自适应差分脉冲编码调制技术在工程测井中的应用

王君宇，梁 冰，任忠明，王莱雪，杨雨蒙

(大庆油田有限责任公司测试技术服务分公司 黑龙江 大庆 163153)

0 引 言

在油田开发中，准确掌握套管的损坏状况，研究其损坏机理及如何采取保护和修补措施具有十分重要的意义[1]。工程测井要求对于井身状况的检测向着高时效性的精细成像方向发展，尤其对井身状况全方位成像、提高测井结果分辨率上有了更高的要求。为满足这一要求，工程测井仪器多采用阵列式、模块化、多种原理组合的传感器系统，因此，采集的数据量越来越大。其中，高速数据采集电路每秒钟能产生500 kB的数据量，原始数据全部上传需要测井电缆传输速率至少要达到4 Mbit/s。现有工程测井仪器井下电路没有数据压缩功能，受测井电缆性能的限制，传输速率低于1 Mbit/s，无法实现原始数据全部实时上传，导致测井结果失真。因此，在井下数据不丢失、不失真的前提下，需要对井下测井数据进行实时压缩，力求用最少的数据传递最大的信息量[2]，以适应现有的数据传输系统。若想得到较好的综合压缩性能,必须考虑各种因素并对现有算法进行综合比较,最终确定合适的压缩算法[3]。出于失真度、压缩比、压缩速度等因素的综合考虑，自适应差分脉冲编码调制(ADPCM)数据压缩算法是一种比较适用于井下工程仪器的数据压缩算法。

1 自适应差分脉冲编码调制技术原理

自适应差分脉冲编码调制(Adaptive Differential Pulse Code Modulation，ADPCM)是一种针对16 bit声音波形数据的一种有损压缩算法,它将声音流中每次采样的16 bit数据以4 bit存储,所以压缩比为1∶4。而压缩/解压缩算法非常简单,所以 ADPCM 压缩算法是一种获得低空间消耗、高质量声波的好途径[4]。

ADPCM是典型的预测编码, 核心思想是利用自适应改变量化阶的大小，使用过去的样本值估算下一个输入样本的预测值，使实际样本值和预测值之间的差值总是最小[5]。根据原始离散信号之间存在一定关联性的特点，利用前面的一个或多个信号对下一个信号进行预测，然后对实际值和预测值的差值进行编码。如果预测比较准确，那么误差信号就会很小。而一小部分数据的损失不会对声波、图像和视频信号所要表达的信息产生影响，因此在满足精度要求的条件下，就可以用比较少的数码进行编码，达到压缩数据的目的。

2 测井数据压缩过程

ADPCM数据压缩过程是实时的，并且具有一定的自适应性和自动适配能力，因而适合于工程测井过程中的传感器连续数据采集。在测井过程中，由于井下环境对传感器采集过程产生干扰，采集数据中的噪声和错误信息均夹杂在有用信号中，滤波后仍会有错误信息被采集到。在测井过程中，需要用4位编码表示采集数据两点之间的差值，以便于井下电路做进一步数据处理。若不引入自适应因子，4位编码只能表示0～15的差值变化范围，如果数据出现突变，4位编码无法表示差值。因此，采用ADPCM自适应因子的方法，当两点之间差值变大时，用差值去和相应的因子作除法，计算出相应的编码数据Delta和步长Index，使差值能用4位编码表示。

测井过程中ADPCM编码过程，如图1所示。

图1 ADPCM编码框图

编码步骤：

1)将N个传感器的采集数据通过采集电路放大、滤波后，形成pcm输入值，与预测器的预测pcm数据进行计算，求出差值diff。

2)根据差值diff和设定好的步长索引Index，通过差分器计算出Delta，即为编码后的数据。

3)根据编码后的数据和步长索引，利用逆量化器求出vpdiff，送给预测器。

4)通过预测器(归一化)，求出当前输入pcm input的预测pcm值。

5)量化阶调整，通过编码数据Delta和步长索引Index，更新Index值，完成一个循环。

6)完成编码后，原始测井数据则减少到四分之一，通过井下数据传输电路传输到地面采集系统。

测井过程中ADPCM解码过程，如图2所示。

图2 ADPCM解码框图

解码步骤：

1)通过遥测电路将存储的编码数据和索引Index上传到地面系统。

2)利用存储的编码数据和索引Index，通过逆量化器计算出差值diff。

3)将编码数据作为输入值，利用量化阶调整计算新的索引Index和差值diff，通过预测器计算出解码数据Delta。

3 应用效果

工程测井中的声波测井数据是一种非平稳信号，如纵波、横波以及斯通利波，具有幅度变化范围大，无直流分量，分频特性强的特点[6]。以井下阵列成像探测传感器为例，阵列传感器每秒产生近550 kB的数据量，在测井过程中，需要以300 m/h的速度连续测试3 h以上。如果采用井下数据完全上传，其传输速率至少达到4 Mbit/s才能保证测井结果的准确性，但在现有测井电缆上无法实现该传输速率，因此需要将数据进行压缩。将ADPCM压缩算法程序嵌入井下数字芯片，制作井下数据压缩电路板，把采集的部分波列数据通过算法程序计算出相应的测量参数，实现了对波列数据的高效压缩。

图3是原始采集声波波形与重构声波波形的对比图。数据压缩指标要求，重构波形数据的幅度值与原始波形数据的幅度值之差不超过原始波形数据幅度值的1‰，频率相差不超过原始波形数据的1%。从图中可以看出，重构波形与原始波形几乎重合，满足数据压缩指标要求。将每秒产生的数据量降为125 kB，电缆传输速率降为1 Mbit/s。图4为实际测井过程中，解压缩后波列数据波形图。

图3 波列数据压缩原始波形与重构波形对比图

图4 实际测井解压缩后波列数据波形图

4 结 论

1)ADPCM压缩算法简单、代码量小、执行效率高，相比于原始数据传输能减少30%的CPU运行时间占用，适用于声波、图像和视频信号的传感器数据压缩，且不受测井过程中仪器的时间采样或深度采样的影响。

2)利用ADPCM压缩算法，对井下阵列成像探测传感器数据进行压缩传输，最大压缩比达到1∶4，波形重构幅度值误差小于1‰，能够满足大数据量采集测井仪器在1 Mbit/s速率的电缆上进行数据传输的需要。

3)ADPCM压缩算法能够有效降低对测井电缆遥测系统传输速率的要求,但在实际应用过程中，该算法仅适用于对频率为1 MHz以下的数据进行压缩，超过该频率后，则无法满足数据压缩指标要求。