CN113389541A - 一种油井动液面信号高精度提取方法 - Google Patents

Abstract

本发明为一种油井动液面信号高精度提取方法，包括以下步骤：步骤S1：对声波法测油井的一组数据，初步确定含有动液面信号的数据段；步骤S2：对含有动液面信号的数据段进行同步挤压小波变换，得到该数据段的高分辨率时频分布；步骤S3：在此高分辨率时频平面上观察动液面信号的时频分布区域，并将其抠取出来；步骤S4：对抠取出的高分辨率时频分布做同步挤压重构，得到滤波后的动液面信号；步骤S5：定位动液面信号波形开始大幅突变的点，再根据采样频率算出动液面信号出现的时刻点。本发明采用同步挤压小波时频变换及其重构过程，能够有效提取出动液面信号，然后确定其波形中大幅突变的点的横坐标，结合采样频率可准确获取动液面信号出现的时刻点。

Description

一种油井动液面信号高精度提取方法

技术领域

本发明涉及测井信号处理技术领域，具体为一种油井动液面信号高精度提取方法。

背景技术

油田开发与生产中，油井动液面是油田开发动态分析中常用的一项重要资料，反映油井的工作状况和油层的供液能力，对确定油井合理的生产制度具有重要意义。能否准确获得动液面反射信号开始出现的时刻点，决定着动液面深度的计算是否准确。

目前，处理动液面信号的滤波方法有小波滤波、谱减法滤波、形态滤波等，它们都能够有效地识别提取出动液面信号，但也都存在各自的缺点。小波变换的时频分辨率存在较大的局限性，易造成时频模糊现象，且对于较高频信号会逐渐表现出不稳定性。基于该变换的滤波虽是较为普遍的一种滤波方法，但因其自身的局限性所能达到的滤波精度也很有限。在处理动液面信号时，根据所选取的小波基、分解层数、阈值类型等参数的不同，所得到的滤波结果也有所不同。谱减法滤波是一种在频域上处理信号的方法，它需先对含噪信号的噪声谱做出估计，然后从整个信号的频谱中减去估计出的噪声谱即可得到去噪后的信号频谱，最后对该频谱做傅里叶反变换即可得到滤波后的信号。但由于该方法对噪声谱的估计不够准确，所得到的信号比较粗糙，因此对动液面信号的识别与提取效果并不是很理想。形态滤波方法虽然能够很好地捕捉动液面信号的形态特征，但其消噪能力有限，提取出的动液面信号波形不够光滑，从而对准确识别动液面信号出现的时刻点造成一定的影响。

还有一些学者从现有的机器学习算法、进化算法、示功图和人工智能等角度出发，提出动液面信号的检测方法，如基于即时学习算法、鱼群算法、示功图及神经网络等算法的方法。这些方法都需根据一定的算法规则，如建立训练模型、跟踪轨迹，确立参考零点等，存在较大的计算复杂度。综合考虑动液面信号现有处理方法的优缺点，旨在寻找一种精度更高且效率更高的方法来识别提取动液面信号，进而确定其出现的时刻点。

时频分析方法是近年来处理非平稳信号的有力工具，已经被广泛应用于多个领域并且取得了瞩目的成果，但由于各个方法本身存在的局限性，对于高精度信号处理的要求还存在一定的距离。因此，需要不断发展性能更优的时频滤波方法应用于各领域，逐步达到更高一层的信号处理精度。本文采用基于同步挤压小波变换的时频滤波方法对声波法测油井中的动液面信号进行滤波提取。该时频方法通过将小波变换后的结果在时频域内进行挤压重排，从而可使信号的瞬时频率更接近于真实频率且瞬时频率曲线更精细易于识别。由于该方法在时频聚集度及分辨率方面较之于传统时频变换具有显著的优越性，因此也将会在动液面信号提取方面取得更优的效果。

发明内容

针对现有技术的不足，本发明提供了一种基于同步挤压小波变换的油井动液面信号高精度提取方法，解决上述背景技术提到的问题。该方法能够高精度、高效率地识别提取动液面信号，从而能够根据其波形图确定该信号波形开始大幅突变的点的横坐标，再结合采样频率即可准确获得该信号开始出现的时刻点。

