煤炭学报

作者：樊鑫, 程建远, 王云宏, 栗升, 段建华, 王盼,

关键词：微震监测, 小波散射分解, 信号分析, 特征提取, 智能识别,

微震信号是一种典型的时变非平稳信号，微震监测系统在高噪声环境下采集信号的信噪比 偏低，影响了微震事件的识别准确率和精度，现有的微震事件识别方法仍然存在低速率、高时延、低 精度等问题。 以小波理论为基础，提出利用小波散射分解变换提取微震事件和噪声信号的特征，计 算 2 类信号的特征系数，并构成相应的特征矩阵;基于微震信号低频特性、不可预知性和突发瞬态 性的特点，对比分析了小波散射分解变换结构的主要参数:时不变尺度、散射分解次数和质量因子 对特征矩阵维数的影响;通过调整参数的大小有效控制特征矩阵维数，提高运算效率，最终选择出 最优的特征矩阵，利用 SVM 分类对 360 组煤矿微震信号进行分类识别。 实验结果表明:1 小波散 射系数构成的特征矩阵可以有效区分微震事件信号与噪声信号，且事件信号特征系数变化趋势具 有突变性，噪声信号特征系数变化趋势表现为无序性;2 采用 3 次小波散射分解变换构成的特征 矩阵，可有效表征微震事件信号与噪声信号的差异特征，提高程序运算效率，而随着变换次数增加， 事件信号的低频部分更明显;3 在时不变尺度和变换次数确定的情况下，为得到最优特征矩阵，各 阶小波散射变换的质量因子选择不宜过大。

来源：2022年第7期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2022年第7期