CN113820663B - 鲁棒性微震/声发射源定位方法及系统 - Google Patents

Abstract

本发明提供了一种鲁棒性微震/声发射源定位方法及系统。该定位方法首先，从未知波速v系统下的n个到时数据中随机选择m个，得到组到时数据；根据不同的到时组合构建到时差方程，并采用线性迭代方法计算各个方程的解；筛除包含虚根以及波速v为0的解，得到微震/声发射源坐标的样本集；然后，利用DBSCAN算法将样本集进行聚类，得到多个簇；再找到包含微震/声发射源坐标最多的簇，并统计该簇中源坐标计算所使用的各到时的频次，根据传感器的使用频次筛选出正常到时数据；最后，根据筛选出的正常到时组合，重新采用线性迭代方法计算微震/声发射源坐标，得到最优的定位结果。

Description

鲁棒性微震/声发射源定位方法及系统

技术领域

本发明涉及微震/声发射源定位技术领域，尤其涉及一种鲁棒性微震/声发射源定位方法及系统。

背景技术

随着浅层矿产资源的不断枯竭，矿产资源的开采逐渐向深部发展。地下岩体工程面临更高的地应力和开采扰动，更易诱发岩爆灾害，造成重大人员伤亡和财产损失。微震/声发射源定位手段则可以有效地监测和预警岩爆，为深部岩石破裂失稳机制研究提供必要的支持。学者们也提出了各种基于最小二乘估计及其变体的微震/声发射源定位方法，并在给定准确的波速以及到时测量情况下可以实现较好的定位结果。

然而在现实的工程实践中，波速测量误差是不可避免的。介质波速往往随着工程推进而动态变化，因此真实波速与预先测定的波速往往存在较大的偏差，并进一步导致严重的定位误差。此外，由于异常信号干扰、信道串扰、信号微弱和初至模糊、传播延迟以及传感器故障等，均会产生异常到时。并且由于最小二乘估计对误差的平方放大效应，定位精度在异常到时的影响下将产生严重的误差。

因此，在现实工程实际中，异常到时与波速测量误差往往共同影响着定位结果的精度。由此，提出一种同时消除异常到时和波速测量误差影响的定位方法，对于实际工程中的微震/声发射源定位和监测具有重要意义。

申请号为CN201910787751.5的发明专利公开了一种未知波速体系下声发射源线性定位方法和系统。该定位方法为在一个三维监测系统中放置n个声发射传感器，其中n≥6；记录各声发射传感器的坐标和接收到声发射信号的时间；基于声发射传感器坐标以及到时数据，通过声发射源坐标计算公式确定声发射源的位置。在得到声发射源坐标的同时，得到最优的附加变量值。在得到最优的附加变量值后，便可计算出介质波速和触发时刻。但是，该定位方法仅在小到时误差下能够取得较好的定位结果，如果到时数据中存在异常误差，则将导致定位结果存在严重的误差。

