。具体做法：首先利用倒谱解卷技术去除激励信号特征，仅提取声道特征，然后利用解卷积技术分离出各传感器间的频谱特性。另外波速可作为特征的附加参数参与识别。

采用连续隐马尔科夫模型和上述提取的特征对各种岩层进行建模，建模的激励源(震源)可采用人工放炮，并利用解卷积技术去除激励源对特征的影响，并对模型进行多遍调整，调整好的模型用于识别。

为保证模型的稳定性，本发明还可设置训练过程，即为了训练连续隐马尔科夫模型，需要在已知岩层信息的位置布设传感器，并可采用放炮方式人工制造震源。采用反卷积算法获得探头与探头间的频谱特征作为识别矢量，模型采用3状态模型，对应实际岩层的两个边缘过渡状态和一个中心状态，每个模型输出矢量分布按单高斯模型处理。每一特征矢量来源于岩层的某一状态，状态跳转当前矢量对应的状态到下一矢量对应的状态的转移过程。

识别过程中，特征矢量和待识别岩层的模型已知，将与震源在一条直线上的探头间的矢量带入模型网络图，计算最优得分，得分最优的路径上模型对应的岩层即为识别结果。

本发明的有益效果是：本发明利用阵列光纤传感器进行震源定位并且在传感器范围内对岩层信息进行识别，在有限的设备条件下，获得更多的矿山信息，发掘矿山运动的规律，适合于各种矿山检测矿震。在检测微震与声发射信号的同时，利用CHMM技术获得较大范围的地层信息及动态变化信息，成功的识别结果将为灾害预报提供了有效的信息。

附图说明

图1为本发明的系统结构图；

图2为光纤光栅式振动传感器探头组成阵列的布置图；

图3为多岩层声道示意图；

图4为每种岩层建立的隐马尔科夫模型图；

图5为本发明的工作流程图；

其中，1.主控机，2.光源，3.分路器，4.光纤光栅式振动传感器，5.解调器，6.滤波放大模块，7.AD转换模块，8.报警装置，9.外围数据接口。

具体实施方式

下面结合附图与实施例对本发明做进一步说明。

图1中，基于阵列光纤传感器的岩层识别装置，它包括主控机1，主控机1输出端与光源2连接，光源2经分路器3后与若干光纤光栅式振动传感器4连接；若干光纤光栅振动传感器4输出端均与解调器5输入端连接，解调器5输出端与滤波放大模块6输入端连接，滤波放大模块6输出端与AD转换模块7输入端连接，AD转换模块7输出端与主控机1连接，主控机1还与外围数据接口9双向通信，主控机1输出端与报警装置8连接。报警装置8主要是当震波的强度超限或同一区域内岩层在不同时间的识别结果发生明显区别时可对外输出声光报警信号或对外输出控制信号用以控制某些关键设备。

主控机1为PC机或嵌入式处理器或DSP处理器，主控机1完成信号的数字滤波，振动源定位的计算，数据的整理并调度数据与各种外围模块的数据交换；主控机1控制光源向分路器提供宽带光，再由分路器3将光信号送到阵列光纤传感器上。

图2中，阵列光纤传感器由若干个相同的并分为多个组的光纤光栅式振动传感器4组成，它们各自的频率范围为10～5kHz；阵列光纤光栅式传感器感应外界振动信号，将随时间变化的振动强度转换为相应的光信息，送入解调器。

解调器5将由阵列光纤传感器得到的随振动强度而变化的光信号转换为电信号，经滤波放大模块6及AD转换模块7，进行滤波放大及模数转换后，将该电信号转换为数字信号送入主控机1，在主控机1内完成特征参数提取和识别过程。连续隐马尔科夫模型的每个状态输出的特征参数为符合混合高斯分布的多维矢量，它是光纤光栅式振动传感器4间岩层的频谱特征的参数表示。主控机1中的软件识别器完成基于概率统计的模式识别功能，将给定特征参数数据流进行分析与处理，最后输出代表岩层种类的标识符。

