CN111679322A - 一种利用l1模优化的微震信号滤波方法和系统 - Google Patents

一种利用l1模优化的微震信号滤波方法和系统 Download PDF

Info

Publication number
CN111679322A
CN111679322A CN202010502216.3A CN202010502216A CN111679322A CN 111679322 A CN111679322 A CN 111679322A CN 202010502216 A CN202010502216 A CN 202010502216A CN 111679322 A CN111679322 A CN 111679322A
Authority
CN
China
Prior art keywords
matrix
signal sequence
optimization
characteristic value
power matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202010502216.3A
Other languages
English (en)
Inventor
翟明岳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Petrochemical Technology
Original Assignee
Guangdong University of Petrochemical Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Petrochemical Technology filed Critical Guangdong University of Petrochemical Technology
Priority to CN202010502216.3A priority Critical patent/CN111679322A/zh
Publication of CN111679322A publication Critical patent/CN111679322A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/364—Seismic filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/30—Noise handling
    • G01V2210/32—Noise reduction
    • G01V2210/324—Filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明的实施例公开一种利用
Figure DDA0002525205280000011
模优化的微震信号滤波方法和系统，所述方法包括：步骤101获取按时间顺序采集的信号序列S；步骤102求取
Figure DDA0002525205280000012
模稀疏度P；步骤103求取
Figure DDA0002525205280000013
模优化特征值矩阵κ；步骤104求取
Figure DDA0002525205280000014
模优化矩阵A；步骤105求取滤除了噪声后的信号序列Snew。