为了实现以上目的，本发明通过以下技术方案予以实现：

一种油井动液面信号高精度提取方法，其特征在于：包括以下步骤：

步骤S1：对声波法测油井的一组数据，读取并绘制该数据的波形图，横坐标为采样点序号，纵坐标为幅值，并初步确定含有动液面信号的数据段；

步骤S2：对步骤S1确定的含有动液面信号的数据段进行同步挤压小波变换，得到该数据段的高分辨率时频分布；

步骤S3：在步骤S2获得的高分辨率时频分布中观察动液面信号的时频分布区域，通过频域带通滤波以及确定该区域的横坐标范围，将动液面信号的高分辨率时频分布区域抠取出来；

步骤S4：对步骤S3抠取出的动液面信号高分辨率时频分布做同步挤压重构，从而可得到滤波后的动液面信号；

步骤S5：在步骤S4所得滤波后的动液面信号波形中定位波形开始大幅突变的点，该点所对应的横坐标即为采样点序号，再结合采样频率算出动液面信号出现的时刻点。

优选地，所述步骤S2中对含有动液面信号的数据段进行同步挤压小波变换，具体步骤包括：

步骤S21：建立含有油井动液面信号的数据段的数学表达式；

步骤S22：对步骤S21建立的数学表达式进行连续小波变换；

步骤S23：对步骤S22中连续小波变换后的结果进行同步挤压时频重排。

优选地，所述步骤S21建立含有油井动液面信号的数据段的数学表达式为：

s(t)＝x(t)+n(t)；

其中，s(t)表示含有动液面信号的数据段，x(t)为待估计的动液面信号，n(t)为加性噪声或其他无效信号。

优选地，所述步骤S22对步骤S21建立的s(t)进行连续小波变换，具体步骤为：

其中，a为尺度因子，b为平移因子，ψ(t)为小波基函数，*表示复共轭；设

信号s(t)的模为A，则W_s(a,b)的频域表达式可写为：

即计算出任意一个时间—尺度点(a,b)所对应的频谱值W_s(a,b)，其中，ξ、ω₀为角频率；

如果W_s(a,b)≠0，那么此处对应的候选瞬时频率为：

优选地，所述步骤S23同步挤压时频重排的具体步骤为：由步骤S22中的公式可知，与时间—尺度点(a,b)对应的瞬时频率为ω_s(a,b)，假设信号的采样频率为cf，步骤S22中连续小波变换时所取尺度的个数为N，定义一组离散的频率值为ω_l＝l*cf/N,l∈[1,N]，以每个ω_l为中心，凡是与ω_l之间的距离小于Δω＝ω_l-ω_l-1的候选瞬时频率所对应的小波系数，都会被相加到一起，并保存到ω_l处；

根据步骤S22和S23，含有动液面信号的数据段的同步挤压小波变换为：

式中，T_s(ω_l,b)为挤压重排后的时频表示，即高分辨率时频表示，a_k为离散的尺度因子，且Δa_k＝a_k-a_k-1，b为平移因子。

优选地，所述步骤S4中对抠取出的动液面信号高分辨率时频分布做同步挤压重构，从而可得到滤波后的动液面信号，重构公式如下：

式中，

是一个常数且需根据所选的小波基函数而定，Re为取实部符号，T′_s(ω_l,b)为抠取出的动液面信号高分辨率时频分布，ξ为角频率，

即为重构出的动液面信号，所述

是步骤S21中x(t)的估计，即从s(t)中滤除了n(t)所得的信号。

优选地，在所述步骤S5中，对步骤S4所得的滤波后的动液面信号波形中开始大幅突变的点进行定位，该点的横坐标即为采样点序号，设此采样点序号为M，所述步骤S23中设信号的采样频率为cf，那么动液面信号波形开始大幅突变的时刻点为t＝M/cf，这个时刻点就是动液面信号开始出现的时刻点。

与现有技术相比，本发明的有益效果是：

本发明采用具有高分辨特性的同步挤压小波时频变换来获得声波法测油井数据中含有动液面信号的数据段的高分辨率时频分布，从高分辨率时频分布上识别出动液面信号的时频分布区域，通过频域带通滤波以及确定该区域的横坐标范围，将该区域抠取出来，再对抠取出的该动液面信号时频分布区域进行同步挤压重构，从而得到滤波后的动液面信号。在滤波后的动液面信号波形中定位波形开始大幅突变的点，该点所对应的横坐标即为采样点序号，再结合采样频率算出动液面信号开始出现的时刻点。

