CN114114400B - 微地震事件有效信号拾取方法 - Google Patents
微地震事件有效信号拾取方法 Download PDFInfo
- Publication number
- CN114114400B CN114114400B CN202111454071.5A CN202111454071A CN114114400B CN 114114400 B CN114114400 B CN 114114400B CN 202111454071 A CN202111454071 A CN 202111454071A CN 114114400 B CN114114400 B CN 114114400B
- Authority
- CN
- China
- Prior art keywords
- signal
- microseism
- scale
- identification
- signals
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000009466 transformation Effects 0.000 claims abstract description 17
- 230000000877 morphologic effect Effects 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 244000181917 Rubus leucodermis Species 0.000 claims description 6
- 235000011036 Rubus leucodermis Nutrition 0.000 claims description 6
- 235000003942 Rubus occidentalis Nutrition 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006740 morphological transformation Effects 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 abstract 1
- 239000002131 composite material Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
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
- G01V1/288—Event detection in seismic signals, e.g. microseismics
-
- 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
- G01V1/30—Analysis
- G01V1/301—Analysis for determining seismic cross-sections or geostructures
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Acoustics & Sound (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Geophysics And Detection Of Objects (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种微地震事件有效信号拾取方法,涉及微地震数据处理技术领域;该方法从多个微地震信号中选取具有微地震特征的信号作为模板信号,将模板信号经过多尺度形态学运算和多尺度高帽变换处理后,得到模板信号的多尺度剖面并从中选取出识别剖面,根据识别剖面上的识别数据与模拟数据作比对以设定误差阈值;再将其余微地震信号进行多尺度形态学运算和多尺度高帽变换处理后,以模板信号选择识别剖面时的尺度参数和误差阈值去识别其余微地震信号上的有效信号;上述识别方法,通过对模板信号的预先处理,获得尺度参数和误差阈值,再以此为标准对其余微地震信号进行处理和识别,能显著提升低信噪比情况下,微地震事件有效信号的识别准确度。
Description
技术领域
本申请涉及微地震数据处理技术领域,例如涉及一种微地震事件有效信号拾取方法。
背景技术
目前,微地震监测技术理论都是建立在对有效信号的处理以及分析基础之上的。由于微地震信号通常具有能量弱、信噪比低及持续时间短等特点,早期的一些拾取方法虽然可以大致识别出有效信号,但对噪声敏感度较高,在低信噪比下,其识别的准确性及完整性仍难以取得令人满意的效果。