Description

一种利用L1模优化的微震信号滤波方法和系统
技术领域
本发明涉及地学领域，尤其涉及一种微震信号滤波方法和系统。
背景技术
水力压裂微震监测技术是近年来在低渗透率储层压裂、油藏驱动和水驱前缘等领域发展起来的一项重要新技术，也是页岩气开发的重要支撑技术。该项技术在邻井中布置多级三分量检波器排列，监测压裂井目的层段在水力压裂过程中所产生的微震事件，反演微震事件求取震源位置等参数，从而描述水力压裂过程中裂缝生长的几何形状及空间分布，实时提供水力压裂产生裂缝的长度、高度、宽度及方位，实现页岩气的工业化开发。水力压裂微震检测是当前页岩气开发领域科学研究的热点和难点。从社会和国家的需求角度考虑，开展微震监测系统方面的研究十分重要，具有重大的社会和经济价值。
微震监测系统中重要的一项工作是微震事件的定位。定位精度是影响微震监测系统应用效果的最为重要的因素，而微震事件定位的准确程度则主要依赖于波动初至(又可称为初至)读取的准确性等有关因素。但问题是，初至拾取并不如想象中的那般简单。受地面仪器采动以及地质构造的影响，岩石破裂形式十分复杂，继而产生各种形式和能量的微震波动，其形式可多达几十甚至上百种，不仅主频、延时和能量等方面有差异，而且在初至位置附近的波形形态差异巨大，这种波形特征的不统一为初至拾取到来了很大困难。进一步的研究还表明，微震震源机制也会影响初至点特征：硬岩剪切作用产生的微震波动大多能量大、主频较高、延时短以及最大峰值位置紧跟初始初至，这类波的初至点清晰、起跳延时短，拾取较为容易；但拉伸作用产生的微震波动大多能量小、主频低、延时长、起跳缓慢、能量分布较为均匀，这类波初至点处振幅较小，容易被干扰信号淹没，初至点的特征表现不一致，初至拾取并不容易；而软岩所产生的微震波动，能量分布集中、初始初至点模糊、分界线不明显，与硬岩有明显的不同，初至拾取也较为困难。同时，根据国外的研究发现，由于P波速度大于S波速度，很多算法想当然地认为初至波为P波，但事实可能更为复杂：初至可能是P波，也可能是S波，甚至还有可能是异常点(outliers)。根据研究，41％的初至为S波，10％的初至是outliers造成的。这些都给初至拾取带来了相当大的难度。
除了初至点特征复杂外，初至拾取还面临着另外一个更大的挑战：微震记录是海量数据。例如，2005年1月某试验区记录了近1万个微震事件。同时为了满足生产需求，微震监测系统需要一天24小时连续记录。不但如此，这些数据中有很大一部分都是人类或者机械活动所造成的噪声和干扰，与微震无关。文献更是将噪声分为三种基本类型：高频(>200Hz)噪声，由各种作业相关活动造成；低频噪声(<10Hz)，通常是由远离记录地点的机器活动造成，以及工业电流(50Hz)。除此之外，微震信号本身也并不纯粹，例如我国学者窦林名教授等认为微震信号包括多种信号。
因此，如何从海量数据中识别微震事件、拾取初至，是微震数据处理的基础。与此形成对比的是，生产上多采取人工方法，费时费力且精度与可靠性差，拾取质量无法保证，也无法处理海量数据。初至自动拾取是解决方法之一，微震波动初至自动拾取是微震监测数据处理的关键技术之一，也是实现微震震源自动定位的技术难点。
发明内容
由于水利压力微震检测工作环境复杂，微震信号遭受到严重的背景噪声干扰，背景噪声呈现出明显的非平稳性和非高斯特性，常用的低通滤波器在非平稳和非高斯噪声环境中难以达到理想的滤波效果，很难滤除非平稳非高斯噪声，严重影响了微震事件检测算法的性能。
本发明的目的是提供一种利用
Figure BDA0002525205260000021
模优化的微震信号滤波方法和系统，所提出的方法利用了微震信号和背景噪声在信号表示领域中的差异，通过
Figure BDA0002525205260000022
模优化性质区分微震信号和背景噪声。所提出的方法具有较好的噪声滤除性能，计算也较为简单。
为实现上述目的，本发明提供了如下方案：
一种利用
Figure BDA0002525205260000023
模优化的微震信号滤波方法，包括：
步骤101 获取按时间顺序采集的信号序列S；
步骤102 求取
Figure BDA0002525205260000024
模稀疏度P，具体为：所述
Figure BDA0002525205260000025
模稀疏度P的计算公式为P＝
Figure BDA0002525205260000026
其中，N为所述信号序列S的长度；σ0为所述信号序列S的均方差；snr为所述信号序列S的信噪比；λmin为功率矩阵B 的非零最小特征值；λmax为所述功率矩阵B的最大特征值；所述功率矩阵B的计算公式为
Figure BDA0002525205260000027
m0为所述信号序列S的均值；
Figure BDA0002525205260000028
为下取整运算；
步骤103 求取
Figure BDA0002525205260000029
模优化特征值矩阵κ，具体为：判断所述功率矩阵B的第n个特征值γn是否大于或者等于判断阈值ε0，得到第一判断结果；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn大于或者等于所述判断阈值ε0，则所述
Figure BDA00025252052600000210
模优化特征值矩阵κ的第n个对角线元素κn为κn＝γn；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn小于所述判断阈值ε0，则所述
Figure BDA00025252052600000211
模优化特征值矩阵κ的第n个对角线元素κn为κn＝0；n为特征值序号，所述特征值序号n的取值范围为 n＝1,2,···,N；所述判断阈值ε0的计算公式为
Figure BDA00025252052600000212
步骤104 求取
Figure BDA00025252052600000213
模优化矩阵A，具体为：所述
Figure BDA00025252052600000214
模优化矩阵A的计算公式为 A＝UκV。其中，U为所述功率矩阵B的左特征矢量矩阵；V为所述功率矩阵B的右特征矢量矩阵；
步骤105 求取滤除了噪声后的信号序列Snew，具体为：在所有满足等式Ax＝S 的中间参数矢量x中，选择使
Figure BDA00025252052600000215
最小的所述中间参数矢量x作为所述滤除了噪声后的信号序列Snew。其中，
Figure BDA00025252052600000216
表示所述中间参数矢量x的
Figure BDA00025252052600000217
模。
一种利用
