CN106291751A - 一种地质建造的检测系统 - Google Patents

Abstract

本发明公开了一种地质建造的检测系统，包括外壳、电磁场生成装置和PC端；电磁场生成装置有多个，且自上而下的依次安装在外壳上，外壳内部自上而下设置有多个电源装置和多个电磁感应器，每个电源装置分别与相应的电磁感应器和相应的电磁生成装置电性相连，电磁感应器电性连接有信号放大器，信号放大器电性连接有信号整形器，信号整形器电性连接有微处理器，所述微处理器连接有通讯模块，通讯模块电性连接有存储装置，存储装置与所述PC端相电性导通连接。该种地质建造监测系统设计合理，操作简单，通过电磁场在地质建造内强弱的检测，能够有效的对地质构造进行检测，从而反应出地质情况，具有十分重要的实用意义。

Description

一种地质建造的检测系统

技术领域

本发明涉及地质建造技术领域，具体为一种地质建造的检测系统。

背景技术

地质建造泛指在地壳发展的某一阶段，在特定的大地构造条件下所形成的具有成因联系的一套岩石共生组合。地质建造的区分和识别，为确定某一地区地壳演化和发展过程提供重要依据。按岩石成因类型地质建造可分为：沉积建造、岩浆建造和变质建造等三大类；每一大类又可以做进一步划分，如沉积建造可分为碳酸盐岩建造、含煤建造、复理石建造、磨拉石建造等等。按大地构造类型则可区分为：地槽型建造、地台型建造等。由于地质建造反映特定的地质环境，有很重要的实用意义。由于地下环境复杂，且蕴藏着丰富的资源，在开采时需要对地质建造进行检测，为此，提供一种地质建造的检测系统，其能够提供对于岩层(例如，靠近油气藏)的几何特征进行检测。

发明内容

本发明的目的在于提供一种地质建造的检测系统，以解决上述背景技术中提出的问题，所具有的有益效果是；结构合理，操作简单，能够有效的检测地质建造情况。

为实现上述目的，本发明提供如下技术方案：一种地质建造的检测系统，包括外壳、电磁场生成装置和PC端；所述电磁场生成装置有多个，且自上而下的依次安装在外壳上，所述外壳内部自上而下设置有多个电源装置和多个电磁感应器，所述每个电源装置分别与相应的电磁感应器和相应的电磁生成装置电性相连，所述电磁感应器电性连接有信号放大器，所述信号放大器电性连接有信号整形器，所述信号整形器电性连接有微处理器，所述微处理器连接有通讯模块，所述通讯模块电性连接有存储装置，所述存储装置与所述PC端相电性导通连接。

优选的，所述外壳上还设有加速度传感器，且所述加速度传感器与所述微处理器电性相连。

优选的，所述电磁场生成装置自上而下形成阵列式电磁场，多个电磁生成装置布设于水平面内，且每个电磁生成装置的轴线方向相互平行且垂直于水平面。

优选的，所述电源装置与所述电磁感应器上均设置有保护罩。

优选的，所述通讯模块采用GPRS通讯系统或者红外通讯模块。

优选的，所述加速度传感器包括：加速度传感器A、加速度传感器B；

加速度传感器A、加速度传感器B在本地直角坐标系下的量测数据分别为Y_A(t_i)和Y_B(t_i)，且加速度传感器A的采样频率大于加速度传感器B的采样频率，则由加速度传感器A向加速度传感器B的采样时刻进行配准，具体为：

采用内插外推的时间配准算法将加速度传感器A的采样数据向加速度传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：

在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将加速度传感器A的观测数据分别向加速度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得加速度传感器A在t_Bk时刻在本地直角坐标系下的量测值为：

$\begin{array}{c}\\ \end{array}$

其中，t_Bk为配准时刻，t_k-1,t_k,t_k+1为加速度传感器A距离配准时刻最近的三个采样时刻，Y_A(t_k-1),Y_A(t_k),Y_A(t_k+1)分别为其对应的对目标的探测数据；

完成时间配准后，根据加速度传感器A的配准数据与加速度传感器B的采样数据，采用基于地心地固坐标系下的伪量测法实现加速度传感器A和加速度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：

k时刻目标在本地直角坐标系下真实位置为X'₁(k)＝[x'₁(k),y'₁(k),z'₁(k)]^T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X₁(k)＝[x₁(k),y₁(k),z₁(k)]^T；传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有