在识别微地震事件有效信号的方法中,长短时窗能量比法是当前较为主流的一种方法。长短时窗能量比法(STA/LTA),通过给定一个滑动的长时间窗,在此窗口内再取一个短时间窗,两窗口终点或起始点重合,用短时窗信号平均值(STA)和长时窗信号平均值(LTA)之比来反映信号振幅或能量的变化。STA主要反映微震信号的平均值,LTA主要反映背景噪音的平均值。在微震信号到达的时间处,STA要比LTA变化快,相应的STA/LTA值会有一个明显的增加,当其比值大于某个阈值时,即可判定有微震事件发生,从而达到自动检测和拾取微震初至的目的。
该算法对于低信噪比的情况,STA/LTA方法识别的准确率较低。同时,对该算法起到主要影响因素STA和LTA时窗长度、触发阈值、特征函数等因素,容易受人为因素影响,导致微震信号的识别和拾取效果差,使得最终的结果不准确。
发明内容
有鉴于此,本发明实施例提供了一种微地震事件有效信号拾取方法,以解决在低信噪比情况下微地震信号识别效果差的问题。
为了达到上述目的,本发明实施例提供如下技术方案:
一种微地震事件有效信号拾取方法,包括获取微地震事件中的多个微地震信号,并选取其中具有微地震特征的信号作为模板信号,将其余信号设为待识别微地震信号;
对所述模板信号进行信号识别,设定微地震有效信号的识别阈值;
所述信号识别过程包括:
S1对待处理信号进行第一形态变换,去除所述待处理信号中的波峰、波谷尖锐特征,获得平滑处理后的平滑处理信号;
S2对所述平滑处理信号进行多尺度放大的第二形态变换,获得所述平滑处理信号的多尺度剖面;
S3拾取所述多尺度剖面中显示微地震信号特征的剖面作为识别剖面,并对所述识别剖面进行数据采样,将采样数据与模拟数据比对,获取识别误差;
S4根据所述识别误差设定微地震信号的识别阈值;
对所述待识别微地震信号,分别执行步骤S1-S2,获取与所述识别剖面同一尺度的待识别剖面;
对所述待识别剖面进行数据采样,并与所述模拟数据比对,获得所述待识别微地震信号的待识别误差;
当所述待识别误差在所述识别阈值内时,识别所述待识别微地震信号为微地震事件有效信号。
优选地,在上述微地震事件有效信号拾取方法中,所述模板信号为由信噪比大于第一预设值的高信噪比微地震信号中截取;
所述模板信号的截取范围为所述高信噪比微地震信号中,具有明显波峰的信号。
优选地,在上述微地震事件有效信号拾取方法中,所述第一形态变换为,对所述待处理信号进行多尺度形态学开启运算和多尺度形态学闭合运算。
优选地,在上述微地震事件有效信号拾取方法中,所述去除所述待处理信号中的波峰、波谷尖锐特征,包括用所述多尺度形态学开启运算结果的波峰代替所述待处理信号的波峰部分,以及用所述多尺度形态学闭合运算结果的波谷代替所述待处理信号的波谷部分。
优选地,在上述微地震事件有效信号拾取方法中,步骤S2包括在所述平滑模板信号上选择一个识别时窗;
对所述识别时窗内的信号进行白帽变换处理和黑帽变换处理;
计算所述白帽变换处理结果和所述黑帽变换处理结果的平均结果,得到所述平滑处理信号的多尺度剖面。
优选地,在上述微地震事件有效信号拾取方法中,步骤S3中所述识别剖面的选取,包括从所述多尺度剖面的多个尺度中,拾取尺度波形趋于稳定的临界尺度剖面,且所述临界尺度剖面上具有高波形的波峰。
优选地,在上述微地震事件有效信号拾取方法中,步骤S3中所述获取识别误差为,根据误差判断准则计算所述采样数据与所述模拟数据的识别误差。
优选地,在上述微地震事件有效信号拾取方法中,所述模拟数据由弹性波动方程正演模拟而来。
优选地,在上述微地震事件有效信号拾取方法中,所述误差判断准则的公式为
其中,E(i)为第i道数据的识别误差,T(i)为第i道数据的模拟结果,t(i)为第i道数据的识别,和/>分别为T(i)和t(i)的平均。
本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述微地震事件有效信号拾取方法。
在本发明实施例中,从多个微地震信号中选取具有微地震特征的信号作为模板信号,将模板信号经过多尺度形态学运算和多尺度高帽变换处理后,得到模板信号的多尺度剖面并从中选取出识别剖面,根据识别剖面上的识别数据与模拟数据作比对以设定误差阈值;再将其余微地震信号进行多尺度形态学运算和多尺度高帽变换处理后,以模板信号选择识别剖面时的尺度参数和误差阈值去识别其余微地震信号上的有效信号。
通过上述识别方法,先对模板信号进行预处理,获得尺度参数和误差阈值,再以此为标准对其余微地震信号进行处理和识别,能显著提升低信噪比情况下,微地震事件有效信号的识别准确度。
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,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,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是本发明实施例中微地震事件有效信号拾取方法流程图;
图2是本发明实施例中信号识别流程图;
