【技术实现步骤摘要】
本专利技术涉及微地震事件检测方法及系统、存储介质和检测设备，属于微地震事件检测及信号处理等领域。
技术介绍
1、近年来，微地震监测在地球物理中发挥着越来越重要的作用，给各个领域带来了广泛的应用。例如，在石油和天然气勘探中，微地震技术一直致力于监测储层产量和诱导压裂，以优化储层管理。在煤矿开采和生产中，微地震技术已被用于常规监测严重岩爆灾害，以提高矿山安全和生产力。微地震是一种小地震，可以随着岩体的微破裂、裂纹萌生和裂纹扩展而产生一次波(p波)和二次波(s波)的微地震信号。通过对微地震信号的监测，可以对微地震事件的震源、能量以及震源机制进行探索，具有重要研究价值。目前，针对微地震监测的手段较多，但卡尔曼滤波由于具有良好的实时性和高精度，在地质学领域引起了广泛的研究关注。
2、在过去的几年里，传感器收集的微震信号通常沿着电缆传输到计算机终端。如今，无线传输已经广泛用于取代电缆，以减少布线并便于维护。由于微地震监测工作条件的复杂性(如工作区域偏远、天气恶劣)，很难保证无线通信的稳定性。这些情情况，在微地震事件检测中应充分考虑。
3、作为另一种典型信号传输现象，衰落测量在无线传输中是不可忽视的。总的来说，衰落测量涉及两个场合，一种被称为多径诱导的衰落，通常由反射、折射和衍射引起。另一种称为测量缺失，通过引入伯努利分布白序列来描述这种现象，其中假设测量完全缺失或完全可用。
4、值得注意地是，以上现象会导致微地震波的振幅和相位发生变化，将极大地影响到达时间拾取的真实性。
5、文献号为cn115
6、因此，提供一种有效的滤波算法，以容忍切换信道及衰落测量带来的负面影响，实现微地震事件初至时间的实时准确拾取，是至关重要的。
技术实现思路
1、本专利技术目的是为了解决现有技术中的问题：
2、本专利技术提出了一种基于卡尔曼滤波的微地震事件检测方法及系统、存储介质和检测设备，以适于复杂通信环境下的微地震事件识别，实现微地震事件初至时间的实时准确拾取。
3、本专利技术是通过以下技术方案实现的，本专利技术提出基于卡尔曼滤波的微地震事件检测方法，所述方法具体为：
4、步骤一：构建微地震信号的状态空间模型，所述动态模型中包含系统状态及测量输出模型，设定动态模型中函数满足的条件；
5、步骤二：根据步骤一中的测量输出模型，构建基于切换信道和衰落测量的新测量模型，设定切换信道和衰落测量所满足的约束；
6、步骤三：根据步骤一的状态模型及步骤二的新测量模型，设计递推滤波器；
7、步骤四：根据步骤一的系统状态模型以及步骤三的滤波器模型，得到一步预测误差协方差与滤波误差协方差，并计算误差协方差上界；
8、步骤五：通过最小化滤波误差协方差上界，得到最优的滤波器增益。
9、一种基于卡尔曼滤波的微地震事件检测方法，所述方法的实现过程为：
10、步骤一：构建微地震信号的状态空间模型，所述动态模型中包含系统状态及测量输出模型，设定动态模型中函数满足的条件；
11、步骤二：根据步骤一中的测量输出模型，构建基于切换信道和衰落测量的新测量模型，设定切换信道和衰落测量所满足的约束；
12、步骤三：根据步骤一的状态模型及步骤二的新测量模型，设计递推滤波器；
13、步骤四：根据步骤一的系统状态模型以及步骤三的滤波器模型，得到一步预测误差协方差与滤波误差协方差，并计算误差协方差上界；
14、步骤五：通过最小化滤波误差协方差上界，得到最优的滤波器增益，从而实现基于卡尔曼滤波的微地震事件的检测。
15、步骤一中所述微地震信号的状态空间模型为：
16、
17、式中，t为连续时间，x1(t)为地震子波的近似；x2(t)是一个随机游走过程，近似于指数衰减的微地震子波振幅；x3(t)为微地震环境噪声，方差为σ2；w(t)为高斯白噪声，并且满足g为变量t1和t2的平均值；ω为主角频率，tc为时间常数；
18、取为采样间隔，将系统(1)进行离散化，微地震信号离散状态空间模型为：
19、
20、式中，s代表第s个采样时刻，xs为系统状态，ys代表测量输出；ws和vs分别代表过程噪声和测量噪声，方差分别为qs和rs，系统其它系统参数形式如下：
21、
22、考虑到建模中的不确定性，微地震波的状态方程被建立为：
23、xs+1＝(es+δes)xs+bsws (3)
24、其中δes表示满足容许条件的参数不确定性，为合适维数的已知矩阵，未知时变实值函数，满足
25、步骤二具体如下：
26、结合无线传输中实际的信道切换和衰落测量现象，将微震信号的测量方程描述为：
27、
28、其中是滤波器接收到的实际测量信号，β1和β2(0＜β1,β2＜1)为不同信道的衰落系数，αs为服从伯努利分布的随机变量，概率分布如下所示：
29、
30、其中，为已知标量，表示信道切换的概率。
31、在步骤三中，根据步骤一的状态模型及步骤二的新测量模型，设计递推滤波器，具体为：
32、
33、其中为xs的估计值，为滤波器初始值；为s时刻的一步预测值；被定义为符号λ，为待求增益矩阵。