其中表示观测噪声,均值为零、方差为

式(1)用一阶近似展开并写成矩阵形式为：

X'₁(k)＝X₁(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT (3)

其中，

设两部加速度传感器A和B,则对于同一个公共目标，地心地固坐标系下为X'_e＝[x'_e,y'_e,z'_e]^T，可得

X'_e＝X_As+B_AX'_A1(k)＝X_Bs+B_BX'_B1(k)\*MERGEFORMAT (4)

B_A，B_B分别为目标在加速度传感器A与加速度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；

定义伪量测为：

Z(k)＝X_Ae(k)-X_Be(k)\*MERGEFORMAT (5)

其中，X_Ae(k)＝X_As+B_AX_A1(k)；X_Be(k)＝X_Bs+B_BX_B1(k)

将式(2)、式(3)代入式(4)得到关于传感器偏差的伪测量方程

Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT (6)

其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于n_A(k),n_B(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)；

加速度传感器A的量测模型如下：

Y_A(t_k-1)、Y_A(t_k)、Y_A(t_k+1)分别为加速度传感器A对目标在t_k-1,t_k,t_k+1时刻的本地笛卡尔坐标系下的量测值，分别为：

$\begin{array}{c}{Y}_A\left(t_{k-1}\right)={Y^{\′}}_A\left(t_{k-1}\right)-C_A\left(t_{k-1}\right){\mathrm{\ξ}}_A\left(t_{k-1}\right)+n_{Y_A\left(t_{k-1}\right)}\\ \backslash *MERGEFORMAT\end{array}---\left(7\right)$

$Y_A\left(t_k\right)={Y^{\′}}_A\left(t_k\right)-C_A\left(t_k\right){\mathrm{\ξ}}_A\left(t_k\right)+n_{Y_A\left(t_k\right)}$

$\backslash *MERGEFORMAT---\left(8\right)$

$\begin{array}{cc}{Y}_A\left(t_{k+1}\right)={Y^{\′}}_A\left(t_{k+1}\right)-C_A\left(t_{k+1}\right){\mathrm{\ξ}}_A\left(t_{k+1}\right)+n_{Y_A\left(t_{k+1}\right)}& \backslash *MERGEFORMAT\end{array}---\left(9\right)$

其中，Y'_A(t_k-1)、Y'_A(t_k)、Y'_A(t_k+1)分别为加速度传感器A在t_k-1,t_k,t_k+1时刻的本地笛卡尔坐标系下的真实位置；C_A(t)为误差的变换矩阵；ξ_A(t)为传感器的系统误差；为系统噪声，假设为零均值、相互独立的高斯型随机变量，噪声协方差矩阵分别为R_A(k-1)、R_A(k)、R_A(k+1)；

加速度传感器A向加速度传感器B进行配准的具体过程如下：

将式(7)、式(8)、式(9)带入式(1)，可得：

其中：为加速度传感器A的本地直角坐标系下目标的真实位置在t_Bk时刻的时间配准值；为系统误差造成的误差项；为随机噪声，假定t_k-1、t_k、t_k+1时刻的噪声互不相关的零均值白噪声，则为均值为零，协方差矩阵为R_A＝a²R_A(k-1)+b²R_A(k)+c²R_A(k+1)的白噪声，而a、b、c、分别为且a+b+c＝1。

优选的，所述微处理器信号盲源分离模块，所述信号盲源分离模块的信号盲源分离方法包括：

对跳频混合信号时频域矩阵进行预处理，具体包括：对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b₁(p,q),b₂(p,q),…,b_M(p,q)]^T，其中

利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率时，包括：在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；对所有求均值并取整，得到源信号个数的估计即

$\hat{N}=round\left(\frac{1}{p}\underset{p=0}{\overset{P-1}{\Σ}}{\hat{N}}_p\right);$

找出的时刻，用p_h表示，对每一段连续取值的p_h求中值，用表示第l段相连p_h的中值，则表示第l个频率跳变时刻的估计；根据估计得到的以及估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：

${\hat{a}}_n\left(l\right)=\left\{\begin{array}{cc}\frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)}\·\underset{p=1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(1\right)}{\Σ}}{b}_{n,p}^0& l=1\\ \frac{1}{{\stackrel{\‾}{p}}_h\left(l\right)-{\stackrel{\‾}{p}}_h(l-1)}\·\underset{p={\stackrel{\‾}{p}}_h(l-1)+1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(l\right)}{\Σ}}{b}_{n,p}^0& l>1\end{array}\right.,n=1,2,...,\hat{N}$