有鉴于此，有必要设计一种改进的鲁棒性微震/声发射源定位方法及系统，以解决上述问题。

发明内容

针对上述现有技术存在的问题和不足，本发明提出了一种基于无监督学习DBSCAN算法的鲁棒性微震/声发射源定位方法及系统，具有良好的定位性能。

为实现上述发明目的，本发明提供了一种鲁棒性微震/声发射源定位方法，步骤如下：

首先，从未知波速v系统下的n个到时数据中随机选择m个，得到组到时数据；根据不同的到时组合构建到时差方程，并采用线性近似的方法迭代计算各个方程的解；

接着，筛除包含虚根以及波速v为0的解，得到微震/声发射源坐标的样本集；

然后，利用DBSCAN算法将样本集进行聚类，得到多个簇；

再找到包含微震/声发射源坐标最多的簇，并统计该簇中源坐标计算所使用的各传感器的频次，根据传感器的使用频次筛选出正常到时数据，由此筛选得到正常传感器组合；

最后，根据筛选出的正常传感器组合，重新计算微震/声发射源坐标，得到最优的定位结果。

作为本发明的进一步改进，包括如下步骤：

S1、假设一个包含n个传感器S_i(i＝1，2，…，n)且波速v未知的三维定位系统，各传感器接收的到时数据表示为t_i(i＝1,2,…,n)，从n个到时数据中随机选择m个，可产生个到时组合；其中5≤m<n-ω，ω为异常到时个数，ω≥0，(当m＝5时，此时计算效率最高；但由于到时个数与未知量个数刚好相等，此时属于针点定位没有任何冗余约束，因此在到时误差存在下定位结果将较差且不稳定；而增加一个到时会得到更好的定位结果，但如果增加过多的到时会使得定位效率迅速降低，因此建议选择m＝6个到时数据进行定位)；当m＝6时，以其中一组随机选择的到时组合t_i(i＝1,2,3,4,5，6)为例，可构建微震/声发射源的到时差方程，如下所示：

其中，t_i,1为传感器S_i与S₁之间的到时差，t_i,1＝t_i-t₁；D_i,1为传感器S_i与S₁之间的距离之差，D_i，1＝D_i-D₁，x，y和z为微震/声发射源的坐标；x_i,y_i和z_i为微震/声发射传感器S_i的坐标；

S2、观测到时差与计算到时差/>之间的偏差称为方程残差，其残差方程表示为：

S3、将上述残差方程进行一阶线性展开，并表示为矢量形式，如下所示：

ε≈gΔθ；

其中，

其中，Δx，Δy，Δz，Δv代表微震/声发射源坐标和波速的修正项；

S4、通过最小化加权方程残差，得到：

其中，W为方程权重，通过θ＝θ+Δθ更新初始值，反复迭代获得最终的声发射源坐标；其中θ为微震/声发射源坐标x，y,z以及波速v的向量形式，上标T代表矩阵或向量的转置；

S5、通过上述步骤可以获得组微震/声发射源坐标，排除存在虚根或波速为0的坐标，得到微震/声发射源坐标的样本集Ω＝{θ₁,θ₂,...,θ_m}；

S6、利用无监督学习的DBSCAN算法将所示样本集Ω进行聚类，得到多个簇，用参数(∈，minpts)来设置约束条件，其中，参数∈代表邻域搜索半径，被设置为监测尺寸的1％～2％；minpts代表∈-邻域内的最小源坐标个数，被设置为未知量个数加1的值；

S7、根据所述DBSCAN算法的聚类结果找到包含源坐标最多的簇，然后统计该簇中微震/声发射源坐标计算所使用的各到时的频次Count_i,i＝1,2,…,n，当某个到时的使用频次Count_i大于某一设定数值时，认为t_i为正常到时，由此筛选出正常到时集合；

S8、根据筛选出的正常到时集合计算最终的微震/声发射源坐标；如果具有最大源坐标数目的簇不止一个，这些簇都将被选择并进行上述计算，但最终使得到时差残差平方和最小的坐标为最终的微震/声发射源坐标。

作为本发明的进一步改进，所述步骤S6中，无监督学习DBSCAN算法的步骤如下：

S61、从微震/声发射源坐标集Ω中，选择第一个未标记的微震/声发射源坐标θ₁作为当前点，并初始化聚类标签(也称为簇标签)，令k＝1；

S62、求在当前坐标∈-邻域内的坐标集，即当前研究坐标的相邻坐标；

S63、遍历每个相邻坐标并将其作为新的当前坐标进行研究，重复步骤S62，直到没有发现可以标记为当前集群k(也称为簇k)的新的相邻坐标；

S64、选择Ω中下一个未标记的坐标作为当前坐标进行研究，并将集群(也称为簇)计数增加1，令k＝k+1；

S65、重复步骤S62至S64，直到Ω中的所有坐标都被标记。

作为本发明的进一步改进，步骤S62中，如果相邻坐标的数量大于等于minpts，将当前坐标标记为簇k的核心坐标。

作为本发明的进一步改进，步骤S62中，如果相邻坐标的数量小于minpts，将当前坐标标记为异常坐标，并转至步骤S64；若Ω中的其他点使得所述异常坐标满足(∈，minpts)的约束条件，那么重新分配该异常坐标给簇。