通过与采用小波变换所得的时频分布相比，同步挤压小波时频分布的分辨率更高，对动液面信号的识别和提取能力更强，因此根据所得的高分辨率时频分布能够有效提取出动液面信号，从而能更准确地获取其开始出现的时刻点。本发明对声波法测油井中动液面信号的辨识与提取具有非常优越的性能，为实际测油井中动液面信号的辨识与提取提供了一种有效途径。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

在附图中：

图1为本发明一种油井动液面信号高精度提取方法流程示意图；

图2为实施例1的依据声波法测油井原理模拟的信号波形图；

图3为实施例1的模拟含噪信号波形图；

图4为实施例1中模拟信号的同步挤压小波时频分布图：(a)是不含噪模拟信号的同步挤压小波时频分布图；(b)是含噪模拟信号的同步挤压小波时频分布图；

图5为实施例1中模拟信号的小波时频分布图：(a)是不含噪模拟信号的小波时频分布图；(b)是含噪模拟信号的小波时频分布图；

图6为实施例1中动液面信号的时频分布图：(a)是动液面信号的同步挤压小波时频分布图；(b)是动液面信号的小波时频分布图；

图7为实施例1的模拟信号中的动液面信号波形图：(a)是模拟不含噪信号中动液面信号波形图；(b)是模拟含噪信号中动液面信号波形图；

图8为实施例1中经同步挤压小波时频面滤波及重构所得的动液面信号波形图；

图9为实施例2的声波法测油井实际信号及其含有动液面信号的数据段波形图：(a)是声波法测油井实际信号波形图；(b)是含有动液面信号的数据段波形图；

图10为实施例2中含有动液面信号的数据段同步挤压小波时频分布以及从中抠取出的动液面信号时频分布图：(a)是含有动液面信号的数据段的同步挤压小波时频分布图；(b)是从高分辨率时频平面中抠取出的动液面信号时频分布图；

图11为实施例2经同步挤压小波时频面滤波及重构所得的动液面信号波形图；

图12为实施例3的声波法测油井实际信号及其可能含有动液面信号的数据段波形图：(a)是声波法测油井实际信号波形图；(b)是可能含有动液面信号的数据段波形图；

图13为实施例3中可能含有动液面信号的数据段的同步挤压小波时频分布以及从中抠取出的动液面信号时频分布图：(a)是可能含有动液面信号的数据段的同步挤压小波时频分布图；(b)是从高分辨率时频平面中抠取出的动液面信号时频分布图；

图14为实施例3中经同步挤压小波时频面滤波及重构所得的动液面信号波形图。

具体实施方式

为了使本领域的普通技术人员能更好地理解本发明的技术方案，下面结合附图和实施例对本发明的技术方案做进一步的描述。

如附图1可以得知，一种油井动液面信号高精度提取方法，包括以下步骤：

步骤S1：采用Matlab软件分析读取声波法测油井的一组数据，此类数据一般含有噪声或其他无效信号(一般情况下是随机噪声)，绘制该数据的波形图，横坐标为采样点序号，纵坐标为幅值，初步判断出含有动液面信号的数据段，确定该数据段的横坐标范围。动液面信号持续时间较短，没有周期性，具有明显的非平稳特性，且幅值较大、频率较低。然后将含有动液面信号的数据段从整组数据中截取出来。

步骤S2：对步骤S1确定的含有动液面信号的数据段进行同步挤压小波变换，得到该数据段的高分辨率时频分布，具体步骤包括：

步骤S21：设含有动液面信号的数据段为s(t)，该数据段中不仅包含有动液面信号，还包含有噪声或其他无效信号，分别用x(t)和n(t)表示，那么该数据段的数学表达式为：

s(t)＝x(t)+n(t)；

其中，x(t)为待估计的动液面信号，n(t)为加性噪声或其他无效信号(一般情况下为加性随机噪声)。

步骤S22：对步骤S21中建立的含有动液面信号的数据段s(t)进行连续小波变换，得到：

其中，a为尺度因子，b为平移因子，ψ(t)为小波基函数，*表示复共轭；设

信号s(t)的模为A，则W_s(a,b)的频域表达式可写为：

即计算出任意一个时间—尺度点(a,b)所对应的频谱值W_s(a,b)。其中，ξ、ω₀为角频率。

如果W_s(a,b)≠0，那么此处对应的候选瞬时频率为：

步骤S23：对步骤S22中得到的连续小波变换后的公式进行同步挤压小波变换，具体为：由步骤S22中的公式可知，与时间—尺度点(a,b)对应的瞬时频率为ω_s(a,b)，假设信号的采样频率为cf，步骤S22中连续小波变换时所取尺度的个数为N，定义一组离散的频率值为ω_l＝l*cf/N,l∈[1,N]，以每个ω_l为中心，凡是与ω_l之间的距离小于Δω＝ω_l-ω_l-1的候选瞬时频率所对应的小波系数，都会被相加到一起，并保存到ω_l处。