这里表示第l跳对应的个混合矩阵列向量估计值；估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：

${\hat{f}}_{c,n}\left(l\right)=\left\{\begin{array}{cc}\frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)}\·\underset{p=1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(1\right)}{\Σ}}{f}_o^n\left(p\right)& l=1,\\ \frac{1}{{\stackrel{\‾}{p}}_h\left(l\right)-{\stackrel{\‾}{p}}_h(l-1)}\·\underset{p={\stackrel{\‾}{p}}_h(l-1)+1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(l\right)}{\Σ}}{f}_o^n\left(p\right)& l>1\end{array}\right.,n=1,2,...,\hat{N};$

根据估计得到的归一化混合矩阵列向量估计时频域跳频源信号，具体如下：对所有采样时刻索引p判断该时刻索引属于哪一跳，具体方法为：如果则表示时刻p属于第l跳；如果则表示时刻p属于第1跳；

对第l(l＝1,2,…)跳的所有时刻p_l，估计该跳各跳频源信号的时频域数据，计算公式如下：

$\left\{\begin{array}{c}{\tilde{S}}_j(p_l,q)=\frac{1}{\left|\right|{\hat{a}}_j\left(l\right)|{|}^2}\·{\hat{a}}_j^H\left(l\right)\×\left[\begin{array}{c}{\tilde{X}}_1(p_l,q)\\ {\tilde{X}}_2(p_l,q)\\ \·\\ \·\\ \·\\ {\tilde{X}}_M(p_l,q)\end{array}\right]\\ j=\underset{j_0=1,2,...,\hat{N}}{\arg \max }\left(\right|{\[{\tilde{X}}_1(p_l,q),{\tilde{X}}_2(p_l,q),...,{\tilde{X}}_M(p_l,q)\]}^H\×{\hat{a}}_{j_0}\left(l\right)\left|\right)\\ {\tilde{S}}_m(p_l,q)=0,m=1,2,...,M,m\≠j\\ q=0,1,2,...,N_{fft}-1\end{array}\right..$

与现有技术相比，本发明的有益效果是：该种地质建造监测系统设计合理，操作简单，通过电磁场在地质建造内强弱的检测，能够有效的对地质构造进行检测，从而反应出地质情况，具有十分重要的实用意义。本发明采用内插外推时间配准算法实现了加速度传感器采样数据的同步，并根据内插外推时间配准的结果建立了与目标运动状态无关的伪量测方程，采用基于ECEF的空间配准算法实现了异步加速度传感器的空间配准。

附图说明

图1为本发明的结构原理示意图。

图2为本发明的结构示意图。

图中：1-外壳；2-电磁场生成装置；3-PC端；4-电源装置；5-电磁感应器；6-信号放大器；7-信号整形器；8-微处理器；9-通讯模块；10-存储装置；11-加速度传感器；12-保护罩。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-2，本发明提供的一种实施例：一种地质建造的检测系统，包括外壳1、电磁场生成装置2和PC端3；电磁场生成装置2有多个，且自上而下的依次安装在外壳1上，电磁场生成装置2自上而下形成阵列式电磁场，多个电磁生成装置2布设于水平面内，且每个电磁生成装置2的轴线方向相互平行且垂直于水平面，使所有的电磁生成装置2都保持水平状态，使检测出的数据更加具有可比性，真实度更高，外壳1内部自上而下设置有多个电源装置4和多个电磁感应器5，每个电源装置4分别与相应的电磁感应器5和相应的电磁生成装置2电性相连，电源装置4与电磁感应器5上均设置有保护罩12，由于地下可能有水或其他液体，保护罩12能够保护电源装置4和电磁感应器5，电磁感应器5电性连接有信号放大器6，信号放大器6电性连接有信号整形器7，信号整形器7电性连接有微处理器8，微处理器8连接有通讯模块9，通讯模块9电性连接有存储装置10，通讯模块9采用GPRS通讯系统或者红外通讯模块，无需布线，节省人力和成本，存储装置10与PC端3相电性导通连接，外壳1上还设有加速度传感器11，且加速度传感器11与微处理器8电性相连,加速度传感器11用于检测待测区域的震动情况，并通过微处理器8经通讯模块9传递给PC端3。

