煤矿井下地音监测信号的小波变换处理方法

程秀芝

(安徽建筑大学 机械与电气工程学院，合肥230022)

0 引 言

煤岩体内存在各种微裂隙、孔隙等，缺陷部位受到外力作用会产生应力集中，发生突发性破裂，使积聚在煤岩体中的能量释放，并以弹性波的形式向外传播，这就是煤岩体在地应力、瓦斯压力及采掘作用等影响下产生的声发射现象，也称为地音［1］。地音信号的多少、大小等指标变化反映了煤岩体受力情况，可以提供矿井动力灾害的前兆信息。因此，通过对煤岩体声发射频度、能率等参数的统计分析，找到利用地音参数预测预报危险的差别指标及其临界值［2－3］，实现对地音信号的震源定位，从而评价、预测煤岩体的破坏位置，实现对冲击地压、顶板大面积来压、煤与瓦斯突出等严重影响煤矿安全的动力灾害的预测预报。笔者提出一种基于小波变换的地音信号处理方法，并对现场信号进行实验分析，为煤矿井下地音监测信号处理提供了借鉴。

1 声发射信号的处理方法

通常，声发射信号包括连续型和突变型两种(图1)。若前后两次应力波出现的时间间隔过短而产生重叠，则为连续型声发射信号。连续型声发射信号本质上也是由突发型信号组成的，除极少数情况外，几乎都是突发型声发射信号，煤岩体的声发射信号即为突发型声发射信号。

图1 声发射信号类型Fig．1 AE signal type

声发射信号具有不可预知性、突发瞬态性、声源信号及干扰噪声多样性的特点。一般将声发射信号处理方法分为两大类:一类是参数分析法，即以波形的特征参数来表示信号的特征，然后对这些参数进行分析和处理的方法;另一类是基于波形的分析法，即存贮和记录信号的波形，通过分析信号的时域波形或频域波形特征来获取信息的方法。参数分析法应用较成熟，但从理论上讲，波形分析法能够提供更多的信息量［4］。

目前，声发射信号的波形分析方法主要有频谱分析、模态声发射分析和时频分析三种。小波变换具有同时在时域和频域表征信号局部特征的特点［3］，适合分析含有瞬态现象的矿井地音信号。文中选用小波变换对地音信号进行处理。

2 实验

2.1 小波基选取

此次处理的数据为某煤矿微震监测系统采集的数据，采样频率为1 000 Hz，经过FFT 分析，频谱多集中于100 Hz 以下的低频部分。为获得信号的低频信息，对地音信号进行小波消噪时，进行八层小波分解，分解的最低频率范围为［0，1 000/29］，即0～2 Hz;分析信号的不同特征波组成时，进行七层小波分解，分解的最低频率范围为［0，1 000/28］，即0～4 Hz。

不同小波基具有不同的时频特性，利用不同的小波基对同一个信号进行分解时，得到的结果不是唯一的，所以小波基的选取对准确提取信号的特征很关键。分析声发射信号的小波基，一般应满足以下条件:

(1)能够对信号快速处理;

(2)具有良好的时频分析性能;

(3)对噪声信号不敏感，而对有效声发射信号敏感;

(4)至少具有一阶消失矩;

(5)能够有效地增强有用信息，压制无用信信息。

综合考虑以上几点，此次实验选用Daubechies小波族中的db8 小波基对声发射信号进行分析和处理。

2.2 数据处理

实验所处理数据为某煤矿微震监测系统采集的数据。微震是指矿山条件下，煤岩体在受力破坏过程中以较低频率(f ＜100 Hz)震动波形式释放变形能所产生的震动效应;地音是矿山条件下，煤岩体在受力变形过程中以较高频率(f ＞100 Hz)应力波形式释放变形能所产生的声学效应。微震与地音现象本质区别并不明显，同时微震现象发生的过程中一定伴随强烈地音现象，有时也把地音与微震通称为声发射或地音［5－6］。

文中采用MATLAB 软件对地音信号进行离散小波分析［7－8］，MATLAB 中的小波工具箱提供了大量的可直接调用的用于小波分析的函数和命令，这里主要使用了一维离散小波变换的分解函数wavedec 和合成重构函数wrcoef。此外，微震监测系统记录的波形数据文件包含了三个传感器所采集的波形数据以及波形持续时间的数据，为了分离出每一路的波形数据，使用带有 SKIP 参量的 FREAD函数［9－11］。

2.2.1 背景噪声的去除

图2 为某煤矿微震监测系统记录的一段地音信号波形。由图2 可知，其信噪较低，噪声会淹没一些小事件，如采用一般滤波技术，会丢失起跳、折点等重要信息。

采用小波对其进行分解，结果如图3 所示。其中，d1、d2、d3为高频规则噪声，a8为低频信号，而d4～d8是所期望的事件波形，d4也是事件的一部分，因其幅度和信噪比较小，故重构时未选择d4。

图2 实测地音信号Fig．2 Measured AE signal

图3 信号分解结果Fig．3 Signal decomposition results

根据先验知识去掉原始波形分解子波形中的噪声频道，然后进行重构，可以得到所期望的事件波形，如图4 所示。图4a 为有效波形，图4b 为噪声波形。从图4 可以看出，在t 为25 s 和95 s 附近有两次小事件。

2.2．2 不同特征波的分解

煤矿的微震监测系统在定位时，需确定P 波和S 波的到时，P 波的到时比较容易识别，而S 波的到时不易识别，所以定位时需多次选择S 波的到时以使定位的残差较小。事实上，P 波、S 波，甚至面波往往相互重叠，以致难以区分，使声发射的许多研究受到限制。但只要各种特征波之间具有相当的频率差异(各种特征波的识别主要依据振幅、相位的变化和周期的差别)，利用小波的多分辨能力，可使各种特征混合的波分开，分解后的波形特征单一，相互之间区别明显。

图5 为一路地音信号中的一次事件波形，初步判断不是由纯粹一种波型组成，但无法直接区别。

图4 信号分解重构结果Fig．4 Signal decomposition and reconstruction results

图5 一次事件波形Fig．5 Event AE signal

利用小波分解，结果如图6 所示。各分量中，除d1通道为显然的噪声以外，其他通道波形均为有效信息。从波形衰减特征来看，d2、d3表现为一种波形的特征，衰减较快;d4、d5表现为另一种波形特征，振幅相对平稳，衰减较慢;d6、d7、a7表现为第三种波形特征，振幅衰减均较快，a7的相位超前d7，d7的相位超前d6。

由此可见，利用小波分析对地音信号去噪及分解不同特征波，可将成分复杂的声发射波形数据分解成具有单一特征的波。分析其特征参数值，对声发射参数统计指标值进行分析和危险性判识，根据危险性判识结果即可进行实时报警，实现对工作面动力灾害的实时预报。

图6 事件波分解结果Fig．6 Wavelet decomposition

3 结束语

煤矿井下地音信号复杂，而小波变换在时、频两域均具有表征信号局部特征的能力，因此，笔者提出一种基于小波变换的煤矿井下地音监测信号处理方法。对煤矿井下地音监测信号进行处理，结果证明了该方法的有效性。该研究为冲击地压、煤与瓦斯突出等动力灾害预测预报提供了参考依据。

［1］毛建华，李庶林，王 宁，等．岩体声波监测与声发射技术的现场应用研究［J］．中国有色金属学报，1998(Z2):758－762．

［2］李光海．声发射检验技术进展［J］．南昌航空工业学院学报:自然科学版，2001，15(2):39 －43．

［3］傅鹤林，桑玉发．采场冒顶的声发射预测预报［J］．岩石力学与工程学报，1996，15(2):14 －19．

［4］毛建华，曹庆林，蔡玉发，等．利用声发射技术预报采场冒顶的新方法［J］．化工矿山技术，1996，25(2):10 －12．

［5］陈顺云，杨润海，王赟赟，等．小波分析在声发射资料处理中的初步应用［J］．地震研究，2002，25(4):328 －334．

［6］张 平，施克仁，耿荣生，等．小波变换在声发射检测中的应用［J］．无损检测，2002，24(10):436 －439，442．

［7］李会义，姜福兴，杨淑华．基于Matlab 的岩层微地震破裂定位求解及其应用［J］．煤炭学报，2006，31(2):154 －158．

［8］吴自立．地音信号拾取及提高监测系统抗干扰性能的措施［J］．矿业安全与环保，2000，27(2):35 －36，47．

［9］高玉宝，查代奉，江金龙．一种新的最优小波基选择准则及其应用［J］．通信技术，2008(11):185 －187．

［10］董非非，曾庆平，罗桂生．小波阈值降噪法在地震波信号处理中的应用［J］．科技创新与应用，2012(15):15 －16．

［11］飞思科技产品研发中心．小波分析理论与MATLAB7 实现［M］．北京:电子工业出版社，2005:25 －30．