根据步骤S22和S23，含有动液面信号的数据段的同步挤压小波变换为：

式中，T_s(ω_l,b)为挤压重排后的时频表示，即高分辨率时频表示，a_k为离散的尺度因子，且Δa_k＝a_k-a_k-1，b为平移因子。

步骤S3：在步骤S2获得的高分辨率时频分布中观察动液面信号的时频分布区域，通过频域带通滤波以及确定该区域的横坐标范围，将动液面信号的高分辨率时频分布区域抠取出来，具体步骤包括：

步骤S31：采用Matlab软件绘制步骤S2获得的高分辨率时频分布平面图，在此平面上确定动液面信号时频分布的频率范围，然后对该高分辨率时频平面进行频域带通滤波；

步骤S32：在步骤S31中频域带通滤波后的高分辨率时频平面上确定动液面信号高分辨率时频分布的横坐标范围，即采样点范围，并将该范围内的高分辨率时频分布区域抠取出来。

步骤S4：对步骤S3抠取出的动液面信号高分辨率时频分布做同步挤压重构，从而可得到滤波后的动液面信号，重构公式如下：

式中，

是一个常数且需根据所选的小波基函数而定，Re为取实部符号，T′_s(ω_l,b)为抠取出的动液面信号高分辨率时频分布，ξ为角频率，

即为重构出的动液面信号，所述

是步骤S21中x(t)的估计，即从s(t)中滤除了n(t)所得的信号。

步骤S5：对步骤S4所得的滤波后的动液面信号波形中开始大幅突变的点进行定位，该点的横坐标即为采样点序号，设此采样点序号为M，所述步骤S23中信号的采样频率为cf，那么动液面信号波形开始大幅突变的时刻点为t＝M/cf，这个时刻点就是动液面信号开始出现的时刻点。

为了更好地理解本发明，下面结合具体实施例对本发明的技术方案做进一步的阐述及说明。

实施例1：

本实施例为对模拟油井动液面信号的高精度提取实验。

步骤S1，通过对模拟信号的实验测试方法的性能。如附图2所示，是Matlab软件绘制的声波法测油井模拟信号波形。该信号是采用COMSOL软件，在压力声学模块下模拟的声波法测油井信号，包括发射信号、接箍信号和动液面信号，其幅值单位为Pa，采样频率为2000Hz。

上述模拟信号包括双极性信号源(即发射信号)及其产生的接箍信号与动液面信号，对上述模拟信号加入随机噪声，以模拟实际声波法测油井时产生的回波信号，其波形如附图3所示，可以看出，原始动液面信号被噪声污染，基本看不出该信号波形的位置和形状。因此，需要采用性能优越的滤波方法尽可能地去除噪声的影响，使得真实的动液面信号显露出来。

步骤S2，由于模拟信号较为理想化，且采样点数较少，在测试本发明提出的方法时，可对整个数据做处理，不需要做数据截取。对上述模拟不含噪信号与含噪信号分别进行同步挤压小波时频变换，得到整个信号的高分辨率时频分布。附图4(a)是不含噪信号的高分辨率时频分布，图4(b)是含噪信号的高分辨率时频分布，该高分辨率时频分布的纵坐标(频率轴)根据原信号的采样频率进行了真实频率的换算。可以看出，无论是有噪还是无噪时，发射信号和动液面信号的能量聚集度均很高。

对模拟不含噪及其含噪信号进行小波变换得到其小波时频分布图，也根据原信号的采样频率进行了真实频率的换算，如附图5所示。图5(a)是不含噪信号的小波时频分布，图5(b)是含噪信号的小波时频分布。与附图4的同步挤压小波时频分布进行对比，附图5所示的小波时频平面上的能量点散布面积较大，且存在一定的时频模糊，说明其时频聚集性没有同步挤压小波时频变换好。