图3是本发明实施例中形态学四种基本运算示意图;
图4是本发明实施例中多尺度高帽变换示意图;
图5是本发明实施例中一种高信噪比合成信号的多尺度剖面图;
图6是本发明实施例中一种高信噪比合成信号的第7尺度剖面拾取误差的直方分布图。
具体实施方式
本发明实施例提供了一种微地震事件有效信号拾取方法,以解决在低信噪比情况下微地震信号识别效果差的问题。
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、完整的描述,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。
图1为本发明实施例中微地震事件有效信号拾取方法流程图,该方法包括:
步骤101,获取微地震事件中的多个微地震信号,并选取其中具有微地震特征的信号作为模板信号,将其余信号设为待识别微地震信号;
步骤102,对所述模板信号进行信号识别,设定微地震有效信号的识别阈值;
步骤103,对所述待识别微地震信号,分别执行步骤S1-S2,获取与所述识别剖面同一尺度的待识别剖面;
步骤104,对所述待识别剖面进行数据采样,并与所述模拟数据比对,获得所述待识别微地震信号的待识别误差;
步骤105,当所述待识别误差在所述识别阈值内时,识别所述待识别微地震信号为微地震事件有效信号。
在步骤101中,同一微地震事件信号往往有高信噪比和低信噪比的多组信号,选取一个高信噪比信号作为模板信号,即选取出最典型的微地震信号。对于具有微地震特征的高信噪比微地震事件信号,信号的波形振幅较大,在信号到达时会有较明显的波峰,能肉眼可见地区分于噪声。
在步骤102中,信号识别过程如图2所示,为本发明实施例中信号识别流程图,该过程包括:
S1对待处理信号进行第一形态变换,去除所述待处理信号中的波峰、波谷尖锐特征,获得平滑处理后的平滑处理信号;
S2对所述平滑处理信号进行多尺度放大的第二形态变换,获得所述平滑处理信号的多尺度剖面;
S3拾取所述多尺度剖面中显示微地震信号特征的剖面作为识别剖面,并对所述识别剖面进行数据采样,将采样数据与模拟数据比对,获取识别误差;
S4根据所述识别误差设定微地震信号的识别阈值。
在步骤S1中,第一形态变换如图3所示,为本发明实施例中形态学四种基本运算示意图,该变换包括:
步骤S101,对待处理信号进行多尺度形态学开启运算,采用的计算公式为
其中Bn为第n个结构元素,f为原始信号,表示膨胀运算,Θ表示腐蚀运算。膨胀运算是将结构元素沿信号上方滑动时结构元素顶点所经过的位置的轨迹;同理,腐蚀运算是将结构元素颠倒沿着信号下方滑动时结构元素顶点所经过的位置的轨迹;开启运算是结构元素沿信号上方滑动时结构元素圆心所经过的位置的轨迹;
步骤S102,对模板信号进行多尺度形态学闭合运算,采用的公式为
同理,闭合运算是将结构元素颠倒沿着信号下方滑动时结构元素圆心所经过的位置的轨迹;
步骤S103,在图中红色半椭圆为结构元素,黄色实线为原始信号,绿色实线为膨胀运算结果,紫色实线为腐蚀运算结果,蓝色点线为开启运算结果,黑色点线为闭合运算结果。可以发现,膨胀运算的结果始终位于原始信号上方,腐蚀运算的结果始终位于原始信号的下方,开启和闭合运算大部分结果与原始信号吻合,只是开启运算的结果在波峰附近位于原始信号下方,闭合运算的结果在波谷位置位于信号上方。这一现象表明开启运算可以用来消除原始信号中尖锐的波峰,闭合运算可以消除原始信号中尖锐的波谷。那么采用开启运算结果的波峰部分代替原始信号的波峰,采用闭合运算结果的波谷部分代替原始信号的波谷,就能得到能综合反映模板信号特征的平滑信号。
在步骤S2中,第二形态变换如图4所示,为本发明实施例中多尺度高帽变换示意图,该变换包括:
步骤S201,在平滑处理信号上选择一个滑动的时窗;
步骤S202,对选择的时窗内的信号进行白帽变换处理,采用的公式为
步骤S203,对选择的时窗内的信号进行黑帽变换处理,采用的公式为B_Hatn(f)=(f·Bn)-f;
步骤S204,利用白帽变换和黑帽变换之和得到该信号对应的多尺度剖面,即
在步骤S3中,识别剖面的选取为在多尺度波形图中,从低尺度到高尺度,在前几个尺度中,尺度波形会逐尺度变化,直到某个尺度及其之后,尺度波形趋于稳定,变化不大,且在该尺度下,尺度波形中会出现一个明显的波峰,即为初至波的波峰,区别于其余部分,选择该尺度作为识别剖面;
例如,基于一组采用井中接收方式的模型数据,该模型数据模拟了水平放置在巷道内的三分量检波器接收到的煤矿微地震事件,检波器共计两排,每排6个;微地震事件的时间采样间隔为0.5ms,时间采样点为500个,微地震信号子波为主频是50Hz的雷克子波,合成数据中各道的有效信号的初至波峰位置见表1.1;
表1.1合成数据中各道的有效信号初至的波峰位置
Trace | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