作为本发明的进一步改进，步骤S7中，所述设定数值为mean(Count_M)-std(Count)；

当Count_i>mean(Count_M)-std(Count)时，认为t_i为正常到时；

在上述判据中，Count＝{Count_i,i＝1,2,…,n}，Count_M＝{Count_i|Count_i>median(Count),i＝1,2,…,n}；其中，mean(·)，std(·)，median(·)分别表示对集合求平均值、标准偏差和中位数。

作为本发明的进一步改进，步骤S8中，所述到时差残差平方和的计算公式为：

为实现上述发明目的，本发明提供了一种鲁棒性微震/声发射源定位系统，其包括数据处理模块和监测系统；在所述监测系统中布置有n个传感器；

所述数据处理模块采用上述鲁棒性微震/声发射源定位方法进行数据处理，基于各个传感器的坐标和前述传感器之间的到时差计算微震/声发射源坐标，以此实现定位。

作为本发明的进一步改进，所述n个传感器在所述监测系统中随机布置，n>m；且传感器之间不全部共平面也不全部共球面。

作为本发明的进一步改进，所述n个传感器中，异常到时的数量占少数，不超到时数据总数量的一半；正常到时数量占多数，且不少于m个。

本发明的有益效果是：

1、本发明提供的鲁棒性微震/声发射源定位方法，具有良好的定位鲁棒性，在到时差方程中的介质波速被当作未知数进行求解，不需要预先测定波速，因此避免了波速测量偏差对定位结果的影响；同时，采用无监督学习的DBSCAN方法准确识别出正常传感器组合，并利用这些正常传感器重新进行定位，降低了异常到时对定位精度的影响，定位精度高。

2、本发明提供的鲁棒性微震/声发射源定位系统，基于数据处理模块和监测系统之间的相互配合，将监测系统中的传感器进行不全部共平面也不全部共球面的随机布置后，进行微震/声发射源坐标数据的检测和获取，并采用数据处理模块中的定位方法进行计算，得到最优的定位结果，该系统定位精度高，具有良好的定位鲁棒性。

附图说明

图1为本发明提供的鲁棒性微震/声发射源定位方法的流程图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。

另外，还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

请参阅图1所示，本发明提供了一种本发明提供了一种鲁棒性微震/声发射源定位方法，首先，从未知波速v系统下的个到时数据中随机选择m个，得到组到时数据；根据不同的到时组合构建到时差方程，并采用线性迭代方法计算各个方程的解；

接着，筛除包含虚根以及波速v为0的解，得到微震/声发射源坐标的样本集；

然后，利用DBSCAN算法将样本集进行聚类，得到多个簇；

再找到包含微震/声发射源坐标最多的簇，并统计该簇中源坐标计算所使用的各到时的频次，根据传感器的使用频次筛选出正常到时数据；

最后，根据筛选出的正常到时数据，重新采用线性迭代方法计算微震/声发射源坐标，得到最优的定位结果。

具体包括如下步骤：

S1、假设一个包含n个传感器S_i(i＝1,2,…,n)且波速v未知的三维定位系统，各传感器接收的到时数据表示为t_i(i＝1,2,…,n)，从n个到时数据中随机选择m个，可产生个到时组合；其中5≤m<n-ω，ω为异常到时个数，ω≥0，(当m＝5时，此时计算效率最高；但由于到时个数与未知量个数刚好相等，此时属于针点定位没有任何冗余约束，因此在到时误差存在下定位结果将较差且不稳定；而增加一个到时会得到更好的定位结果，但如果增加过多的到时会使得定位效率迅速降低，因此建议选择m＝6个到时数据进行定位)；当m＝6时，以其中一组随机选择的到时组合t_i(i＝1,2,3,4,5,6)为例，可构建微震/声发射源的到时差方程，如下所示：

其中，t_i,1为传感器S_i与S₁之间的到时差，t_i,1＝t_i-t₁；D_i,1为传感器S_i与S₁之间的距离之差，D_i,1＝D_i-D₁，x,y和z为微震/声发射源的坐标；x_i,y_i和z_i为微震/声发射传感器S_i的坐标；