而且，同步挤压小波时频变换在噪声条件下仍能够很好地表征信号的真实频率及其随时间的变化情况，而小波时频变换不能很好地表征信号的真实频率，且没有将信号频率随时间的变化情况真实地反映出来，只是以平直的时频能量条表示信号的能量分布，在有噪声时其时频分布更易受到影响。这样，如果从小波时频平面上直接观察动液面信号分布的频率范围以及抠取动液面信号的时频能量分布区域时，容易造成误判。

再者，基于小波变换的滤波方法本身也不是直接从时频平面上抠取有效信号的时频能量分布，再通过重构得到滤波后的信号，而是通常采用对分解所得的小波各尺度系数进行阈值滤波，然后将处理过的系数进行重构得到有效信号的估计。

采用同步挤压小波时频变换则可以直接从时频平面上抠取有效信号的时频能量分布区域，然后对该区域做同步挤压重构即可获得有效信号的估计，其实质相当于对有效信号进行滤波提取，非常直观、简便。

步骤S3，采用Matlab软件绘制步骤S2获得的高分辨率时频分布平面图，在此平面上确定动液面信号时频分布的频率范围，然后依据该频率范围对此高分辨率时频平面进行频域带通滤波；在滤波后的高分辨率时频平面上确定动液面信号时频分布的横坐标范围，即采样点范围，并将该范围内的时频分布区域抠取出来。由于在此实施例中是对整个模拟信号做同步挤压小波变换，在所得高分辨率时频平面上判断动液面信号的时频分布区域时注意与发射信号的时频分布区域进行区分。发射信号是在最开始显示的，很容易将二者区分开来。

附图6的(a)、(b)两图分别是从附图4(b)和附图5(b)中抠取出的动液面信号时频分布。附图4(b)中横坐标范围为[730:810]的白色矩形框中为动液面信号的同步挤压小波时频分布区域，附图5(b)中横坐标范围为[600:1000]的白色矩形框中为动液面信号的小波时频分布区域。从附图6可以更清晰地看到，同步挤压小波时频变换反映出的动液面信号频率随时间的变化趋势不是一条条直线，这符合其非线性、非平稳的特性，而小波变换没有很好地反映出动液面信号频率随时间变化的规律，看上去其频率随时间的趋势是一成不变的。

附图7(a)、(b)分别展示出模拟不含噪与含噪信号中的动液面信号波形部分，作为后续滤波结果的参考。

然后通过同步挤压重构得到滤波后的动液面信号，从而可根据动液面信号波形获取波形中开始大幅突变的点的横坐标位置。

步骤S4，对附图6(a)所示的动液面信号时频分布，采用同步挤压重构过程进行信号重构，可得动液面信号的估计，其波形如附图8所示。

步骤S5，由于从附图4(b)中抠取动液面信号的高分辨率时频分布时，横轴所对应的采样点范围是[730:810]，而附图8所示的动液面信号波形开始大幅突变的点的横坐标为20，如此，可知在原信号中动液面信号出现的横坐标位置应为750点处，与附图7(a)所示不含噪信号中的动液面信号位置吻合。那么，根据采样频率2000Hz，可以计算出动液面信号开始出现的时刻点为t＝750/2000＝0.375s。

如步骤S2中所述，小波时频平面不能很好地反映出信号的真实频率特性，小波滤波方法也不能通过这种直接抠取有效信号的时频分布区域，然后进行重构的方法得到有效信号的估计。因此，采用同步挤压时频变换方法不但能很直观地分析信号频率随时间的变化趋势，而且能很快捷地获得有效信号的估计。

实施例2：

本实施例为对实际油井动液面信号的高精度提取实验。

步骤S1，对声波法测油井的一组实测数据，采用Matlab软件对该数据进行读取，绘制该数据的波形图，如附图9(a)所示，虽然有噪声的影响，但仍能够较为明显地看出发射信号、接箍信号以及动液面信号的大概位置。其中，有两处疑似动液面信号的数据段，靠前的一处为动液面信号数据段，靠后的一处随机波动性很强且频率较高，不是动液面信号数据段。据此，能够初步确定动液面信号出现的区域。为了更准确地得到动液面信号出现的位置，需对动液面信号进行高精度的滤波提取。首先，根据初步确定出的动液面信号区域对这组数据做截取，可得到仅包含动液面信号的数据段，如附图9(b)所示。