34、在步骤四中，根据步骤一的系统状态模型以及步骤三的滤波器模型，得到一步预测误差协方差与滤波误差协方差，并计算误差协方差上界，具体如下：
35、首先，定义一步预测误差为滤波误差为通过步骤三中(3)-(5)式计算可得：
36、
37、其中
38、根据一步预测误差协方差与滤波误差协方差的定义可通过计算得到：
39、
40、其中
41、
42、
43、其次，根据数学归纳法、矩阵运算方法、协方差定义、不等式性质得到滤波误差协方差上界gs+1|s+1：
44、
45、
46、式中∈i,s(i＝1,2,3)为正标量，其它相关参数为
47、上述滤波误差协方差上界通过以下不等式来确定：
48、
49、其中ι＞0为标量。
50、步骤五中，通过最小化滤波误差协方差上界，得到最优的滤波器增益，具体如下：
51、利用配方法，对步骤四中的gs+1|s+1进行配方，结果如下：
52、
53、当滤波器本文档来自技高网...
【技术保护点】
1.一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：所述方法的实现过程为：
2.根据权利要求1所述的一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：步骤一中所述微地震信号的状态空间模型为：
3.根据权利要求1或2所述的一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：步骤二具体如下：
4.根据权利要求3所述的一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：在步骤三中，根据步骤一的状态模型及步骤二的新测量模型，设计递推滤波器，具体为：
5.根据权利要求4所述的一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：在步骤四中，根据步骤一的系统状态模型以及步骤三的滤波器模型，得到一步预测误差协方差与滤波误差协方差，并计算误差协方差上界，具体如下：
6.根据权利要求5所述的一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：在步骤五中，通过最小化滤波误差协方差上界，得到最优的滤波器增益，具体如下：
7.根据权利要求1所述的一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：所述微地震事件检测为具有切换信道
8.一种基于卡尔曼滤波的微地震事件检测系统，其特征在于：该系统具有与上述权利要求1-7任一项权利要求的步骤对应的程序模块，运行时执行上述的一种基于卡尔曼滤波的微地震事件检测方法中的步骤。
9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现权利要求1-7中任一项所述的一种基于卡尔曼滤波的微地震事件检测方法的步骤。
10.一种微地震事件检测设备，其特征在于：所述微地震事件检测设备包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的一种基于卡尔曼滤波的微地震事件检测方法。
...【技术特征摘要】
1.一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：所述方法的实现过程为：
2.根据权利要求1所述的一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：步骤一中所述微地震信号的状态空间模型为：
3.根据权利要求1或2所述的一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：步骤二具体如下：
4.根据权利要求3所述的一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：在步骤三中，根据步骤一的状态模型及步骤二的新测量模型，设计递推滤波器，具体为：
5.根据权利要求4所述的一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：在步骤四中，根据步骤一的系统状态模型以及步骤三的滤波器模型，得到一步预测误差协方差与滤波误差协方差，并计算误差协方差上界，具体如下：
6.根据权利要求5所述的一种基于卡尔曼滤波的微地震事件检测方法，其特征在于：在步骤五中，通过最小化滤波误差协方差上界，得到最优的滤波器增益，具体如下：
【专利技术属性】
技术研发人员：李佳慧，代冬岩，董宏丽，侯男，高宏宇，霍凤财，李学贵，孙宇航，
申请(专利权)人：东北石油大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。