[发明专利]一种集成经验模态分解的样本熵阈值微地震信号降噪方法

说明书

本公开公开了一种集成经验模态分解的样本熵阈值微地震信号降噪方法，所述方法包括：步骤S1，获取含有噪声的微地震信号，并对所述微地震信号进行集成经验模态分解，得到一系列不同频率成分的本征模态函数IMF；步骤S2，基于样本熵从所述步骤S1得到的本征模态函数中提取符合微地震信号特征的目标本征模态函数；步骤S3，对于所述目标本征模态函数进行重构，得到去噪后的微地震信号。本公开利用EEMD方法有效解决微地震信号中存在的模态混叠现象，进而能够有效去除微地震信号中的噪声，提高微震数据的信噪比。

技术领域

本公开属于信息处理技术领域，尤其涉及一种集成经验模态分解的样 本熵阈值微地震信号降噪方法。

背景技术

地下工程岩爆的发生由于其不仅可能会造成人员伤亡、设备损坏、工 期延误等情况，严重时甚至还可能会诱发地震，因此已经成为地下工程在 施工和运行期间必须解决的问题之一。据美国国家安全与健康研究所 (NIOSH)的Iannacchione等人对Moonee矿微地震数据的整理和研究发现： 90％的顶板塌落事件可以提前1分钟被预测，73％的顶板塌落事件可以提 前54分钟被预测(Iannacchione，2005)。2017年成都理工大学隧道与地 下工程团队利用微地震监测技术成功预测了米仓山隧道岩爆，避免了施工 人员伤亡(顾华宁，2017)，冯夏庭教授团队在锦屏二级水电站深埋隧道 群建立了基于微地震监测技术的岩爆预警方法，在监测期间，共发生275 次岩爆，预报了其中的243次，未预测到的以轻微岩爆为主(丰光亮等， 2016)。

微地震监测技术已经被成功的应用于大坝矿山的安全监测、页岩气开 采中水力压裂监测、深埋地下工程和隧洞稳定性监测、矿山盗采等领域 (Obert et al,1941；Xu etal,2016；Song et al,2010；撒利明等,2012；宋广 东等,2016；沈统等,2017)。微地震监测技术相比于其他监测技术而言，其 优势是可以描述监测区域内微地震事件的时空分布，然而，由于微地震检 波器自身的技术局限性以及外部监测环境等因素的影响，实际采集的微地 震资料不可避免地与噪声混合在一起，如电磁干扰、背景噪声、机械振动、 爆破冲击等。这些噪声通常具有非线性、非平稳性和随机性的特点，甚至 会导致微地震信号产生畸变，掩盖岩石破裂扩展的真实过程，进而影响震 源位置定位、震源机理解释以及其他后续工作。微地震信号与外界随机噪 声的频带存在部分重叠，传统的线性滤波和频谱分析方法的去噪效果并不 理想[何柯等，2016]。集成经验模态分解在非平稳信号处理领域显示出独特的优势，该方法在不需要信号先验知识的前提下，能够自适应地将原信 号分解为一系列本征模态函数(IMF)，理论上，在信号去噪处理领域，只 要找出信号和噪声之间的界限后再进行重构，就可以得到去噪信号。因此 需要寻找合适的方法区分IMF分量中的信号和噪声。

目前针对微地震信号中非平稳随机噪声的去噪方法主要有：小波阈值 法[Beenamol et al,2012；Gaci et al,2014]，经验模态分解法(EMD)[李月等， 2013；陈凯，2009]等等。其中，小波阈值法具有计算量小、计算简单等优 点，但由于目前还没有确定小波基和分解水平的方法，因此限制了小波阈 值法的使用。经验模态分解(EMD)方法是傅立叶变换、小波变换等传统时 频分析方法的重大突破，此方法在非平稳信号处理领域显示出独特的优 势，已被广泛应用于机械故障诊断、图像处理、地震信号处理等领域[Li etal.2015；Linderhed et al.2014；Wang et al.2012]，该方法在不需要信号先验 知识的前提下，能够自适应地将原信号分解为一系列本征模态函数(IMF)， 并根据信号的特性，按频率进行降序排列。理论上，在信号去噪处理领域， 只要找出信号和噪声之间的界限后再进行重构，就可以得到去噪信号。然 而，IMF在EMD分解后，存在模态混叠问题，由此也导致EMD在信号 去噪领域的推广和应用受到了很大的限制。

发明内容

本公开的目的在于解决上述微地震信号采集过程中不可避免地混合 有非平稳随机噪声，而传统的线性滤波和频谱分析方法对这种混合信号的 去噪效果并不理想，进而导致微震数据信噪比较低的问题。