1.一种基于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:上述公式(1)中,STx(f,b)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: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: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,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:上述公式(4)中,wi′(n)为{wi}i=1,...,r中相邻元素之差即:wi′(n)=wi(n+1)‑wi(n),n=
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: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: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表示如下:F=(SHwi,SDwi,ENwi,ENhi,SPhj;...) (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:s.t yi(wφ(xi)+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;
φ(xi)由式(9)得到:
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%。
2.根据权利要求1所述的一种基于NMF的微震弱信号识别方法,其特征在于,步骤3)中,具体步骤如下:
3.1)对 做变量代换,具体如下:T
3.2)求VN×M的分解矩阵WN×r、Hr×M,具体步骤如下:式中,WN×r为基向量矩阵,Hr×M为系数矩阵;
3.3)采用乘法迭代法不断更新W和H矩阵的元素,迭代式(13):上述公式(13)中,a表示当前迭代次数,其中i≤m,j≤n,a≤min(m,n)。