波峰位置(采样点) | 200 | 215 | 230 | 245 | 260 | 270 | 235 | 250 | 265 | 280 | 295 | 310 |
Trace | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 |
波峰位置(采样点) | 210 | 225 | 240 | 255 | 270 | 285 | 245 | 260 | 275 | 290 | 305 | 320 |
Trace | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 |
波峰位置(采样点) | 220 | 235 | 250 | 265 | 280 | 295 | 240 | 255 | 270 | 285 | 300 | 315 |
向上述合成数据添加高斯噪音,合成信噪比为1dB的高信噪比数据,表1.2记录了在高信噪比合成数据中识别到的有效信号波峰的时间采样点位置;
表1.2在高信噪比合成数据中识别到的有效信号波峰位置
Trace | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
波峰位置(采样点) | 199 | 217 | 227 | 244 | 261 | 276 | 235 | 248 | 264 | 276 | 296 | 314 |
Trace | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 |
波峰位置(采样点) | 210 | 226 | 239 | 256 | 272 | 285 | 244 | 259 | 276 | 287 | 304 | 318 |
Trace | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 |
波峰位置(采样点) | 221 | 234 | 253 | 263 | 280 | 297 | 241 | 255 | 273 | 287 | 297 | 313 |
将识别到的高信噪比数据进行步骤S1和步骤S2的形态变换后,生成如图5所示的,为本发明实施例中一种高信噪比合成信号的多尺度剖面图;
图5所示的多尺度剖面表明,在前3个尺度剖面中有效信号的特征并不明显;从第4个尺度开始,尺度剖面上的有效信号的特征开始明显;第6个尺度开始,尺度剖面的波形变化不大;于是选择在第7个尺度剖面上进行有效信号识别工作。
在步骤S3中,将采样数据与模拟数据比对,获取识别误差为根据误差判断准则计算识别剖面的识别误差,误差判断准则采用的公式为
其中E(i)为第i道数据的识别误差,由于是对公式右侧取绝对值,所以都为正,单位为个采样点;T(i)为第i道数据的模拟结果,模拟数据可由弹性波动方程正演模拟而来;t(i)为第i道数据的识别;T和t分别为T(i)和t(i)的平均值。
在步骤S4中,根据所述识别误差设定微地震信号的识别阈值;
例如,根据上述高信噪比合成数据的识别误差,拾取误差的直方分布图如图6所示,为本发明实施例中一种高信噪比合成信号的第7尺度剖面拾取误差的直方分布图;
若将拾取误差阈值设置为5个采样点,则对应相差的时间采样间隔为2.5ms,此差异在图中通常较难察觉,因此若产生这样较小的误差,可以认为该方法的结果是准确的;图6所示最大误差也仅有2个采样点,均小于所设置的阈值,故将误差阈值确定为5个采样点。
在步骤103中,对其余所有微地震事件信号,即待识别微地震信号,分别执行步骤S1-S2,获得与其对应的多尺度剖面,再按照模板信号拾取识别剖面时选择的尺度参数,拾取其余待识别微地震信号的待识别剖面;
在步骤104中,对待识别剖面进行数据采样,并与之前得到的模拟数据比对,获得所述待识别微地震信号的待识别误差。
在步骤105中,将待识别误差与误差阈值进行比较,若待识别误差在所述误差阈值内,则识别其为一个有效信号;若所述误差差值大于所述预设误差阈值,则判定其为非有效信号。
本申请的实施例还提供一种计算机可读存储介质,能够实现上述实施例中的微地震事件有效信号拾取方法中全部步骤,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的微地震事件有效信号拾取方法的全部步骤。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (2)
1.一种微地震事件有效信号拾取方法,其特征在于,包括:
获取微地震事件中的多个微地震信号,并选取其中具有微地震特征的信号作为模板信号,将其余信号设为待识别微地震信号;
对所述模板信号进行信号识别,设定微地震有效信号的识别阈值;
所述信号识别过程包括:
S1对待处理信号进行第一形态变换,去除所述待处理信号中的波峰、波谷尖锐特征,获得平滑处理后的平滑处理信号;