优选的，所述加速度传感器包括：加速度传感器A、加速度传感器B；

加速度传感器A、加速度传感器B在本地直角坐标系下的量测数据分别为Y_A(t_i)和Y_B(t_i)，且加速度传感器A的采样频率大于加速度传感器B的采样频率，则由加速度传感器A向加速度传感器B的采样时刻进行配准，具体为：

采用内插外推的时间配准算法将加速度传感器A的采样数据向加速度传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：

在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将加速度传感器A的观测数据分别向加速度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得加速度传感器A在t_Bk时刻在本地直角坐标系下的量测值为：

其中，t_Bk为配准时刻，t_k-1,t_k,t_k+1为加速度传感器A距离配准时刻最近的三个采样时刻，Y_A(t_k-1),Y_A(t_k),Y_A(t_k+1)分别为其对应的对目标的探测数据；

完成时间配准后，根据加速度传感器A的配准数据与加速度传感器B的采样数据，采用基于地心地固坐标系下的伪量测法实现加速度传感器A和加速度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：

k时刻目标在本地直角坐标系下真实位置为X'₁(k)＝[x'₁(k),y'₁(k),z'₁(k)]^T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X₁(k)＝[x₁(k),y₁(k),z₁(k)]^T；传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有

其中表示观测噪声,均值为零、方差为

式(1)用一阶近似展开并写成矩阵形式为：

X'₁(k)＝X₁(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT (3)

其中，

设两部加速度传感器A和B,则对于同一个公共目标，地心地固坐标系下为X'_e＝[x'_e,y'_e,z'_e]^T，可得

X'_e＝X_As+B_AX'_A1(k)＝X_Bs+B_BX'_B1(k)\*MERGEFORMAT (4)

B_A，B_B分别为目标在加速度传感器A与加速度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；

定义伪量测为：

Z(k)＝X_Ae(k)-X_Be(k)\*MERGEFORMAT (5)

其中，X_Ae(k)＝X_As+B_AX_A1(k)；X_Be(k)＝X_Bs+B_BX_B1(k)

将式(2)、式(3)代入式(4)得到关于传感器偏差的伪测量方程

Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT (6)

其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于n_A(k),n_B(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)；

加速度传感器A的量测模型如下：

Y_A(t_k-1)、Y_A(t_k)、Y_A(t_k+1)分别为加速度传感器A对目标在t_k-1,t_k,t_k+1时刻的本地笛卡尔坐标系下的量测值，分别为：

$\begin{array}{c}{Y}_A\left(t_{k-1}\right)={Y^{\′}}_A\left(t_{k-1}\right)-C_A\left(t_{k-1}\right){\mathrm{\ξ}}_A\left(t_{k-1}\right)+n_{Y_A\left(t_{k-1}\right)}\\ \backslash *MERGEFORMAT\end{array}---\left(7\right)$

$\begin{array}{c}{Y}_A\left(t_k\right)={Y^{\′}}_A\left(t_k\right)-C_A\left(t_k\right){\mathrm{\ξ}}_A\left(t_k\right)+n_{Y_A\left(t_k\right)}\\ \backslash *MERGEFORMAT\end{array}---\left(8\right)$

$\begin{array}{cc}{Y}_A\left(t_{k+1}\right)={Y^{\′}}_A\left(t_{k+1}\right)-C_A\left(t_{k+1}\right){\mathrm{\ξ}}_A\left(t_{k+1}\right)+n_{Y_A\left(t_{k+1}\right)}& \backslash *MERGEFORMAT\end{array}---\left(9\right)$

其中，Y'_A(t_k-1)、Y'_A(t_k)、Y'_A(t_k+1)分别为加速度传感器A在t_k-1,t_k,t_k+1时刻的本地笛卡尔坐标系下的真实位置；C_A(t)为误差的变换矩阵；ξ_A(t)为传感器的系统误差；为系统噪声，假设为零均值、相互独立的高斯型随机变量，噪声协方差矩阵分别为R_A(k-1)、R_A(k)、R_A(k+1)；

加速度传感器A向加速度传感器B进行配准的具体过程如下：

将式(7)、式(8)、式(9)带入式(1)，可得：

其中：为加速度传感器A的本地直角坐标系下目标的真实位置在t_Bk时刻的时间配准值；为系统误差造成的误差项；为随机噪声，假定t_k-1、t_k、t_k+1时刻的噪声互不相关的零均值白噪声，则为均值为零，协方差矩阵为R_A＝a²R_A(k-1)+b²R_A(k)+c²R_A(k+1)的白噪声，而a、b、c、分别为且a+b+c＝1。

