【技术实现步骤摘要】
本专利技术涉及降噪处理，特别涉及一种微震时序波形降噪方法。
技术介绍
1、目前，微震时序波形的降噪研究面临多种挑战，微震测量受环境噪音、波传播相关噪音、传感器测量噪音和数据处理人为因素的影响；传统的降噪方法涉及堆叠技术、信号转换（如小波变换）、分解和学习，但这些方法存在一些限制，包括对特定噪音分布的假设、参数设置的复杂性以及实时处理的困难；已有的微震时序波形的降噪技术包括小波域的信号转换方法、集合经验模态分解等，但多数方法需要手动设置参数且对噪音分布敏感，此外，mousavi、s.mostafa等人在美国地震学会通报，106（4），1380-1393上提到使用高阶统计量和改进的小波块阈值的混合地震去噪，但该方法需要信号在时、频中应用小波变换及块阈值降噪并基于微震数据集的实验中得到证明，域反复变换受限于高计算复杂度。现有对微震时序波形的降噪方法对数据处理和参数调整比较复杂、对特定噪音分布的假设和对实际场地数据的适用性不足，现提出一种微震时序波形降噪方法以解决现有技术中存在的问题。
技术实现思路
1、本专利技术目的是：提供一种微震时序波形降噪方法，以解决现有技术中现有对微震时序波形的降噪方法对数据处理和参数调整比较复杂、对特定噪音分布的假设和对实际场地数据的适用性不足的问题。
2、本专利技术的技术方案是：一种微震时序波形降噪方法，包括：s1.利用加速度型微震传感器采集带有噪音的微震时序波形；
3、s2.基于所述带有噪音的微震时序波形，构建图结构并设计降噪目标函数
4、s3.将所述降噪目标函数的非线性约束条件利用深度算法展开参数化；
5、s4.对所述降噪目标函数进行交替迭代更新，直至降噪目标函数的函数值收敛，最终得到降噪后的微震时序波形。
6、优选的，步骤s2中基于所述带有噪音的微震时序波形，构建图结构并设计降噪目标函数的方法为：
7、s21.基于所述带有噪音的微震时序波形的信号幅值构建邻接矩阵；
8、s22.基于所述邻接矩阵构建正则化图拉普拉斯矩阵以及图双边滤波算子；
9、s23.基于所述邻接矩阵、正则化图拉普拉斯矩阵、图双边滤波算子，对带有噪音的微震时序波形降噪构建降噪目标函数。
10、优选的，所述邻接矩阵记为，中元素的表达式为：
11、,
12、其中表示在时刻微震传感器记录的微震时序波形的信号幅值，其中表示在时刻微震传感器记录的微震时序波形的信号幅值，为带有噪音的微震时序波形的信号幅值不同时刻之间的度量矩阵。
13、优选的，所述正则化图拉普拉斯矩阵记为，其表达式为：，其中为度数矩阵，中元素的表达式为；
14、所述图双边滤波算子记为，的表达式为：。
15、优选的，所述降噪目标函数的表达式为：
16、,
17、正则化图拉普拉斯矩阵的二次型惩罚项，并加入正定约束。
18、优选的，在微震事件多发的边坡或者地质活动多发区域设置加速度型微震传感器，所述带有噪音的微震时序波形为微震传感器记录的背景噪音以及原始微震信号。
19、优选的，算法1，将基于图结构的所述降噪目标函数中的正定约束条件通过神经网络参数化学习，通过神经网络，接受输入参数，并输出一个度量矩阵的近似值，(z)，神经网络的表达式为：，
20、对于第层，全连接层的计算可以表示为：，;
21、其中，是神经网络的层数；和是第层的权重和偏置；是激活函数；
22、设计神经网络损失函数为，为通过k轮迭代更新后得到的度量矩阵计算的降噪后的微震时序波形，是微震传感器记录的带有噪音的微震时序波形。
23、优选的，算法2，利用深度算法展开求解的度量矩阵，更新降噪后的微震时序波形，基于目标函数的闭式解：
24、，其中是单位矩阵；、为降噪目标函数的超参数。
25、优选的，对所述降噪目标函数引入神经网络参数化求解度量矩阵，并通过凸优化理论得到的降噪目标函数闭式解求得降噪后的微震时序波形s，交替迭代算法1和算法2，求解得到降噪后的微震时序波形。
26、与现有技术相比，本专利技术的优点是：