Figure BDA00025252052600000218
模优化的微震信号滤波系统，包括：
模块201 获取按时间顺序采集的信号序列S；
模块202 求取
Figure BDA00025252052600000219
模稀疏度P，具体为：所述
Figure BDA00025252052600000220
模稀疏度P的计算公式为
Figure BDA00025252052600000221
Figure BDA00025252052600000222
其中，N为所述信号序列S的长度；σ0为所述信号序列S的均方差；snr为所述信号序列S的信噪比；λmin为功率矩阵B 的非零最小特征值；λmax为所述功率矩阵B的最大特征值；所述功率矩阵B的计算公式为
Figure BDA0002525205260000031
m0为所述信号序列S的均值；
Figure BDA0002525205260000032
为下取整运算；
模块203 求取
Figure BDA0002525205260000033
模优化特征值矩阵κ，具体为：判断所述功率矩阵B的第n个特征值γn是否大于或者等于判断阈值ε0，得到第一判断结果；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn大于或者等于所述判断阈值ε0，则所述
Figure BDA0002525205260000034
模优化特征值矩阵κ的第n个对角线元素κn为κn＝γn；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn小于所述判断阈值ε0，则所述
Figure BDA0002525205260000035
模优化特征值矩阵κ的第n个对角线元素κn为κn＝0；n为特征值序号，所述特征值序号n的取值范围为 n＝1,2,···,N；所述判断阈值ε0的计算公式为
Figure BDA0002525205260000036
模块204 求取
Figure BDA0002525205260000037
模优化矩阵A，具体为：所述
Figure BDA0002525205260000038
模优化矩阵A的计算公式为 A＝UκV。其中，U为所述功率矩阵B的左特征矢量矩阵；V为所述功率矩阵B的右特征矢量矩阵；
模块205 求取滤除了噪声后的信号序列Snew，具体为：在所有满足等式Ax＝S 的中间参数矢量x中，选择使
Figure BDA0002525205260000039
最小的所述中间参数矢量x作为所述滤除了噪声后的信号序列Snew。其中，
Figure BDA00025252052600000310
表示所述中间参数矢量x的
Figure BDA00025252052600000311
模。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
由于水利压力微震检测工作环境复杂，微震信号遭受到严重的背景噪声干扰，背景噪声呈现出明显的非平稳性和非高斯特性，常用的低通滤波器在非平稳和非高斯噪声环境中难以达到理想的滤波效果，很难滤除非平稳非高斯噪声，严重影响了微震事件检测算法的性能。
本发明的目的是提供一种利用
Figure BDA00025252052600000312
模优化的微震信号滤波方法和系统，所提出的方法利用了微震信号和背景噪声在信号表示领域中的差异，通过
Figure BDA00025252052600000313
模优化性质区分微震信号和背景噪声。所提出的方法具有较好的噪声滤除性能，计算也较为简单。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程示意图；
图2为本发明的系统流程示意图；
图3为本发明的具体实施案例流程示意图。
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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1一种利用
Figure BDA0002525205260000041
模优化的微震信号滤波方法的流程示意图
图1为本发明一种利用
Figure BDA0002525205260000042
模优化的微震信号滤波方法的流程示意图。如图1所示，所述的一种利用
Figure BDA0002525205260000043
模优化的微震信号滤波方法具体包括以下步骤：
步骤101 获取按时间顺序采集的信号序列S；
步骤102 求取
Figure BDA0002525205260000044
模稀疏度P，具体为：所述
Figure BDA0002525205260000045
模稀疏度P的计算公式为
Figure BDA0002525205260000046
Figure BDA0002525205260000047
其中，N为所述信号序列S的长度；σ0为所述信号序列S的均方差；snr为所述信号序列S的信噪比；λmin为功率矩阵B 的非零最小特征值；λmax为所述功率矩阵B的最大特征值；所述功率矩阵B的计算公式为
Figure BDA0002525205260000048
m0为所述信号序列S的均值；
Figure BDA0002525205260000049
为下取整运算；
步骤103 求取
Figure BDA00025252052600000410
模优化特征值矩阵κ，具体为：判断所述功率矩阵B的第n个特征值γn是否大于或者等于判断阈值ε0，得到第一判断结果；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn大于或者等于所述判断阈值ε0，则所述
Figure BDA00025252052600000411
模优化特征值矩阵κ的第n个对角线元素κn为κn＝γn；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn小于所述判断阈值ε0，则所述
Figure BDA00025252052600000412
模优化特征值矩阵κ的第n个对角线元素κn为κn＝0；n为特征值序号，所述特征值序号n的取值范围为 n＝1,2,···,N；所述判断阈值ε0的计算公式为
Figure BDA00025252052600000413
步骤104 求取
Figure BDA00025252052600000414
模优化矩阵A，具体为：所述
Figure BDA00025252052600000415
模优化矩阵A的计算公式为 A＝UκV。其中，U为所述功率矩阵B的左特征矢量矩阵；V为所述功率矩阵B的右特征矢量矩阵；