S2对所述平滑处理信号进行多尺度放大的第二形态变换,获得所述平滑处理信号的多尺度剖面;
S3拾取所述多尺度剖面中显示微地震信号特征的剖面作为识别剖面,并对所述识别剖面进行数据采样,将采样数据与模拟数据比对,获取识别误差;
S4根据所述识别误差设定微地震信号的识别阈值;
对所述待识别微地震信号,分别执行步骤S1-S2,获取与所述识别剖面同一尺度的待识别剖面;
对所述待识别剖面进行数据采样,并与所述模拟数据比对,获得所述待识别微地震信号的待识别误差;
当所述待识别误差在所述识别阈值内时,识别所述待识别微地震信号为微地震事件有效信号;
其中,所述模板信号为由信噪比大于第一预设值的高信噪比微地震信号中截取;
所述模板信号的截取范围为所述高信噪比微地震信号中,具有明显波峰的信号;
其中,步骤S1中所述第一形态变换为,
对所述待处理信号进行多尺度形态学开启运算和多尺度形态学闭合运算;
其中,步骤S1中所述去除所述待处理信号中的波峰、波谷尖锐特征,包括:
用所述多尺度形态学开启运算结果的波峰代替所述待处理信号的波峰部分,以及用所述多尺度形态学闭合运算结果的波谷代替所述待处理信号的波谷部分;
其中,步骤S2包括:
在所述平滑处理信号上选择一个识别时窗;
对所述识别时窗内的信号进行白帽变换处理和黑帽变换处理;
计算所述白帽变换处理结果和所述黑帽变换处理结果的平均结果,得到所述平滑处理信号的多尺度剖面;
其中,步骤S3中所述识别剖面的选取,包括:
从所述多尺度剖面的多个尺度中,拾取尺度波形趋于稳定的临界尺度剖面,且所述临界尺度剖面上具有高波形的波峰;
其中,步骤S3中所述获取识别误差为,根据误差判断准则计算所述采样数据与所述模拟数据的识别误差;
其中,所述模拟数据由弹性波动方程正演模拟而来;
其中,所述误差判断准则的公式为;
其中,为第/>道数据的识别误差,/>为第/>道数据的模拟结果,/>为第/>道数据的识别结果,/>和/>分别为/>和/>的平均值。
2.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1所述的微地震事件有效信号拾取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111454071.5A CN114114400B (zh) | 2021-12-01 | 2021-12-01 | 微地震事件有效信号拾取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111454071.5A CN114114400B (zh) | 2021-12-01 | 2021-12-01 | 微地震事件有效信号拾取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114114400A CN114114400A (zh) | 2022-03-01 |
CN114114400B true CN114114400B (zh) | 2023-12-26 |
Family
ID=80369223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111454071.5A Active CN114114400B (zh) | 2021-12-01 | 2021-12-01 | 微地震事件有效信号拾取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114114400B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111898478B (zh) * | 2020-07-13 | 2022-06-14 | 西南石油大学 | 一种基于多尺度形态学的初至自动拾取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103064111A (zh) * | 2012-12-12 | 2013-04-24 | 中国石油天然气集团公司 | 一种基于形态滤波的微地震事件识别方法 |
CN106154324A (zh) * | 2015-04-13 | 2016-11-23 | 中石化石油工程地球物理有限公司胜利分公司 | 基于多道扫描叠加的井下微地震事件自动识别方法 |
CN106154328A (zh) * | 2015-04-16 | 2016-11-23 | 中国石油化工股份有限公司 | 一种基于互相关的微地震事件识别拾取方法及其系统 |
CN110082821A (zh) * | 2019-03-26 | 2019-08-02 | 长江大学 | 一种无标签框微地震信号检测方法及装置 |
-
2021