S2、观测到时差与计算到时差/>之间的偏差称为方程残差，其残差方程表示为：

S3、将上述残差方程进行一阶线性展开，并表示为矢量形式，如下所示：

ε≈gΔθ；

其中，

其中，Δx，Δy，Δz，Δv代表微震/声发射源坐标和波速的修正项；

S4、通过最小化加权方程残差，得到：

其中，W为方程权重，通过θ＝θ+Δθ更新初始值，反复迭代获得最终的声发射源坐标；其中θ为微震/声发射源坐标x,y,z以及波速v的向量形式，上标T代表矩阵或向量的转置；

S5、通过上述步骤可以获得组微震/声发射源坐标，排除存在虚根或波速为0的坐标，得到微震/声发射源坐标的样本集Ω＝{θ₁,θ₂,...,θ_m}；

S6、利用无监督学习的DBSCAN算法将所示样本集Ω进行聚类，得到多个簇，用参数(∈，minpts)来设置约束条件，其中，参数∈代表邻域搜索半径，被设置为监测尺寸的1％～2％；minpts代表∈-邻域内的最小源坐标个数，被设置为未知量个数加1的值；

S7、根据所述DBSCAN算法的聚类结果找到包含源坐标最多的簇，然后统计该簇中微震/声发射源坐标计算所使用的各到时的频次Count_i,i＝1,2,…,n，当某个到时的使用频次Count_i大于某一设定数值时，认为t_i为正常到时，由此筛选出正常到时集合；

S8、根据筛选出的正常到时集合计算最终的微震/声发射源坐标；如果具有最大源坐标数目的簇不止一个，这些簇都将被选择并进行上述计算，但最终使得到时差残差平方和最小的坐标为最终的微震/声发射源坐标。

优选的，所述步骤S6中，无监督学习DBSCAN算法的步骤如下：

S61、从微震/声发射源坐标集Ω中，选择第一个未标记的微震/声发射源坐标θ₁作为当前点，并初始化聚类标签(也称为簇标签)，令k＝1；

S62、求在当前坐标∈-邻域内的坐标集，即当前研究坐标的相邻坐标；

S63、遍历每个相邻坐标并将其作为新的当前坐标进行研究，重复步骤S62，直到没有发现可以标记为当前集群k(也称为簇k)的新的相邻坐标；

S64、选择Ω中下一个未标记的坐标作为当前坐标进行研究，并将集群(也称为簇)计数增加1，令k＝k+1；

S65、重复步骤S62至S64，直到Ω中的所有坐标都被标记。

优选的，步骤S62中，如果相邻坐标的数量大于等于minpts，将当前坐标标记为簇k的核心坐标。

优选的，步骤S62中，如果相邻坐标的数量小于minpts，将当前坐标标记为异常坐标，并转至步骤S64；若Ω中的其他点使得所述异常坐标满足(∈，minpts)的约束条件，那么重新分配该异常坐标给簇。

优选的，步骤S7中，所述设定数值为mean(Count_M)-std(Count)；

当Count_i>mean(Count_M)-std(Count)时，认为t_i为正常到时；

在上述判据中，Count＝{Count_i,i＝1,2,…,n}，Count_M＝{Count_i|Count_i>median(Count),i＝1,2,…,n}；其中，mean(·)，std(·)，median(·)分别表示对集合求平均值、标准偏差和中位数。

优选的，步骤S8中，所述到时差残差平方和的计算公式为：

实施例1

本发明实施例1提供了一种鲁棒性微震/声发射源定位系统，其包括数据处理模块和监测系统。所述数据处理模块采用上述鲁棒性微震/声发射源定位方法进行数据处理，基于各个传感器的坐标和前述传感器之间的到时差计算微震/声发射源坐标，以此实现定位。

具体设置如下：

给定一个边长为300mm的监测系统，该监测系统中包含16个微震/声发射源监测传感器，它们的坐标分别是(0，0，0)，(300，0，0)，(300，300，0)，(0，300，0)，(0，0，300)，(300，0，300)，(300，300，300)，(0，300，300)，(150，0，150)，(300，150，150)，(150，300，150)，(0，150，150)，(150，150，0)，(150，150，300)，(0，300，150)，以及(300，0，150)，单位均为mm。