步骤105 求取滤除了噪声后的信号序列Snew，具体为：在所有满足等式Ax＝S 的中间参数矢量x中，选择使
Figure BDA00025252052600000416
最小的所述中间参数矢量x作为所述滤除了噪声后的信号序列Snew。其中，
Figure BDA00025252052600000417
表示所述中间参数矢量x的
Figure BDA00025252052600000418
模。
图2一种利用
Figure BDA00025252052600000419
模优化的微震信号滤波系统的结构意图
图2为本发明一种利用
Figure BDA00025252052600000420
模优化的微震信号滤波系统的结构示意图。如图2所示，所述一种利用
Figure BDA00025252052600000421
模优化的微震信号滤波系统包括以下结构：
模块201 获取按时间顺序采集的信号序列S；
模块202 求取
Figure BDA0002525205260000051
模稀疏度P，具体为：所述
Figure BDA0002525205260000052
模稀疏度P的计算公式为
Figure BDA0002525205260000053
Figure BDA0002525205260000054
其中，N为所述信号序列S的长度；σ0为所述信号序列S的均方差；snr为所述信号序列S的信噪比；λmin为功率矩阵B 的非零最小特征值；λmax为所述功率矩阵B的最大特征值；所述功率矩阵B的计算公式为
Figure BDA0002525205260000055
m0为所述信号序列S的均值；
Figure BDA0002525205260000056
为下取整运算；
模块203 求取
Figure BDA0002525205260000057
模优化特征值矩阵κ，具体为：判断所述功率矩阵B的第n个特征值γn是否大于或者等于判断阈值ε0，得到第一判断结果；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn大于或者等于所述判断阈值ε0，则所述
Figure BDA0002525205260000058
模优化特征值矩阵κ的第n个对角线元素κn为κn＝γn；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn小于所述判断阈值ε0，则所述
Figure BDA0002525205260000059
模优化特征值矩阵κ的第n个对角线元素κn为κn＝0；n为特征值序号，所述特征值序号n的取值范围为 n＝1,2,···,N；所述判断阈值ε0的计算公式为
Figure BDA00025252052600000510
模块204 求取
Figure BDA00025252052600000511
模优化矩阵A，具体为：所述
Figure BDA00025252052600000512
模优化矩阵A的计算公式为 A＝UκV。其中，U为所述功率矩阵B的左特征矢量矩阵；V为所述功率矩阵B的右特征矢量矩阵；
模块205 求取滤除了噪声后的信号序列Snew，具体为：在所有满足等式Ax＝S 的中间参数矢量x中，选择使
Figure BDA00025252052600000513
最小的所述中间参数矢量x作为所述滤除了噪声后的信号序列Snew。其中，
Figure BDA00025252052600000514
表示所述中间参数矢量x的
Figure BDA00025252052600000515
模。
下面提供一个具体实施案例，进一步说明本发明的方案
图3为本发明具体实施案例的流程示意图。如图3所示，具体包括以下步骤：
步骤301 获取按时间顺序采集的信号序列S；
步骤302 求取
Figure BDA00025252052600000516
模稀疏度P，具体为：所述
Figure BDA00025252052600000517
模稀疏度P的计算公式为
Figure BDA00025252052600000518
Figure BDA00025252052600000519
其中，N为所述信号序列S的长度；σ0为所述信号序列S的均方差；snr为所述信号序列S的信噪比；λmin为功率矩阵B 的非零最小特征值；λmax为所述功率矩阵B的最大特征值；所述功率矩阵B的计算公式为
Figure BDA00025252052600000520
m0为所述信号序列S的均值；
Figure BDA00025252052600000521
为下取整运算；
步骤303 求取
Figure BDA00025252052600000522
模优化特征值矩阵κ，具体为：判断所述功率矩阵B的第n个特征值γn是否大于或者等于判断阈值ε0，得到第一判断结果；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn大于或者等于所述判断阈值ε0，则所述
Figure BDA00025252052600000523
模优化特征值矩阵κ的第n个对角线元素κn为κn＝γn；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn小于所述判断阈值ε0，则所述
Figure BDA00025252052600000524
模优化特征值矩阵κ的第n个对角线元素κn为κn＝0；n为特征值序号，所述特征值序号n的取值范围为 n＝1,2,···,N；所述判断阈值ε0的计算公式为
Figure BDA00025252052600000525
步骤304 求取
Figure BDA0002525205260000061
模优化矩阵A，具体为：所述
Figure BDA0002525205260000062
模优化矩阵A的计算公式为 A＝UκV。其中，U为所述功率矩阵B的左特征矢量矩阵；V为所述功率矩阵B的右特征矢量矩阵；
步骤305 求取滤除了噪声后的信号序列Snew，具体为：在所有满足等式Ax＝S 的中间参数矢量x中，选择使
Figure BDA0002525205260000063
最小的所述中间参数矢量x作为所述滤除了噪声后的信号序列Snew。其中，
Figure BDA0002525205260000064
表示所述中间参数矢量x的
Figure BDA0002525205260000065
模。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述较为简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (2)

