CN103901474A - 一种基于折中小波阈值分析的微地震弱信号提取方法 - Google Patents

Abstract

本发明提供一种基于折中的小波阈值分析的微地震弱信号提取方法该方法主要包括两部分：微地震数据预处理部分和对预处理后数据进行折中小波分析部分。预处理主要剔除工业干扰噪声、强能量相关噪声等；折中小波分析主要是对预处理后的数据进行消噪处理和原始信息的提取。利用折中阈值小波分析结合了软、硬阈值消噪的优点，分析重构后，不仅可以很好的保留原始信号的特征，同时又可以得到相对较平滑的数据。

Description

一种基于折中小波阈值分析的微地震弱信号提取方法

技术领域

本发明涉及一种基于折中的小波阈值分析的微地震弱信号提取方法。

背景技术

微地震技术作为一门先进的裂缝检测技术，自从上世界七十年代以来，已在国内外进行了广泛的研究和实践，如利用该技术监测压裂井的裂缝空间形态、有效缝长、缝高及地应力分布情况，为完善压裂工艺、评价压裂效果、对压裂井进行压后产能分析和井网布局等提供有力的证据，对油田开发具有重要的指导意义。

煤矿行业中，各种与岩体破裂相关的矿井灾害，如突水，冲击低压、瓦斯爆炸等时常发生，工人的人身安全受到威胁。究其原因，主要是对煤矿地质灾害规律认识不足，并且缺乏经济、有效的安全监测手段。根据现有的地震监测结果，研究微地震信号变换规律、定位及岩体破裂的计算机预报，及早发现并提前采取预防措施对减少生命财产损失具有非常重大的现实意义。

由于地震的复杂性，尤其是在复杂介质条件下接受到的微地震信号，能量极其微弱，信噪比很低(小于1)，同时一致性差。在实际应用中，如何对地震数据进行处理，去除噪声，提高信号的信噪比，影响着拾取P波、S波的到达时间，进一步影响着微地震的发震时刻、震源位置和震级等，直接决定了反演结果的准确性。

小波变换能同时在频域和时域内对信号进行分析，在低频时具有较高的频率分辨率和较低的时间分辨率，在高频时具有较高的时间分辨率和较低的频率分辨率，因此小波变换对信号的处理具有自适应性。它能够有效的区分信号中的突变部分和涨落噪声，从而实现信号的去噪。

发明内容

针对上述问题，本发明公开了一种基于折中的小波阈值分析的微地震资料弱信号提取方法。该方法是提取时域特征的有效工具，特别是低频部分，小波分析具有很高的频率分辨率。

为达到上述目的，本发明的实施采用如下方案。

一种基于折中的小波阈值分析的微地震资料弱信号提取方法，包括：预处理和小波分析两个阶段。

对原始微地震数据进行预处理。预处理包括直流分量、强噪声、工业干扰噪声、强能量相关噪声等的剔除处理。

对预处理后的数据进行折中的小波阈值分析。小波分析主要包括以下步骤：

1.选择一个小波包函数并确定一个小波包分解的层数N，然后对信号进行N层小波包分解；

2.对每一个给定的熵标准，计算最佳小波包分解；

3.选择一个适当的阈值算法，对最优小波包基每个节点上的分解系数进行阈值比较；

4.利用阈值量化后的最优小波包基的分解系数逐层向上重构，重构得到的信号就是经过最优小波包消噪处理后的信号。

附图说明

图1.小波阈值去噪原理图；

其中：x(t)为处理前含噪声的信号；w_j，k为小波系数；s(t)为重构后的信号；

具体实施方式

下面结合附图和具体实施方式对本发明做更详细说明。

对原始微地震数据进行预处理；

根据预处理后的数据，选定小波包函数；

选取合适的阈值。如，采用随分解层数变换的自适应阈值：

${\mathrm{\λ}}_j={\mathrm{\δ}}_j\sqrt{2\ln M_N}\frac{j-1}{j}$

其中：δ_j＝MAD_j/0.6745，MAD_j为第j层小波系数的中值；M_N为第j层小波系数的长度。

选取适合的阈值函数。在小波分析中常用的阈值函数有硬阈值函数和软阈值函数。硬阈值法将高频系数全部置零，然后对信号进行重构处理；软阈值法则根据默认或经验公式设定各层分解阈值，把高频系数大于该阈值的部分全部保留，小于该阈值的置零。硬阈值法方法简单，能保留信号的尖锐特性。但是阈值函数在所取阈值处不连续，重构时易引起震荡；软阈值法去噪后的信号比较平滑，但是会丢失某些信号特征。为了克服软、硬阈值的缺点，本专利采用折中小波阈值分析法。其阈值函数如下：

式中：λ为阈值，0≤α≤1。当α分别取0和1时，上式分别为硬阈值函数和软阈值函数。通过调节α的值，可以得到一个折中的阈值函数，利用该函数可以达到不同的消噪效果。

Claims (3)

1.一种基于折中的小波阈值分析的微地震弱信号提取方法，其特征在于：

所述方法包括部分：预处理部分和折中小波阈值分析部分。

2.根据权利要求1所述的基于折中的小波阈值分析的微地震弱信号提取方法，其特征在于：对地震波数据进行预处理，预处理部分主要包括直流分量、强噪声、工业干扰噪声、强能量相关噪声等的剔除处理。

3.根据权利要求1所述的基于折中的小波阈值分析的微地震弱信号提取方法，其特征在于：对预处理后的数据进行折中的阈值小波分析，折中阈值函数为

式中：λ为阈值，0≤α≤1。w_j，k为小波系数。