[发明专利]一种利用高斯拉普拉斯融合梯度的微震事件检测方法和系统

权利要求书

1.一种利用高斯拉普拉斯融合梯度的微震事件检测方法，其特征在于，包括：

步骤101获取按时间顺序采集的信号序列S；

步骤102生成循环延迟信号矩阵，具体为：

其中：

s_n：所述信号序列S的第n个元素

N：所述信号序列S的长度

n：元素下标，取值范围为n＝1,2,···,N；

步骤103生成第K个窗口的循环延迟子矩阵J^K,具体为：

其中：

d_K-1,K-1：所述循环延迟矩阵D的第K-1行第K-1列元素

d_K,K-1：所述循环延迟矩阵D的第K行第K-1列元素

d_K+1,K-1：所述循环延迟矩阵D的第K+1行第K-1列元素

d_K-1,K+1：所述循环延迟矩阵D的第K-1行第K+1列元素

d_K,K+1：所述循环延迟矩阵D的第K行第K+1列元素

d_K+1,K+1：所述循环延迟矩阵D的第K+1行第K+1列元素

d_K-1,K：所述循环延迟矩阵D的第K-1行第K列元素

d_K+1,K：所述循环延迟矩阵D的第K+1行第K列元素

d_K,K：所述循环延迟矩阵D的第K行第K列元素

如果K-11，则K-1置为K

如果K+1N，则K+1置为N；

K为窗口序号，取值范围为K＝1,2,···,N；

步骤104对所述第K个窗口的循环延迟子矩阵J^K进行滤波运算，具体为：

其中，

y_K：滤除噪声后的第K个窗口数据

所述循环延迟子矩阵J^K的第i行第j列元素

滤波因子

σ：所述信号序列S的均方差

T：所述信号序列S的采样间隔；

步骤105求取所述第K个窗口的高斯拉普拉斯融合梯度值H_K，具体为：

H_K＝||YG||_F

其中：

循环矩阵

G＝G₁+G₂：梯度矩阵

线性梯度矩阵

高斯拉普拉斯融合梯度矩阵

所述高斯拉普拉斯融合梯度矩阵G₂的第i行第j列元素

i＝1,2,···,5：行序号

j＝1,2,···,5：列序号

||YG||_F：矩阵YG的Frobenus范数；

步骤106求取微震事件判断阈值ε₀，具体为：

步骤107检测微震事件，具体为：如果第K个窗口的高斯拉普拉斯融合梯度值H_K满足判断条件|H_K|≥ε₀，则在所述信号序列S的第K点处，检测到微震事件；否则，未检测到微震事件。

2.一种利用高斯拉普拉斯融合梯度的微震事件检测系统，其特征在于，包括：

模块201获取按时间顺序采集的信号序列S；

模块202生成循环延迟信号矩阵，具体为：

其中：

s_n：所述信号序列S的第n个元素

N：所述信号序列S的长度

n：元素下标，取值范围为n＝1,2,···,N；

模块203生成第K个窗口的循环延迟子矩阵J^K,具体为：

其中：

d_K-1,K-1：所述循环延迟矩阵D的第K-1行第K-1列元素

d_K,K-1：所述循环延迟矩阵D的第K行第K-1列元素

d_K+1,K-1：所述循环延迟矩阵D的第K+1行第K-1列元素

d_K-1,K+1：所述循环延迟矩阵D的第K-1行第K+1列元素

d_K,K+1：所述循环延迟矩阵D的第K行第K+1列元素

d_K+1,K+1：所述循环延迟矩阵D的第K+1行第K+1列元素

d_K-1,K：所述循环延迟矩阵D的第K-1行第K列元素

d_K+1,K：所述循环延迟矩阵D的第K+1行第K列元素

d_K,K：所述循环延迟矩阵D的第K行第K列元素

如果K-11，则K-1置为K

如果K+1N，则K+1置为N；

K为窗口序号，取值范围为K＝1,2,···,N；

模块204对所述第K个窗口的循环延迟子矩阵J^K进行滤波运算，具体为：

其中，

y_K：滤除噪声后的第K个窗口数据

所述循环延迟子矩阵J^K的第i行第j列元素

滤波因子

σ：所述信号序列S的均方差

T：所述信号序列S的采样间隔；

模块205求取所述第K个窗口的高斯拉普拉斯融合梯度值H_K，具体为：

H_K＝||YG||_F

其中：

循环矩阵

G＝G₁+G₂：梯度矩阵

线性梯度矩阵

高斯拉普拉斯融合梯度矩阵

所述高斯拉普拉斯融合梯度矩阵G₂的第i行第j列元素

i＝1,2,···,5：行序号

j＝1,2,···,5：列序号

||YG||_F：矩阵YG的Frobenus范数；

模块206求取微震事件判断阈值ε₀，具体为：

模块207检测微震事件，具体为：如果第K个窗口的高斯拉普拉斯融合梯度值H_K满足判断条件|H_K|≥ε₀，则在所述信号序列S的第K点处，检测到微震事件；否则，未检测到微震事件。