1.所述一种利用
Figure FDA00025252052500000122
模优化的微震信号滤波方法，其特征在于，包括：
步骤101 获取按时间顺序采集的信号序列S；
步骤102 求取
Figure FDA0002525205250000011
模稀疏度P，具体为：所述
Figure FDA0002525205250000012
模稀疏度P的计算公式为
Figure FDA0002525205250000013
其中，N为所述信号序列S的长度；σ0为所述信号序列S的均方差；snr为所述信号序列S的信噪比；λmin为功率矩阵B的非零最小特征值；λmax为所述功率矩阵B的最大特征值；所述功率矩阵B的计算公式为
Figure FDA0002525205250000014
m0为所述信号序列S的均值；
Figure FDA0002525205250000015
为下取整运算；
步骤103 求取
Figure FDA0002525205250000016
模优化特征值矩阵κ，具体为：判断所述功率矩阵B的第n个特征值γn是否大于或者等于判断阈值ε0，得到第一判断结果；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn大于或者等于所述判断阈值ε0，则所述
Figure FDA0002525205250000017
模优化特征值矩阵κ的第n个对角线元素κn为κn＝γn；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn小于所述判断阈值ε0，则所述
Figure FDA0002525205250000018
模优化特征值矩阵κ的第n个对角线元素κn为κn＝0；n为特征值序号，所述特征值序号n的取值范围为n＝1,2,···,N；所述判断阈值ε0的计算公式为
Figure FDA0002525205250000019
步骤104 求取
Figure FDA00025252052500000110
模优化矩阵A，具体为：所述
Figure FDA00025252052500000111
模优化矩阵A的计算公式为A＝UκV。其中，U为所述功率矩阵B的左特征矢量矩阵；V为所述功率矩阵B的右特征矢量矩阵；
步骤105 求取滤除了噪声后的信号序列Snew，具体为：在所有满足等式Ax＝S的中间参数矢量x中，选择使
Figure FDA00025252052500000112
最小的所述中间参数矢量x作为所述滤除了噪声后的信号序列Snew。其中，
Figure FDA00025252052500000113
表示所述中间参数矢量x的
Figure FDA00025252052500000114
模。
2.所述一种利用
Figure FDA00025252052500000115
模优化的微震信号滤波系统，其特征在于，包括：
模块201 获取按时间顺序采集的信号序列S；
模块202 求取
Figure FDA00025252052500000116
模稀疏度P，具体为：所述
Figure FDA00025252052500000117
模稀疏度P的计算公式为
Figure FDA00025252052500000118
其中，N为所述信号序列S的长度；σ0为所述信号序列S的均方差；snr为所述信号序列S的信噪比；λmin为功率矩阵B的非零最小特征值；λmax为所述功率矩阵B的最大特征值；所述功率矩阵B的计算公式为
Figure FDA00025252052500000119
m0为所述信号序列S的均值；
Figure FDA00025252052500000120
为下取整运算；
模块203 求取
Figure FDA00025252052500000121
模优化特征值矩阵κ，具体为：判断所述功率矩阵B的第n个特征值γn是否大于或者等于判断阈值ε0，得到第一判断结果；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn大于或者等于所述判断阈值ε0，则所述
Figure FDA0002525205250000028
模优化特征值矩阵κ的第n个对角线元素κn为κn＝γn；如果所述第一判断结果显示所述功率矩阵B的第n个特征值γn小于所述判断阈值ε0，则所述
Figure FDA0002525205250000021
模优化特征值矩阵κ的第n个对角线元素κn为κn＝0；n为特征值序号，所述特征值序号n的取值范围为n＝1,2,···,N；所述判断阈值ε0的计算公式为
Figure FDA0002525205250000022
模块204 求取
Figure FDA0002525205250000023
模优化矩阵A，具体为：所述
Figure FDA0002525205250000024
模优化矩阵A的计算公式为A＝UκV。其中，U为所述功率矩阵B的左特征矢量矩阵；V为所述功率矩阵B的右特征矢量矩阵；
模块205 求取滤除了噪声后的信号序列Snew，具体为：在所有满足等式Ax＝S的中间参数矢量x中，选择使
Figure FDA0002525205250000025
最小的所述中间参数矢量x作为所述滤除了噪声后的信号序列Snew。其中，
Figure FDA0002525205250000026
表示所述中间参数矢量x的
Figure FDA0002525205250000027
模。
CN202010502216.3A 2020-06-04 2020-06-04 一种利用l1模优化的微震信号滤波方法和系统 Withdrawn CN111679322A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010502216.3A CN111679322A (zh) 2020-06-04 2020-06-04 一种利用l1模优化的微震信号滤波方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010502216.3A CN111679322A (zh) 2020-06-04 2020-06-04 一种利用l1模优化的微震信号滤波方法和系统

