微地震自适应独立分量分析弱信号提取方法技术

本发明专利技术公开了一种微地震自适应独立分量分析弱信号提取方法，包括以下步骤：对每道微地震记录进行预处理，然后进行特征值分析确定独立分量的个数；采用基于峰度的ICA算法对观测信号进行分离得到源信号初始估计值；对每个独立分量的估计值利用改进的自适应预测方法进行滤波，得到各独立分量的自适应预测滤波结果；计算过程中，对一个循环迭代误差和权系数，利用曲线拟合的方法进行拟合，再将拟合结果再代入原来的公式中进行下一个循环的计算；最后对各独立分量的自适应预测滤波结果进行加权融合，得到最佳预测结果。本发明专利技术，既减小了误差的剧烈震荡，又能使算法结果向着稳定的期望方向进行，可以有效地提取出微地震记录中的弱信号，并改善其信噪比。

Weak signal extraction method for microseismic adaptive independent component analysis

The invention discloses a micro seismic adaptive independent component analysis of weak signal extraction method, which comprises the following steps: preprocessing of each micro seismic records, and then the eigenvalue analysis to determine the number of independent components; using ICA algorithm based on kurtosis of the observed signal separated source signal initial estimate; prediction method by using the improved adaptive filtering estimation for each independent component, the adaptive independent component prediction filtering results; the calculation process of a loop iteration error and weight coefficients are fitted by curve fitting method, and then calculate the next cycle by fitting the results into the original formula; finally the independent components of the adaptive prediction filter results are weighted fusion, obtain the best prediction results. The invention not only reduces the severe shock of the error, but also makes the result of the algorithm proceed in a stable expectation direction, and can effectively extract weak signals in the microseismic record and improve the signal-to-noise ratio.