优选的，所述微处理器信号盲源分离模块，所述信号盲源分离模块的信号盲源分离方法包括：

对跳频混合信号时频域矩阵进行预处理，具体包括：对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b₁(p,q),b₂(p,q),…,b_M(p,q)]^T，其中

利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率时，包括：在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；对所有求均值并取整，得到源信号个数的估计即

$\hat{N}=round\left(\frac{1}{p}\underset{p=0}{\overset{P-1}{\Σ}}{\hat{N}}_p\right);$

找出的时刻，用p_h表示，对每一段连续取值的p_h求中值，用表示第l段相连p_h的中值，则表示第l个频率跳变时刻的估计；根据估计得到的以及估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：

${\hat{a}}_n\left(l\right)=\left\{\begin{array}{cc}\frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)}\·\underset{p=1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(1\right)}{\Σ}}{b}_{n,p}^0& l=1\\ \frac{1}{{\stackrel{\‾}{p}}_h\left(l\right)-{\stackrel{\‾}{p}}_h(l-1)}\·\underset{p={\stackrel{\‾}{p}}_h(l-1)+1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(l\right)}{\Σ}}{b}_{n,p}^0& l>1\end{array}\right.,n=1,2,...,\hat{N}$

这里表示第l跳对应的个混合矩阵列向量估计值；估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：

${\hat{f}}_{c,n}\left(l\right)=\left\{\begin{array}{cc}\frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)}\·\underset{p=1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(1\right)}{\Σ}}{f}_o^n\left(p\right)& l=1,\\ \frac{1}{{\stackrel{\‾}{p}}_h\left(l\right)-{\stackrel{\‾}{p}}_h(l-1)}\·\underset{p={\stackrel{\‾}{p}}_h(l-1)+1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(l\right)}{\Σ}}{f}_o^n\left(p\right)& l>1\end{array}\right.,n=1,2,...,\hat{N};$

根据估计得到的归一化混合矩阵列向量估计时频域跳频源信号，具体如下：对所有采样时刻索引p判断该时刻索引属于哪一跳，具体方法为：如果则表示时刻p属于第l跳；如果则表示时刻p属于第1跳；

对第l(l＝1,2,…)跳的所有时刻p_l，估计该跳各跳频源信号的时频域数据，计算公式如下：

$\left\{\begin{array}{c}{\tilde{S}}_j(p_l,q)=\frac{1}{\left|\right|{\hat{a}}_j\left(l\right)|{|}^2}\·{\hat{a}}_j^H\left(l\right)\×\left[\begin{array}{c}{\tilde{X}}_1(p_l,q)\\ {\tilde{X}}_2(p_l,q)\\ \·\\ \·\\ \·\\ {\tilde{X}}_M(p_l,q)\end{array}\right]\\ j=\underset{j_0=1,2,...,\hat{N}}{\arg \max }\left(\right|{\[{\tilde{X}}_1(p_l,q),{\tilde{X}}_2(p_l,q),...,{\tilde{X}}_M(p_l,q)\]}^H\×{\hat{a}}_{j_0}\left(l\right)\left|\right)\\ {\tilde{S}}_m(p_l,q)=0,m=1,2,...,M,m\≠j\\ q=0,1,2,...,N_{fft}-1\end{array}\right..$

工作原理：在使用时，将外壳1放入待测的地质建造区域内，接通电源装置4，电磁生成装置2开始工作并生成电磁场，同时电磁感应器5开始感应相对应电磁生成装置2所生成电磁场磁性的强弱，并通过信号放大器6将感应到的信号放大，通过信号整形器7整形后将数据传输给微处理器8，信号经过微处理器8处理后以数据的形式通过通讯模块9将数据处理后发送给存储装置10，并存储下来，通过PC端3可随时调出数据，观察并分析。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

Claims (3)

1.一种地质建造的检测系统，包括外壳、电磁场生成装置和PC端；其特征在于：所述电磁场生成装置有多个，且自上而下的依次安装在外壳上，所述外壳内部自上而下设置有多个电源装置和多个电磁感应器，所述每个电源装置分别与相应的电磁感应器和相应的电磁生成装置电性相连，所述电磁感应器电性连接有信号放大器，所述信号放大器电性连接有信号整形器，所述信号整形器电性连接有微处理器，所述微处理器连接有通讯模块，所述通讯模块电性连接有存储装置，所述存储装置与所述PC端相电性导通连接；