Publications (1)

Publication Number Publication Date
CN111679322A true CN111679322A (zh) 2020-09-18

Family

ID=72434963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010502216.3A Withdrawn CN111679322A (zh) 2020-06-04 2020-06-04 一种利用l1模优化的微震信号滤波方法和系统

Country Status (1)

Country Link
CN (1) CN111679322A (zh)

Similar Documents

Publication Publication Date Title
CN110146918B (zh) 基于分群的微震事件检测方法和系统
CN110146920B (zh) 基于幅值相对变化的微震事件检测方法和系统
CN110794456A (zh) 一种利用高斯模型的微震信号重构方法和系统
CN111596362A (zh) 一种利用拉格朗日因子的微震信号滤波方法和系统
CN110361779B (zh) 一种基于卡方分布的微震事件检测方法和系统
CN110703321B (zh) 一种利用字典理论的微震事件检测方法和系统
CN110703319B (zh) 一种基于Khinchin-Einstein定理的微震事件检测方法和系统
CN111679321A (zh) 一种利用泛化梯度的微震信号重构方法和系统
CN111679322A (zh) 一种利用l1模优化的微震信号滤波方法和系统
CN111856563A (zh) 一种利用转换稀疏性的微震信号重构方法和系统
CN111596367A (zh) 一种利用子空间学习优化的微震信号重构方法和系统
CN110161560B (zh) 一种微震事件的检测方法和装置
CN112257560B (zh) 一种利用累积相似性的微震事件检测方法和系统
CN110703324A (zh) 一种利用随机字典表示的微震事件检测方法和系统
CN111679323A (zh) 一种利用误差矢量优化的微震信号滤波方法和系统
CN112394403B (zh) 一种利用边缘探测的微震事件检测方法和系统
CN110685665A (zh) 一种基于边界探测的微震事件检测方法和系统
CN110146921B (zh) 基于狄拉克分布概率的微震事件检测方法和系统
CN111596361A (zh) 一种利用局限点的微震信号滤波方法和系统
CN110146919B (zh) 基于正交投影的微震事件检测方法和系统
CN110333530B (zh) 一种微震事件检测方法和系统
CN112257565B (zh) 一种利用最大Hull距离的微震事件检测方法和系统
CN111614344A (zh) 一种利用近端梯度的微震信号滤波方法和系统
CN111679320A (zh) 一种利用Lipschitz投影的微震信号滤波方法和系统
CN110909639A (zh) 一种利用字典滤波矩阵的微震信号滤波方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20200918

WW01 Invention patent application withdrawn after publication