27、（1）本专利技术利用图结构探究微震时序波形的信号幅值的协方差，并通过图双边滤波算子、正则化图拉普拉斯矩阵构建降噪目标函数，利用深度算法展开技术迭代，本专利技术中微震时序波形信号信噪比高。
28、（2）本专利技术通过交替迭代更新度量矩阵和降噪后的微震时序波形，并在目标函数引入图双边滤波算子，同时考量信号高频低频部分，使得微震时序波形信号目标函数在求解过程中扩大了超参数的搜索范围，提升了求解效率的同时进一步最小化目标函数。
29、（3）本专利技术中利用深度算法展开技术求解基于图结构的降噪目标函数，深度算法展开可以将复杂包含超参数的多次迭代优化问题的计算过程转化为一系列的矩阵运算，它可以提高原优化问题的运行效率和求解精度。深度算法展开的优点主要有以下三个方面：①降低内存消耗：深度算法展开可以减少优化问题的参数数量和中间变量的存储，从而降低内存的占用和访问开销；②提高并行度：深度算法展开可以将优化问题的参数计算过程分解为多个独立的矩阵运算，从而提高并行度和利用率，特别是在图形处理器等并行计算设备上；③优化计算精度：深度算法展开可以通过调整矩阵运算的顺序和精度，来优化计算的稳定性和准确性，避免数值误差的累积和传播。
本文档来自技高网...【技术保护点】
1.一种微震时序波形降噪方法，其特征在于，包括：
2.根据权利要求1所述的一种微震时序波形降噪方法，其特征在于，步骤S2中基于所述带有噪音的微震时序波形，构建图结构并设计降噪目标函数的方法为：
3.根据权利要求2所述的一种微震时序波形降噪方法，其特征在于：所述邻接矩阵记为，中元素的表达式为：
4.根据权利要求3所述的一种微震时序波形降噪方法，其特征在于：所述正则化图拉普拉斯矩阵记为，其表达式为：，其中为度数矩阵，中元素的表达式为；
5.根据权利要求4所述的一种微震时序波形降噪方法，其特征在于：所述降噪目标函数的表达式为：,
6.根据权利要求1所述的一种微震时序波形降噪方法，其特征在于：在微震事件多发的边坡或者地质活动多发区域设置加速度型微震传感器，所述带有噪音的微震时序波形为微震传感器记录的背景噪音以及原始微震信号。
7.根据权利要求5所述的一种微震时序波形降噪方法，其特征在于：算法1，将基于图结构的所述降噪目标函数中的正定约束条件通过神经网络参数化学习，通过神经网络，接受输入参数，并输出一个度量矩阵的近似值
8.根据权利要求7所述的一种微震时序波形降噪方法，其特征在于：算法2，利用深度算法展开求解的度量矩阵，更新降噪后的微震时序波形，基于目标函数的闭式解：
9.根据权利要8所述的一种微震时序波形降噪方法，其特征在于：对所述降噪目标函数引入神经网络参数化求解度量矩阵，并通过凸优化理论得到的降噪目标函数闭式解求得降噪后的微震时序波形s，交替迭代算法1和算法2，求解得到降噪后的微震时序波形。
...【技术特征摘要】
1.一种微震时序波形降噪方法，其特征在于，包括：
2.根据权利要求1所述的一种微震时序波形降噪方法，其特征在于，步骤s2中基于所述带有噪音的微震时序波形，构建图结构并设计降噪目标函数的方法为：
3.根据权利要求2所述的一种微震时序波形降噪方法，其特征在于：所述邻接矩阵记为，中元素的表达式为：
4.根据权利要求3所述的一种微震时序波形降噪方法，其特征在于：所述正则化图拉普拉斯矩阵记为，其表达式为：，其中为度数矩阵，中元素的表达式为；
5.根据权利要求4所述的一种微震时序波形降噪方法，其特征在于：所述降噪目标函数的表达式为：,
6.根据权利要求1所述的一种微震时序波形降噪方法，其特征在于：在微震事件多发的边坡或者地质活动多发区域设置加速度型...
【专利技术属性】
技术研发人员：李江峰，范兆宇，叶敏翔，代伟，丁小华，王成浩，
申请(专利权)人：中国矿业大学，
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。