外围数据接口9为RS232、RS485、USB、CAN中的一种，完成本装置与外界的数据交换，包括振动波形历史数据，岩层识别结果，内部参数的配置；所述光源2采用放大自发辐射(ASE)宽带光源。

本发明的方法为，它采用阵列光纤光栅式振动传感器对矿山振动现象进行监测，同时得到多路振动信号数据，并采用多传感器定位技术对振动源进行定位，同时对传感器布置范围内传感器与传感器之间的岩层的频谱特性，并且提取有效的表征岩层性状的特征，对每一种岩层构造隐马尔科夫模型，利用以上二者进行识别训练和识别，最后对识别结果进行显示和数据传送；它的步骤为：

(1)系统初始化；

(2)利用阵列光纤光栅式传感器进行振动检测；

(3)如果没有检测到振动信号，返回步骤(2)；如果检测到振动信号，转入步骤(4)；

(4)主控机实时显示并记录振动信号；

(5)主控机判断振动信号幅度是否超过规定范围，如果超出则报警，并入转入步骤(6)；如果没有超出规定范围，则直接转入步骤(6)；

(6)主控机利用各振动波在不同传感器的到达时间差计算震源位置；

(7)提取振动信号的频谱特征参数，以传感器探头间震动波频谱特征作为岩层特征；即振动波经高速采集后得到数字信号，对此数字信号进行频谱分析得到其频谱表示；信号频谱是有激励信号与通道的冲激响应卷积得到，而在频域上是乘积关系；通过反卷积运算，得到相邻传感器间的通道频域特性；

(8)进行CHMM识别运算；

(9)记录识别结果；

(10)判断是否需要报警，如果需要，则报警，并输出结果；如果不需报警，则直接输出结果。

所述步骤(6)中，震源位置确定方法为，采用时延分析方法，当多个传感器之间的时间延迟确定后，采用常规方法确定震源位置；波形在各传感器到达的时间差由互相关方法计算得到。

所述步骤(7)中，提取振动信号的频谱特征参数的方法为，其具体过程为：确定采样频率，通常选用10kHZ采样，然后按照均方根值RMS归一化方法进行归一化处理，即每个光纤光栅式振动传感器4样点除以序列的均方根，在此序列长度选择1024，如下式：

$X{\left(k\right)}_{\mathrm{norm}}=\frac{X\left(k\right)}{\mathrm{RMS}\left(X\right)}$

其中X(k)振动信号样值，k为自然数，取k＝1，2，...，N，X(k)_norm为归一化后的震动信号样值，RMS(X)为序列X均方根函数，其计算如下：

然后进行数字带通滤波，滤波范围选择10～4kHz，获得该位置的信号。然后对传感器分组，每4个为一组，进行震源定位计算。定位算法已有许多成熟的算法，比如牛顿迭代法。定位后对与震源在一条直线上的探头系列的波形进行频谱分析，通过反卷积计算得到相邻探头间的岩层频谱特征，并由此特征作为特征矢量，进行岩层识别。

所述步骤(8)中，识别过程为，各传感器对应一个CHMM模型并构成全连接网络；将待识别特征串接起来输入此全连接网络，计算最优路径和最佳得分，该最优路径上的各节点即为识别结果。

本发明的优选实施例中，光纤光栅式振动传感器4埋于矿体内，安装传感器的数量依待测区域的面积和待识别岩层的变化情况而定，通常一平方公里内安装不小于32个探头。

本发明优选实施例的识别方法是，首先光纤光栅式振动传感器4检测振动波：振动波经16位高速采集后得到数字信号。微震及声发射信号同属振动信号，其产生主要是由于岩层发生扭曲或断裂破碎等产生振动激励，经岩层的谐振及滤波后形成振动波，如图6所示；假设振动波为x(t)，对振动波x(t)进行频谱分析可得到其频谱表示，由于信号频谱是有激励信号与通道的冲激响应卷积得到。假设激励信号的时域表示为s(t)，岩层通道的冲激响应为v(t)，则振动波可表示为x(t)＝s(t)*v(t)，*表示卷积运算；而在频域上是乘积关系，假设声波传递经历了k(k取自然数)个岩层声道，各个岩层声道的频率响应分别为V₁(ω)，V₂(ω)...V_K(ω)，所以振动波的频谱可表示为X_K(ω)＝S(ω)V₁(ω)V₂(ω)...V_K(ω)，则有