在该鲁棒性微震/声发射源定位系统内设置一个虚拟微震/声发射源，坐标为(166.71，106.83，233.33)(单位:mm)，系统内介质波速v未知。

本次试验通过模拟的方法产生一组到时数据，在得到的到时数据中添加方差为0.3μs的误差来模拟环境噪音的影响；并随机向三个到时数据中添加大小为±10μs的异常误差，模拟异常到时数据对定位精度的影响。

通过上述随机过程产生的一组到时数据t_i(i＝1,2,…,16)为：61.29，57.77，66.38，68.91，41.77，36.81，38.78，52.88，27.44，32.54，32.02，38.02，47.96，16.33，53.97，48.06，单位μs；异常到时为t₇，t₁₁和t₁₆。

利用上述鲁棒性微震/声发射源定位方法中所述步骤和公式进行计算，将参数∈设置为监测尺寸(300mm)的1％，即3×10^-3m，同时设置参数minpts为6，识别出的异常到时为t₇，t₁₁和t₁₆，这与真实的异常到时的位置完全吻合。

将这三个异常到时排除后利用剩余到时数据计算得到的最终的微震/声发射源坐标为(166.45，106.66，233.30)(单位:mm)，这与真实的微震/声发射源坐标(166.71，106.83，233.33)(单位:mm)吻合好，绝对距离误差仅为0.30mm，因此本发明提供的鲁棒性微震/声发射源定位的技术方案的定位精度高，具有良好的定位鲁棒性。

综上所述，本发明提供了一种鲁棒性微震/声发射源定位方法及系统。该定位方法包括如下步骤：首先，从未知波速v系统下的n个到时数据中随机选择m个(推荐m＝6)，得到组到时数据；根据不同的到时组合构建到时差方程，并采用线性近似的方法迭代计算各个方程的解。接着，筛除包含虚根以及波速v为0的解，得到微震/声发射源坐标的集合。然后，利用DBSCAN算法将样本集进行聚类，得到多个簇。找到包含微震/声发射源坐标最多的簇，并统计该簇中源坐标计算所使用的各传感器的频次，根据传感器的使用频次筛选出正常到时数据。最后，根据筛选出的正常传感器组合重新计算微震/声发射源坐标，得到最优的定位结果。本发明提供的方法受异常到时影响小，定位精度高。

以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.一种鲁棒性微震/声发射源定位方法，其特征在于：步骤如下：

首先，从未知波速v系统下的n个到时数据中随机选择m个，得到组到时数据；根据不同的到时组合构建到时差方程，并采用线性迭代方法计算各个方程的解；

接着，筛除包含虚根以及波速v为0的解，得到微震/声发射源坐标的样本集；

然后，利用DBSCAN算法将样本集进行聚类，得到多个簇；

再找到包含微震/声发射源坐标最多的簇，并统计该簇中源坐标计算所使用的各到时的频次，根据传感器的使用频次筛选出正常到时数据，由此筛选得到正常到时组合；

最后，根据筛选出的正常到时组合，重新采用线性迭代方法计算微震/声发射源坐标，得到最优的定位结果；

具体包括如下步骤：

S1、假设一个包含n个传感器S_i，i＝1,2,…,n，且波速v未知的三维定位系统，各传感器接收的到时数据表示为t_i，i＝1,2,…,n，从n个到时数据中随机选择m个，可产生个到时组合；其中5≤m<n-ω，ω为异常到时个数，ω≥0；当m＝6时，以其中一组随机选择的到时组合t_i，i＝1,2,3,4,5,6为例，可构建微震/声发射源的到时差方程，如下所示：

其中，t_i,1为传感器S_i与S₁之间的到时差，t_i,1＝t_i-t₁；D_i,1为传感器S_i与S₁之间的距离之差，D_i,1＝D_i-D₁， x,y和z为微震/声发射源的坐标；x_i,y_i和z_i为微震/声发射传感器S_i的坐标；

S2、观测到时差与计算到时差/>之间的偏差称为方程残差，其残差方程表示为：

S3、将上述残差方程进行一阶线性展开，并表示为矢量形式，如下所示：

ε≈gΔθ；

其中，

其中，Δx，Δy，Δz，Δv代表微震/声发射源坐标和波速的修正项；

S4、通过最小化加权方程残差，得到：

其中，W为方程权重，通过θ＝θ+Δθ更新初始值，反复迭代获得最终的声发射源坐标；其中θ为微震/声发射源坐标x,y,z以及波速v的向量形式，/>上标T代表矩阵或向量的转置；

S5、通过上述步骤可以获得组微震/声发射源坐标，排除存在虚根或波速为0的坐标，得到微震/声发射源坐标的样本集Ω＝{θ₁,θ₂,...,θ_m}；

S6、利用无监督学习的DBSCAN算法将所示样本集Ω进行聚类，得到多个簇，用参数(∈，minpts)来设置约束条件，其中，参数∈代表邻域搜索半径，被设置为监测尺寸的1％～2％；minpts代表∈-邻域内的最小源坐标个数，被设置为未知量个数加1的值；

S7、根据所述DBSCAN算法的聚类结果找到包含源坐标最多的簇，然后统计该簇中微震/声发射源坐标计算所使用的各到时的频次Count_i,i＝1,2,…,n，当某个到时的使用频次Count_i大于某一设定数值时，认为t_i为正常到时，由此筛选出正常到时集合；

S8、根据筛选出的正常到时集合计算最终的微震/声发射源坐标；如果具有最大源坐标数目的簇不止一个，这些簇都将被选择并进行上述计算，但最终使得到时差残差平方和最小的坐标为最终的微震/声发射源坐标。

2.根据权利要求1所述的鲁棒性微震/声发射源定位方法，其特征在于：所述步骤S6中，无监督学习DBSCAN算法的步骤如下：

S61、从微震/声发射源坐标集Ω中，选择第一个未标记的微震/声发射源坐标θ₁作为当前点，并初始化簇标签，令k＝1；

S62、求在当前坐标∈-邻域内的坐标集，即当前研究坐标的相邻坐标；

S63、遍历每个相邻坐标并将其作为新的当前坐标进行研究，重复步骤S62，直到没有发现可以标记为当前簇k的新的相邻坐标；

S64、选择Ω中下一个未标记的坐标作为当前坐标进行研究，并将簇计数增加1，令k＝k+1；

S65、重复步骤S62至S64，直到Ω中的所有坐标都被标记。

3.根据权利要求2所述的鲁棒性微震/声发射源定位方法，其特征在于：步骤S62中，如果相邻坐标的数量大于等于minpts，将当前坐标标记为簇k的核心坐标。

4.根据权利要求2所述的鲁棒性微震/声发射源定位方法，其特征在于：步骤S62中，如果相邻坐标的数量小于minpts，将当前坐标标记为异常坐标，并转至步骤S64；若Ω中的其他点使得所述异常坐标满足(∈，minpts)的约束条件，那么重新分配该异常坐标给簇。

5.根据权利要求1所述的鲁棒性微震/声发射源定位方法，其特征在于：步骤S7中，所述设定数值为mean(Count_M)-std(Count)；

当Count_i>mean(Count_M)-std(Count)时，认为t_i为正常到时；

在上述判据中，Count＝{Count_i,i＝1,2,…,n}，Count_M＝{Count_i|Count_i>median(Count),i＝1,2,…,n}；其中，mean(·)，std(·)，median(·)分别表示对集合求平均值、标准偏差和中位数。

6.根据权利要求1所述的鲁棒性微震/声发射源定位方法，其特征在于：步骤S8中，所述到时差残差平方和的计算公式为：

7.一种鲁棒性微震/声发射源定位系统，其特征在于：所述鲁棒性微震/声发射源定位系统包括数据处理模块和监测系统；在所述监测系统中布置有n个传感器；

所述数据处理模块采用权利要求1～6中任一项所述的鲁棒性微震/声发射源定位方法进行数据处理，基于各个传感器的坐标和前述传感器之间的到时差计算微震/声发射源坐标，以此实现定位。

8.根据权利要求7所述的鲁棒性微震/声发射源定位系统，其特征在于：所述n个传感器在所述监测系统中随机布置，n>m；且传感器之间不全部共平面也不全部共球面。

9.根据权利要求7所述的鲁棒性微震/声发射源定位系统，其特征在于：所述n个传感器中，异常到时的数量占少数，不超到时数据总数量的一半；正常到时数量占多数，且不少于m个。