- 2021-12-01 CN CN202111454071.5A patent/CN114114400B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103064111A (zh) * | 2012-12-12 | 2013-04-24 | 中国石油天然气集团公司 | 一种基于形态滤波的微地震事件识别方法 |
CN106154324A (zh) * | 2015-04-13 | 2016-11-23 | 中石化石油工程地球物理有限公司胜利分公司 | 基于多道扫描叠加的井下微地震事件自动识别方法 |
CN106154328A (zh) * | 2015-04-16 | 2016-11-23 | 中国石油化工股份有限公司 | 一种基于互相关的微地震事件识别拾取方法及其系统 |
CN110082821A (zh) * | 2019-03-26 | 2019-08-02 | 长江大学 | 一种无标签框微地震信号检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
Automatic Microseismic Events Detection Using Multiscale Morphological Characteristic Function;Yongyong Jiang et al.;《IEEE TRANSACTTONS ON GFOSCTFNCF AND RFMOTF SFNSTNG》;第58卷(第5期);第3341-3345页 * |
形态学高帽变换与低帽变换功能扩展及应用;朱士虎;计算机工程与应用》;第47卷(第34期);第190-192页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114114400A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105223481B (zh) | 基于差值能量函数的局部放电特高频信号起始时刻确定方法 | |
CN109633633B (zh) | 一种基于分段分类增强处理的生命信号增强方法 | |
CN103989462B (zh) | 一种脉搏波形第一特征点和第二特征点的提取方法 | |
CN114114400B (zh) | 微地震事件有效信号拾取方法 | |
US10825670B2 (en) | Signal processing method and system based on time-of-flight mass spectrometry and electronic apparatus | |
CN105429719B (zh) | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 | |
US20170296081A1 (en) | Frame based spike detection module | |
CN112364296B (zh) | 一种基于深度学习的p波到时自动拾取方法 | |
CN109061591B (zh) | 一种基于序贯聚类的时频线谱检测方法 | |
CN108226890B (zh) | 基于时间向统计的机场异物雷达检测方法 | |
CN103720471B (zh) | 一种基于因子分析的眼电伪迹去除方法 | |
CN104463057B (zh) | 一种磁卡解码方法及装置 | |
CN112526602A (zh) | 一种基于长短时窗和ar模型方差激增效应的p波到时拾取方法 | |
CN109409216B (zh) | 基于子载波动态选择的速度自适应室内人体检测方法 | |
CN106772572A (zh) | 一种微地震监测初至的拾取方法 | |
CN112033656A (zh) | 一种基于宽带谱处理的机械系统故障检测方法 | |
CN117169346A (zh) | 一种基于小波包能量谱分析的高空建筑损伤识别方法 | |
CN109765425B (zh) | 基于峰值间时间差和能量加权的脉冲信号频率分析方法 | |
CN110333506B (zh) | 一种提取索力测量雷达的拉索位置参数的方法 | |
CN111901268A (zh) | 基于频谱重排及Gumbel分布拟合检验的BPSK/QPSK信号调制识别方法 | |
CN108236461B (zh) | 一种可进行编辑的心电信号的处理方法 | |
CN112750458B (zh) | 一种触屏声音检测方法和装置 | |
CN107548007B (zh) | 一种音频信号采集设备的检测方法及装置 | |
CN111123356B (zh) | 基于初至信息的异常道智能判识方法 | |
CN110007342B (zh) | 一种用于低信噪比地震信号的时频域直接拾取初至方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |