基于小波散射分解变换的煤矿微震信号智能识别

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.