【技术实现步骤摘要】

本专利技术涉及微地震检测技术，具体涉及微地震自适应独立分量分析弱信号提取方法。
技术介绍
微地震信号的时空多变性决定了信号处理方法的多变性。基于维纳理论的滤波虽然不要求输入先验信息，但是滤波过程中滤波器是固定的；卡尔曼滤波理论的滤波方法要求期望输出的先验信息，但是实际的微地震信号由于变化的多样性，很难统计求证一个固定的期望输出，因此实际应用中受到了一定的限制，资料的处理效果不尽人意。自适应滤波自动调节和更新期望输出，并通过多次迭代最后获得最佳的期望输出估计，克服了这种限制。但是，自适应滤波方法本身也具有很多限定条件，方法讨论中得出的一些特性结论，如收敛条件、稳定条件等都是在假定数据变量是统计独立条件下得出的。而实际的微地震信号由于噪声等因素的干扰，信号不可能是独立的。因此，以往的自适应滤波方法，实际应用效果不理想。独立分量分析逼近估计是通过个分解分量的迭代逼近计算，使各分量满足相互独立的条件作为终止迭代的条件。由于源数、混合矩阵的维数难以准确确定，尽管输出的各分量虽然相互独立了，但是各分量不一定是真实的源信号的信息。目前，独立分量分析大都考虑分解诸分量满足独立条件作为算法终止条件。几乎很少考虑从观测信号中，来确定源信号个数问题。从独立分解的基本原理看出，源的个数准确确定（混合矩阵维数）关系到分解结果优劣。独立分量的个数不确定，进而混合矩阵维数是不确定的。固定维数混合矩阵分析方法，不能满足独立分量分析弱信号提取的最佳维数分析。微地震记录的有效信号在时间采样方面具有局部脉冲的特点，该信号根据频带宽度的不同呈现的地震波形可以是单相位波形也可是多相位波形，并且波形振幅在其初跳响应达到最大值之后迅速衰减；信号分离的难易程度由信噪比决定。大部分地面微地震信号的信噪比较低，特别是当有效信号较弱时，会被完全淹没在噪音中。目前，讨论研究的弱信号监测问题，大都是针对具有周期或准周期重复性信号的有效信号的监测问题讨论的。而对于微地震信号，在时间方向类似随机脉冲的这种弱信号的监测问题，就变得更加困难。现有利用信号周期性变化特征进行弱信号提取的方法受到限制。总之，急需一种方法，提高微地震弱有用信号的检测能力。
技术实现思路
本专利技术所要解决的技术问题是如何提高微地震信号的检测能力的问题。为了解决上述技术问题，本专利技术所采用的技术方案是提供一种微地震自适应独立分量分析弱信号提取方法，包括以下步骤：步骤10：针对微地震事件信号脉冲特点，对每道微地震记录，进行随机噪音剔除处理及相关的预处理；步骤20：特征值分析方法确定独立分量的个数；步骤30、采用基于峰度的ICA算法对观测信号进行分离，得到源信号的初始估计值，即独立分量；步骤40：利用改进自适应预测方法对每个独立分量的初始估计值进行滤波，得到各独立分量的自适应预测滤波结果；对各独立分量的自适应预测滤波结果进行加权融合，得到最佳预测结果。在上述方法中，步骤20包括以下步骤：步骤21：利用多个滑动时窗将相应的微地震记录组成混合矩阵，求得该混合矩阵的协方差矩阵，并计算特征值和特征向量；步骤22：把特征值相近的特征向量进行合并，再通过矩阵分析方法，把奇异矩阵转化为非奇异矩阵，把非奇异矩阵的维数作为独立分量的个数。在上述方法中，独立分量通过各分解分量的迭代逼近计算，并使各分量满足相互独立的条件作为终止迭代的条件而得到。在上述方法中，步骤40中，自适应预测过程中，加入约束条件，使迭代过程向着期望的方向进行，同时，利用拟合残差对加权系数进行归一化；对归一化的加权系数再进行调节；对一个循环的迭代误差和权系数，利用曲线拟合的方法进行拟合，再将拟合结果再代入原来的公式中进行下一个循环的计算。本专利技术，自适应预测过程中对一个循环的迭代误差和权系数，利用曲线拟合的方法进行拟合，再将拟合结果再代入原来的公式中进行下一个循环的计算，既减小了误差的剧烈震荡，又能使算法结果向着稳定的期望方向进行，从而可以有效地提取微地震记录中的弱信号，同时信噪比也得到了明显的改善。附图说明图1为地面微地震事件中一条测线的微地震记录的原始数据；图2为采用本专利技术提供的方法对图1处理后的数据。具体实施方式本专利技术提供了一种微地震自适应独立分量分析信号提取方法，可以有效地提取微地震记录中的弱信号。下面结合说明书附图和具体实施例对本专利技术做出详细的说明。本专利技术提供的微地震自适应独立分量分析弱信号提取方法，包括以下步骤：步骤10：针对微地震事件信号特点，对每道微地震记录，进行随机噪音剔除处理及相关的预处理；步骤20：采用特征值分析方法确定独立分量的个数。具体方法是：利用多个滑动时窗将相应的微地震记录组成混合矩阵，求得该混合矩阵的协方差矩阵，并计算特征值和特征向量；把特征值相近的特征向量进行合并，再通过矩阵分析方法，把奇异矩阵转化为非奇异矩阵，非奇异矩阵的维数就是要确定的独立分量的个数。滑动时窗的窗口的长度（独立变量的样点数）依据微地震事件（子波）的延续长度来确定。步骤30：采用基于峰度的ICA算法对观测信号进行分离，得到源信号的初始估计值，即独立分量。步骤40：利用自适应预测方法对每个独立分量的初始估计值进行滤波，得到各独立分量的自适应预测滤波结果，对各独立分量的预测滤波结果进行加权融合，得到最佳预测结果，权系数为特征值。设线性组合的M个独立分量的输入为x(1)，…，x（n-M）,其输出y(n)是这些输入加权后的线性组合（n为采样点数），即：y(n)=Σi=1Mwix(n-i)---(1)]]>式中：wi为每个独立分量的加权系数。定义加权向量W＝[w1,w2,L,wM]T，且X(k)＝[x(k-1),x(k-2),Lx(k-m)]T，w(n+1)＝w(n)+2μe(n)x(n)(2)设置约束条件，使迭代结果向着期望收敛方向进行。独立信号统计的数学描述为：E[X]＝0（3）对于实际的有用微地震信号不是完全正交独立，如果随着迭代次数的增加，E[X]→min，则是说明约束条件合理。即：E(XK+1)＜E(XK)（4）K为迭代次数序号。同时还要求：E(WXT)＝0（5）如果预测变量独立，则：E(eWeT)＝0（6）其中，We＝WK+1-WK（7）e＝d-　y（8）e是残差，d是期望值。对加权系数进行归一化，本文档来自技高网...

【技术保护点】
微地震自适应独立分量分析弱信号提取方法，其特征在于，包括以下步骤：步骤10：针对微地震事件信号特点，对每道微地震记录，进行随机噪音剔除处理，然后进行白化和正交处理，去除其相关性；步骤20：采用特征值分析方法确定独立分量的个数；步骤30、采用基于峰度的ICA算法对观测信号进行分离，得到源信号的初始估计值，即独立分量；步骤40：利用改进自适应预测方法对每个独立分量的初始估计值进行滤波，得到各独立分量的自适应预测滤波结果，对各独立分量的自适应预测滤波结果进行加权融合，得到最佳预测结果。

【技术特征摘要】
1.微地震自适应独立分量分析弱信号提取方法，其特征在于，包括以
下步骤：
步骤10：针对微地震事件信号特点，对每道微地震记录，进行随机噪
音剔除处理，然后进行白化和正交处理，去除其相关性；
步骤20：采用特征值分析方法确定独立分量的个数；
步骤30、采用基于峰度的ICA算法对观测信号进行分离，得到源信号
的初始估计值，即独立分量；
步骤40：利用改进自适应预测方法对每个独立分量的初始估计值进行
滤波，得到各独立分量的自适应预测滤波结果，对各独立分量的自适应预
测滤波结果进行加权融合，得到最佳预测结果。
2.如权利要求1所述的方法，其特征在于，步骤20包括以下步骤：
步骤21：利用多个滑动时窗将相应的微地震记录组成混合矩阵，求得
...

【专利技术属性】
技术研发人员：宋维琪，
申请(专利权)人：宋维琪，
类型：发明
国别省市：山东;37