所述外壳上还设有加速度传感器，且所述加速度传感器与所述微处理器电性相连；

所述电磁场生成装置自上而下形成阵列式电磁场，多个电磁生成装置布设于水平面内，且每个电磁生成装置的轴线方向相互平行且垂直于水平面；

所述电源装置与所述电磁感应器上均设置有保护罩；

所述通讯模块采用GPRS通讯系统或者红外通讯模块。

2.如权利要求1所述的地质建造的检测系统，其特征在于，所述加速度传感器包括：加速度传感器A、加速度传感器B；

加速度传感器A、加速度传感器B在本地直角坐标系下的量测数据分别为Y_A(t_i)和Y_B(t_i)，且加速度传感器A的采样频率大于加速度传感器B的采样频率，则由加速度传感器A向加速度传感器B的采样时刻进行配准，具体为：

采用内插外推的时间配准算法将加速度传感器A的采样数据向加速度传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：

在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将加速度传感器A的观测数据分别向加速度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得加速度传感器A在t_Bk时刻在本地直角坐标系下的量测值为：

其中，t_Bk为配准时刻，t_k-1,t_k,t_k+1为加速度传感器A距离配准时刻最近的三个采样时刻，Y_A(t_k-1),Y_A(t_k),Y_A(t_k+1)分别为其对应的对目标的探测数据；

完成时间配准后，根据加速度传感器A的配准数据与加速度传感器B的采样数据，采用基于地心地固坐标系下的伪量测法实现加速度传感器A和加速度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：

k时刻目标在本地直角坐标系下真实位置为X'₁(k)＝[x'₁(k),y'₁(k),z'₁(k)]^T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X₁(k)＝[x₁(k),y₁(k),z₁(k)]^T；传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有

其中表示观测噪声,均值为零、方差为

式(1)用一阶近似展开并写成矩阵形式为：

X'₁(k)＝X₁(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT (3)

其中，

设两部加速度传感器A和B,则对于同一个公共目标，地心地固坐标系下为X'_e＝[x'_e,y'_e,z'_e]^T，可得

X'_e＝X_As+B_AX'_A1(k)＝X_Bs+B_BX'_B1(k)\*MERGEFORMAT (4)

B_A，B_B分别为目标在加速度传感器A与加速度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；

定义伪量测为：

Z(k)＝X_Ae(k)-X_Be(k)\*MERGEFORMAT (5)

其中，X_Ae(k)＝X_As+B_AX_A1(k)；X_Be(k)＝X_Bs+B_BX_B1(k)

将式(2)、式(3)代入式(4)得到关于传感器偏差的伪测量方程

Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT (6)

其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于n_A(k),n_B(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)；

加速度传感器A的量测模型如下：

Y_A(t_k-1)、Y_A(t_k)、Y_A(t_k+1)分别为加速度传感器A对目标在t_k-1,t_k,t_k+1时刻的本地笛卡尔坐标系下的量测值，分别为：

$Y_A\left(t_{k-1}\right)={Y^{\′}}_A\left(t_{k-1}\right)-C_A\left(t_{k-1}\right){\mathrm{\ξ}}_A\left(t_{k-1}\right)+n_{Y_A\left(t_{k-1}\right)}$ $\backslash *\mathrm{MERGEFORMAT}---\left(7\right)$

$\begin{array}{c}{Y}_A\left(t_k\right)={Y^{\′}}_A\left(t_k\right)-C_A\left(t_k\right){\mathrm{\ξ}}_A\left(t_k\right){+n}_{Y_A\left(t_k\right)}\\ \backslash *\mathrm{MERGEFORMAT}---\left(8\right)\end{array}$

$Y_A\left(t_{k-1}\right)={Y^{\′}}_A\left(t_{k-1}\right)-C_A\left(t_{k-1}\right){\mathrm{\ξ}}_A\left(t_{k-1}\right)+n_{Y_A\left(t_{k-1}\right)}\backslash *\mathrm{MERGEFORMAT}---\left(9\right)$

其中，Y'_A(t_k-1)、Y'_A(t_k)、Y'_A(t_k+1)分别为加速度传感器A在t_k-1,t_k,t_k+1时刻的本地笛卡尔坐标系下的真实位置；C_A(t)为误差的变换矩阵；ξ_A(t)为传感器的系统误差；为系统噪声，假设为零均值、相互独立的高斯型随机变量，噪声协方差矩阵分别为R_A(k-1)、R_A(k)、R_A(k+1)；

加速度传感器A向加速度传感器B进行配准的具体过程如下：

将式(7)、式(8)、式(9)带入式(1)，可得：

其中：为加速度传感器A的本地直角坐标系下目标的真实位置在t_Bk时刻的时间配准值；为系统误差造成的误差项；为随机噪声，假定t_k-1、t_k、t_k+1时刻的噪声互不相关的零均值白噪声，则为均值为零，协方差矩阵为R_A＝a²R_A(k-1)+b²R_A(k)+c²R_A(k+1)的白噪声，而a、b、c、分别为且a+b+c＝1。

3.如权利要求1所述的地质建造的检测系统，其特征在于，所述微处理器信号盲源分离模块，所述信号盲源分离模块的信号盲源分离方法包括：

对跳频混合信号时频域矩阵进行预处理，具体包括：对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b₁(p,q),b₂(p,q),…,b_M(p,q)]^T，其中

利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率时，包括：在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；对所有求均值并取整，得到源信号个数的估计即

$\hat{N}=round\left(\frac{1}{p}\underset{p=0}{\overset{P-1}{\Σ}}{\hat{N}}_p\right);$

找出的时刻，用p_h表示，对每一段连续取值的p_h求中值，用表示第l段相连p_h的中值，则表示第l个频率跳变时刻的估计；根据估计得到的以及估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：

${\hat{a}}_n\left(l\right)=\left\{\begin{array}{cc}\frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)}\·\underset{p=1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(1\right)}{\Σ}}{b}_{n,p}^0& l=1,\\ \frac{1}{{\stackrel{\‾}{p}}_h\left(l\right)-{\stackrel{\‾}{p}}_h(l-1)}\·\underset{p={\stackrel{\‾}{p}}_h(l-1)+1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(l\right)}{\Σ}}{b}_{n,p}^0& l>1,\end{array}\right.,n=1,2,\mathrm{...},\hat{N}$

这里表示第l跳对应的个混合矩阵列向量估计值；估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：

${\hat{f}}_{c,n}\left(l\right)=\left\{\begin{array}{cc}\frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)}\·\underset{p=1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(1\right)}{\Σ}}{f}_o^n\left(p\right)& l=1,\\ \frac{1}{{\stackrel{\‾}{p}}_h\left(l\right)-{\stackrel{\‾}{p}}_h(l-1)}\·\underset{p={\stackrel{\‾}{p}}_h(l-1)+1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(l\right)}{\Σ}}{f}_o^n\left(p\right)& l>1,\end{array}\right.,n=1,2,\mathrm{...},\hat{N};$

根据估计得到的归一化混合矩阵列向量估计时频域跳频源信号，具体如下：对所有采样时刻索引p判断该时刻索引属于哪一跳，具体方法为：如果则表示时刻p属于第l跳；如果则表示时刻p属于第1跳；

对第l(l＝1,2,…)跳的所有时刻p_l，估计该跳各跳频源信号的时频域数据，计算公式如下：

$\left\{\begin{array}{c}{\tilde{S}}_j(p_l,q)=\frac{1}{\left|\right|{\hat{a}}_j\left(l\right)|{|}^2}\·{\hat{a}}_j^H\left(l\right)\×\left[\begin{array}{c}{\tilde{X}}_1(p_l,q)\\ {\tilde{X}}_2(p_l,q)\\ .\\ .\\ .\\ {\tilde{X}}_M(p_l,q)\end{array}\right]\\ j=\underset{j_0=1,2,\mathrm{...}\hat{N}}{\arg \max }\left(\right|{\[{\tilde{X}}_1(p_l,q),{\tilde{X}}_2(p_l,q),\mathrm{...},{\tilde{X}}_M(p_l,q)\]}^H\×{\hat{a}}_{j_0}\left(l\right)\left|\right)\\ {\tilde{S}}_m(p_l,q)=0,m=1,2,\mathrm{...},M,m\≠j\\ q=0,1,2,\mathrm{...},N_{fft}-1\end{array}\right..$