V_K(ω)＝X_K(ω)/[S(ω)V₁(ω)...V_k-1(ω)]＝X_K(ω)/X_K-1(ω)

X_K(ω)，X_K-1(ω)可通过光纤光栅式振动传感器4探头检测的信号进行FFT变换后得到，所以通过上述反卷积运算，可计算得到相邻传感器间的通道频域特性。

利用各振动波在不同传感器的到达时间差计算震源位置：振动信号在岩层中的传播需要时间，这样到达各传感器的时间有所不同，通过检测振动波到达各传感器的时间差，可计算出震源的位置。波形在各传感器到达的时间差可由互相关方法计算得到。

假设两传感器检测到的振动信号时间差为τ₀，设两传感器检测到的振动信号分别表示为x₁(t)和x₂(t)，且两者满足x₂(t)＝x₁(t-τ)，两信号的互相关为：

$y\left(\mathrm{\τ}\right)={\∫}_{-\∞}^{\∞}{x}_1\left(t\right)x_2(t+\mathrm{\τ})\mathrm{dt}={\∫}_{-\∞}^{\∞}{x}_1\left(t\right)x_1(t-{\mathrm{\τ}}_0+\mathrm{\τ})\mathrm{dt}$

当τ＝τ₀时，y(τ)取得最大值；因此可通过计算两信号的互相关并找到对应最大值的时刻即为两信号的时间差。

根据需要选择待识别岩层区域，利用该区域内及临近位置分布的传感器接收到的信号进行岩层信息识别，并输出识别结果，这里识别结果就是岩层的种类。在岩层信息识别中，还可加入训练过程，训练过程指的是已知岩层种类，并为这些已分类岩层建立起隐马尔科夫模型的雏形，通过前述内容获得这些岩层对应的频谱特征，代入到隐马尔科夫模型中进行训练，直到模型参数稳定为止。

隐马尔可夫模型是一个双重随机过程，即内含一个不可见的(隐藏的)从属随机过程的随机过程，此不可见的从属随机过程只能通过另一套产生观察序列的随机过程观察得到。本发明中通过反卷积得到的频谱特征序列即为观察序列，而待求的岩层种类即为隐含的从属随机过程。一个隐马尔科夫过程由多个隐马尔科夫模型组成，每个隐马尔科夫模型由参数A，B，π表示，训练的目的就是找到模型的参数A，B，π。因此，首先在已知岩层种类的岩层上进行实验，获得大量观察矢量，然后由这些观察矢量经前向算法或维特比Viterbi算法或鲍姆-韦尔奇Baum-Welch算法就可得到参数A，B，π。

为了训练连续隐马尔科夫模型，需要在已知岩层信息的位置布设传感器，并可采用放炮方式人工制造震源。采用反卷积算法获得探头与探头间的频谱特征作为识别矢量，由于振动有P波S波之分，而实际检测中是两种波的混叠，每次振动前期、中期和后期的振动信号往往会有较大差异，为了更好的表现这些可能，在此采用三状态隐马尔科夫HMM模型，注意HMM模型的特点，三状态并不表示每个模型仅对应三个基本时间段，因为在每个状态下可以有驻留次数，该参数可有训练阶段得到。信号在每一个状态的每一次驻留都会对应一个特征参数(矢量序列)，根据概率论与数理统计的原理，自然界中最多的分布为高斯分布，而任何一种概率分布均可表示为多种高斯分布的加权混合。根据我们的统计，振动信号输出频谱特征参数的概率分布近似为单高斯分布。为简化运算，在此选择单高斯作为其概率密度函数。模型采用3状态模型，对应实际岩层的两个边缘过渡状态和一个中心状态，如图4所示，每个模型输出矢量分布按单高斯模型处理。

识别时，对于待识别岩层，直接将得到的频谱特征数据代入到训练好的隐马尔科夫模型中，计算最终得分。在实际应用中，由各隐马尔科夫模型构成全连接网络，每个模型位于此网络中的一个节点上，将待识别特征串接起来输入此全连接网络，计算最优路径和最佳得分，该最优路径上的各节点即为识别结果。最优路径即概率最大的一条路径，可通过Viterbi算法计算得到。所谓每个节点上的最佳得分，即到达该节点的最大概率值。最后的识别结果表示沿着这一段声波所经过的各传感器间岩层的种类。

Claims (9)

1.一种基于阵列光纤传感器的岩层识别装置，其特征是，它包括主控机，主控机输出端与光源连接，光源经分路器后与阵列光纤传感器连接；阵列光纤传感器输出端与解调器输入端连接，解调器输出端与滤波放大模块输入端连接，滤波放大模块输出端与AD转换模块输入端连接，AD转换模块输出端与主控机连接，主控机与外围数据接口双向通信，主控机输出端还与报警装置连接。

2.如权利要求1所述的基于阵列光纤传感器的岩层识别装置，其特征是所述光源采用放大自发辐射宽带光源。

3.如权利要求1所述的基于阵列光纤传感器的岩层识别装置，其特征是，所述主控机为PC机或嵌入式处理器或DSP处理器。

4.如权利要求1所述的基于阵列光纤传感器的岩层识别装置，其特征是，所述阵列光纤传感器由若干个相同的光纤光栅式振动传感器组成，它们各自的频率范围为10～5kHz。

5.如权利要求1所述的基于阵列光纤传感器的岩层识别装置，其特征是，所述外围数据接口为RS232、RS485、USB、CAN中的一种。

6.一种采用权利要求1所述基于阵列光纤传感器的岩层识别方法，其特征是，该识别方法的实现步骤为：

(1)系统初始化；

(2)利用阵列光纤传感器进行振动检测；

(3)如果没有检测到振动信号，返回步骤(2)；如果检测到振动信号，转入步骤(4)；

(4)主控机实时显示并记录振动信号；

(5)主控机判断振动信号幅度是否超过规定范围，如果超出则报警，并入转入步骤(6)；如果没有超出规定范围，则直接转入步骤(6)；

(6)主控机利用各振动波在不同传感器间的到达时间差计算震源位置；

(7)提取振动信号的频谱特征参数，以光纤光栅式振动传感器探头间振动波频谱特征作为岩层特征；

(8)进行连续隐马尔科夫模型识别运算；

(9)记录识别结果；

(10)判断是否需要报警，如果需要，则报警，并输出结果；如果不需报警，则直接输出结果。

7.如权利要求6所述的基于阵列光纤传感器的岩层识别方法，其特征是，所述步骤(6)中，震源位置确定方法为，当多个传感器之间的时间差确定后，采用牛顿迭代方法确定震源位置；波形在各传感器到达的时间差由互相关方法计算得到。

8.如权利要求6所述的基于阵列光纤传感器的岩层识别装置的识别方法，其特征是，所述步骤(7)中，提取振动信号的频谱特征参数的方法为：首先确定采样频率，然后按照均方根归一化方法进行归一化处理，如下式：

$X{\left(k\right)}_{\mathrm{norm}}=\frac{X\left(k\right)}{\mathrm{RMS}\left(X\right)}$

其中X(k)为震动信号样值，X(k)_norm为归一化后的震动信号样值，RMS(X)为序列X均方根函数，其计算如下：

$\mathrm{RMS}\left(X\right)=\sqrt{\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{X}^2\left(k\right)},$ 其中k＝1，2，...，N，且k取自然数；

最后求出与震源在一条直线上的光纤光栅式振动传感器的频谱，通过反卷积计算得到相邻光纤光栅式振动传感器的岩层频谱特征。

9.如权利要求6所述的基于阵列光纤传感器的岩层识别方法，其特征是，所述步骤(8)中，识别过程为，各传感器对应一个连续隐马尔科夫模型并构成全连接网络；将待识别特征串接起来输入此全连接网络，计算最优路径和最佳得分，该最优路径上的各节点即为识别结果。

Images