步骤S2，对步骤S1确定的含有动液面信号的数据段进行同步挤压小波变换，得到该数据段的高分辨率时频分布，如附图10(a)所示。

步骤S3，在步骤S2获得的高分辨率时频平面上观察动液面信号的高分辨率时频分布区域，通过频域带通滤波以及确定该区域的横坐标范围将动液面信号的高分辨率时频分布区域抠取出来，如附图10(b)所示，附图10(b)是从附图10(a)中横坐标为[5750:6000]的范围内抠取出来的动液面信号高分辨率时频分布。

步骤S4：对步骤S3抠取出的动液面信号高分辨率时频分布做同步挤压重构，从而可得到滤波后的动液面信号，如附图11所示，附图11为根据附图10(b)的时频分布进行同步挤压重构所得的动液面信号波形。

步骤S5：在步骤S4得到的动液面信号波形中定位波形开始大幅突变的点，该点的横坐标即为采样点序号，再结合采样频率算出动液面信号开始出现的时刻点。从附图11，可以很清晰地看到该信号波形开始大幅突变的点的位置在横坐标38点处，加上之前截取时频分布区域时的起始横坐标点序号5750，动液面信号开始出现的横坐标位置应该在5788点处。而该实际信号的采样频率为1920Hz，因此动液面信号开始出现的时刻点为t＝5788/1920≈3.015s。

实施例3：

本实施例为对实际油井动液面信号的高精度提取实验。

步骤S1，对声波法测油井的一组实测数据，采用Matlab软件对该组数据进行读取，绘制其波形图，如附图12所示，从附图12(a)所示的该实测信号波形图，能够很明显地看到其中包含有发射信号和接箍信号，但是辨别不出是否真正含有动液面信号，图中除接箍信号外，标记出两处箭头所指的区域，初步判断一处为无效信号而另一处为动液面信号。去掉该组数据中发射信号和接箍信号的数据段，将其余部分作为可能含有动液面信号的数据段并绘制其波形，如附图12(b)所示。

步骤S2，对步骤S1中可能含有动液面信号的数据段做同步挤压小波变换，得到该数据段的高分辨率时频分布，如附图13(a)所示，附图13(a)所示的时频平面中有三处易被认为是动液面信号的时频分布区域，这三处在图中已用矩形框标记出来。经分析，矩形框1中的时频能量分布持续时间较长且频率基本恒定，与动液面信号持续时间短且具有非平稳特性不符，故可排除其为动液面信号的可能性。矩形框2和3均有可能为动液面信号的时频分布，因此分别进行时频滤波与重构提取出对应波形，发现根据矩形框2中的时频分布提取出的信号波形幅值较小，而根据矩形框3中的时频分布提取出的信号波形幅值较大，且具有明显的非平稳特性。

步骤S3，观察动液面信号在步骤S2获得的高分辨率时频平面上的分布区域，确定矩形框3中为动液面信号的时频分布，然后进行频域带通滤波以及划定对应的横坐标范围为[3400:4600]后，将该区域从时频平面上抠取出来，如附图13(b)所示。

步骤S4：对步骤S3抠取出的高分辨率时频分布做同步挤压重构，得到滤波后的动液面信号，其波形如附图14所示。

步骤S5：判断出附图14中动液面信号波形开始大幅突变的点的位置在横坐标137点处，加上之前截取时频分布区域时的起始横坐标点序号3400，动液面信号开始出现的位置就应该是横坐标3537点处。由于该实际信号的采样频率为470Hz，因此动液面信号开始出现的时刻点为t＝3537/470≈7.526s。

综上所述，本发明采用同步挤压小波时频滤波方法对声波法测油井信号中的动液面信号进行识别与提取，可以很准确地获得动液面信号开始出现的时刻点。实施例1分别采用同步挤压小波变换与小波变换对模拟信号进行实验，测试两种时频变换方法对动液面信号的时频聚集性与时频分辨能力，可知同步挤压小波变换对有效信号频率随时间变化的表示更真实，时频能量的聚集度更高，并且可直接根据有效信号的时频能量分布进行重构而得到有效信号的估计，进而验证了同步挤压小波变换能够对动液面信号进行更好地识别与提取。

最后，将同步挤压小波时频面滤波方法应用于实施例2和实施例3中实测数据的处理，均获得了理想的结果，再次验证了该方法对声波法测油井中动液面信号的辨识与提取具有非常优越的性能，为实际测油井中动液面信号的辨识与提取提供了一种有效途径。

