[发明专利]一种基于NMF的微震弱信号识别方法

摘要

本发明公开了一种基于NMF的微震弱信号识别方法，首先采用S变换对微震信号进行时频分析，然后对时频谱在频率方向上进行重排。采用非负矩阵分解（NMF）对重排的时频矩阵分解得到频域基向量和时域位置向量，从中提取尖锐度、导数平方和、信息熵以及稀疏度等特征参量，构造微震信号的特征空间，最后采用最小二乘支持向量机（LSSVM）对其分类。该方法增强了低频弱信号，也提高了时频分辨率，具有很好的时域和频域局部化能力。

主权项

一种基于NMF的微震弱信号识别方法，其特征在于，具体包括如下步骤：1)对于采集的任意时变信号x(t)进行S变换，具体如下：STxf,b=|f|2π∫-∞∞xte-t-b2f22e-i2πftdt---(1)]]>上述公式(1)中，STxb,f为信号x t时频谱，f为采样频率，t为采样时刻，b为时间位移参数，i为虚数单位；2)由于受到海森堡不确定性原则的限制，其时频分辨率有限，时频谱分布在f0附近的一定范围内，有一定的虚假频带宽度，因此在S变换的基础上，引入时频谱的重排，以提高弱振幅信号的时频分辨率，重排时频谱如下：STxrf^l,b=Δf^l-1×Σfk:|f^lfk,b-f^l|≤Δf^l/2|STxf,b|fkΔfk---(2)]]>上述公式(2)中是信号x(t)的重排谱矩阵，fk是S变换的离散频率，为重排重心，为重排带宽；3)对步骤2)得到的重排谱矩阵做非负矩阵分解，分解得到频域基向量WN×r和时域位置向量Hr×M；4)对步骤3)得到的频域基向量WN×r和时域位置向量Hr×M，提取尖锐度、导数平方和、信息熵和稀疏度构造微震信息的特征空间；所述的尖锐度SH，能够反应信号的频域能量信息如下：SHwi=Σk=n0N/4|Wik|---(3)]]>上述公式(3)中，为每一个频域基向量{wi}i＝1,...,r的傅里叶变换(FT)，而所述的导数平方和SD，能够直观地对向量中元素的均匀性进行度量，频域基向量{wi}i＝1,...,r的导数平方和定义如下：SDwi=Σn=1N-1wi′n2---(4)]]>上述公式(4)中，wi′n为{wi}i＝1,...,r中相邻元素之差即：wi′n＝win+1‑winn＝1,...,N‑1；所述的信息熵EN，反映序列的平均信息量，分别采用下式计算频域基向量{wi}i＝1,...,r和时域位置向量{hi}i＝1,...,r的信息熵EN：ENwi=-Σn=1Nwi2nlogwi2n---(5)]]>ENhi=-Σm=1Mhi2mloghi2m---(6)]]>稀疏度SP，反映元素之间偏移量，对{hi}i＝1,...,r计算稀疏度如下：SPhi=M-(Σm=1Mhim)/Σm=1Mhi2mM-1---(7)]]>上述公式(7)中，M为hi的长度。当向量中所有元素相等时，其稀疏度SP＝1；5)从每个wi提取SHwi,SDwi,ENwi三个特征向量，每个hi提取ENhi,SPhi两个特征参量，随着i取值的不同，从微震信号的时频谱矩阵中提取的特征集F可以表示如下：F＝SHwi,SDwi,ENwi,ENhi,SPhi；...      (8)6)对步骤5)的微震信号进行分类，以公式(8)构造的特征集为输入，输出微震信号的标签，其中岩石破裂信号的标签为1，爆破信号的标签为2，机械噪声的标签为3；7)对微震信号x(t)进行分类，分类器的最优分类面表达式如下：minw,b,ζi:||w||2/2+CΣi=1Lζi---(9)]]>s.t yiwφxi+b≥1‑ζi上述公式(9)中，w和b分别为最优分类面的权向量和偏差；ζi为松弛变量，ζi≥0；C为惩罚系数；φxi由式(9)可得到：Kxi,xj≡φxiφxj=er||xi-xj||2---(10)]]>上述公式(10)中，r为控制高斯核宽度的参数，采用网格搜索算法确定联合参数c和r；8)分别选取微震信号特征集F的1‑100组数据作为模式识别的训练组，101‑200组数据作为预测组，经分类器输出训练组微震信号的类别标签；经过上述步骤，完成微震信号的分类，正确率达到98％。