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。尽管参照前述实施例对本发明专利进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种油井动液面信号高精度提取方法，其特征在于：包括以下步骤：

步骤S1：对声波法测油井的一组数据，读取并绘制该数据的波形图，横坐标为采样点序号，纵坐标为幅值，并初步确定含有动液面信号的数据段；

步骤S2：对步骤S1确定的含有动液面信号的数据段进行同步挤压小波变换，得到该数据段的高分辨率时频分布；

步骤S3：在步骤S2获得的高分辨率时频分布中观察动液面信号的时频分布区域，通过频域带通滤波以及确定该区域的横坐标范围，将动液面信号的高分辨率时频分布区域抠取出来；

步骤S4：对步骤S3抠取出的动液面信号高分辨率时频分布做同步挤压重构，从而可得到滤波后的动液面信号；

步骤S5：在步骤S4所得滤波后的动液面信号波形中定位波形开始大幅突变的点，该点所对应的横坐标即为采样点序号，再结合采样频率算出动液面信号出现的时刻点。

2.根据权利要求1所述的一种油井动液面信号高精度提取方法，其特征在于：所述步骤S2中对含有动液面信号的数据段进行同步挤压小波变换，具体步骤包括：

步骤S21：建立含有油井动液面信号的数据段的数学表达式；

步骤S22：对步骤S21建立的数学表达式进行连续小波变换；

步骤S23：对步骤S22中连续小波变换后的结果进行同步挤压时频重排。

3.根据权利要求2所述的一种油井动液面信号高精度提取方法，其特征在于：所述步骤S21建立含有油井动液面信号的数据段的数学表达式为：

s(t)＝x(t)+n(t)；

其中，s(t)表示含有动液面信号的数据段，x(t)为待估计的动液面信号，n(t)为加性噪声或其他无效信号。

4.根据权利要求3所述的一种油井动液面信号高精度提取方法，其特征在于：所述步骤S22对步骤S21建立的s(t)进行连续小波变换，具体步骤为：

其中，a为尺度因子，b为平移因子，ψ(t)为小波基函数，*表示复共轭；设信号s(t)的模为A，则W_s(a,b)的频域表达式可写为：

即计算出任意一个时间—尺度点(a,b)所对应的频谱值W_s(a,b)，其中，ξ、ω₀为角频率；

如果W_s(a,b)≠0，那么此处对应的候选瞬时频率为：

5.根据权利要求4所述的一种油井动液面信号高精度提取方法，其特征在于：所述步骤S23同步挤压时频重排的具体步骤为：由步骤S22中的公式可知，与时间—尺度点(a,b)对应的瞬时频率为ω_s(a,b)，假设信号的采样频率为cf，步骤S22中连续小波变换时所取尺度的个数为N，定义一组离散的频率值为ω_l＝l*cf/N,l∈[1,N]，以每个ω_l为中心，凡是与ω_l之间的距离小于Δω＝ω_l-ω_l-1的候选瞬时频率所对应的小波系数，都会被相加到一起，并保存到ω_l处；

根据步骤S22和S23，含有动液面信号的数据段的同步挤压小波变换为：

式中，T_s(ω_l,b)为挤压重排后的时频表示，即高分辨率时频表示，a_k为离散的尺度因子，且Δa_k＝a_k-a_k-1，b为平移因子。

6.根据权利要求5所述的一种油井动液面信号高精度提取方法，其特征在于：所述步骤S4中对抠取出的动液面信号高分辨率时频分布做同步挤压重构，从而可得到滤波后的动液面信号，重构公式如下：

式中，

是一个常数且需根据所选的小波基函数而定，Re为取实部符号，T_s′(ω_l,b)为抠取出的动液面信号高分辨率时频分布，ξ为角频率，

即为重构出的动液面信号，所述

是步骤S21中x(t)的估计，即从s(t)中滤除了n(t)所得的信号。

7.根据权利要求6所述的一种油井动液面信号高精度提取方法，其特征在于：在所述步骤S5中，对步骤S4所得的滤波后的动液面信号波形中开始大幅突变的点进行定位，该点的横坐标即为采样点序号，设此采样点序号为M，所述步骤S23中设信号的采样频率为cf，那么动液面信号波形开始大幅突变的时刻点为t＝M/cf，这个时刻点就是动液面信号开始出现的时刻点。

Images