微震信号采集（精选五篇）
微震信号采集 篇1
关键词：微震监测,微震信号采集,高动态范围
0引言
微震监测系统通过分析采集的微震信号判断微震发生的地理位置,是采矿安全管理中不可或缺的组成部分[1]。由于不能预先确定微震信号的振幅, 所以无法设定合适的放大器增益对信号进行放大。 同时微震信号还伴随各种干扰,甚至被周围环境的噪声淹没[2,3]。因此,如何提高微震信号采集的动态范围和提高信号的信噪比成为微震监测系统的关键问题[4,5,6]。本文设计了一种高动态范围微震信号采集系统,可实时地将信号调整到最佳的A/D采样范围,对信号进行无失真采样,得到失真度小、信噪比高的微震信号。
1系统工作原理
高动态范围微震 信号采集 系统主要 由FPGA控制电路、前级预处理电路、程控放大电路、电压比较电路、A/D转换电路、RS422接口电路等组成,如图1所示。微震传感器将微震信号转换成电信号, 经过前级预处理电路实现信号的初级放大、滤波,一路输入程控放大电路,另一路输入电压比较电路。 FPGA控制电路根据电压比较电路产生的编码调整程控放大电路的放大倍数,程控放大电路将信号放大到适合的A/D采样范围,然后信号经A/D转换电路输入至FPGA控制电路。FPGA控制电路通过电压比较电路产生的编码进行数据增益还原,从而获得原始微震信号,并对微震信号进行滤波处理后通过RS422接口电路传输至上位机,同时上位机可通过该接口电路发送指令。
2系统硬件设计
2.1前级预处理电路
微震传感器检测到的微震信号幅度一般都在毫伏级,因此需要对信号进行放大、滤波处理。选用双极性运算放大器OP07组成前级预处理电路,包括前置放大电路 和低通滤 波电路2个部分,如图2所示。
前置放大电路采用两级差分放大器级联而成。 微震传感器的正负输出端分别接Vin+和Vin,依据虚断、虚短,第一级差分放大器输入电压为Rg两端的电压差Vi+n-Vin,而R1,R2与Rg串联,所以流经R1,R2,Rg的电流相等,即
所以,前置放大电路的增益为
式中:G1,G2分别为第一级、第二级差 分放大器 增益,G1=1+2R2/Rg,G2=Rf/R3。
本设计中取G1=G2=4,R1=R2=10kΩ,Rf= R5=24kΩ,则计算取 标准阻值 得Rg=6.6kΩ, R3=R4=6.2kΩ。
微震信号频率一般在几十到几百赫兹,为了保留有用信号,滤除带外高频信 号,设计放大倍数为1倍、截止频率为500 Hz的低通滤 波电路[7]。设C1=C2=C,R6=R7=R,则
式中:Q为品质因数;Avf为滤波电路放大倍数;fc为滤波电路截止频率。
本设计中取C1=C2=0.1μF,则计算取标准阻值得R6=R7=3.2kΩ。
2.2电压比较电路
经放大、滤波处理的信号取绝对值后通过电压比较电路来判断信号的电压范围。电压比较电路选用具有 高精度和 高增益特 性的双电 压比较器LM393,如图3所示。 信号由比 较器的反 相端输入,选用V1,V2作为比较器同相端基准电压,当输入信号电压Vi大于同相端基准电压时,PC0或PC1输出低电平,反之,输出高电平。
2.3程控放大电路与A/D转换电路
程控放大电路与A/D转换电路如图4所示。
程控放大 电路选用 可编程增 益放大器PGA204。FPGA控制电路根据电压比较电路产生的编码(由PC0,PC1的值组成),通过其增益控制引脚A0,A1选择可编 程增益放 大器PGA204的增益,将采样信号调整到A/D转换的量程范围,提高信号转换的精度和信号检测的量程。电压比较电路输出编码和程控放大电路增益的关系见表1。
A/D转换电路选用高精度的24bit△-∑结构模数转换器ADS1251。经过前端处理后的信号是双极性信号,而ADS1251只能处理单极性信号,因此需要对双极性信号加直流偏置,使输入信号大于或等于0。 直流偏置 电压由 +2.5 V电压通过OPA4350构成的电压跟随电路缓冲后获得。
3系统软件设计
3.1数字滤波
A/D转换后的信号由于仅经过前级预处理电路进行滤波处理,滤波效果不理想。为了提高微震信号检测的精度,降低噪声对系统的干扰,在输入数据缓存前需要进行数字滤波。FIR滤波器具有良好的线性相位和极高的稳定性,采用FPGA实现具有设计灵活、逻辑密度高、运算速度快等特性,特别适用于数字信号处理。
FIR滤波器的传输函数为
式中:M为滤波器阶数;h(k)为滤波器的冲激响应; z为复变量;k为整数。
在时域中,FIR滤波器的输入输出关系为
式中:y(n)和x(n)分别为输出和输入序列。
根据微震信号的特征,设置FIR滤波器的截止频率为350Hz,采样频率为10kHz,用布莱克曼窗截取系数长度。利用Matlab中的FDATool工具设计滤波器系数,然后对其进行归一化处理,量化为12bit的有符号定点数。利用线性相位FIR滤波器的对称(或反对称)性质,可将传输函数的直接型实现所需的乘法器总量减少一半。FIR滤波器采用多个延时单元、乘法器和加法器按并行分布式流水线结构工作,如图5所示,其中1/Z为延时单元,Reg0—Reg15为寄存器。
3.2FIFO缓存模块
FIFO缓存模块作为FIR滤波器和RS422接口电路的桥梁,将FIR滤波后的数据通过FIFO缓存模块进行数据缓存,以防数据丢帧。将FIFO软核配置成数 据宽度为24bit、存储深度 为1024的FIFO缓存模块。
进行数据写操 作时,首先根据 满标志位 判断FIFO缓存模块是 否处于满 状态。 如果处于 满状态,则先从FIFO缓存模块中读出1个数据,然后将新数据写入FIFO缓存模块中;如果不处于满状态, 则直接进行写操作。进行数据读操作时,首先根据空标志位判断FIFO缓存模块中是否有数据,如果无数据,则取消读操作,否则从FIFO缓存模块中读出数据。
4测试结果
为验证高动态范围微震信号采集系统的准确性和有效性,选择地势平坦、强干扰少的地方进行测 试。将微震传感器埋在地下2m深处,通过采用强弱不同的人工震源产生微震信号,其中2次系统采集的微震信号波形如图6所示,可看出微震信号幅度分别约为1V、10μV,且对于微震信号到来时刻的起跳点信号不存在削波现象,表明该系统能采集强弱差别非 常大的微 震信号并 快速调整 放大器增益。
利用系统采集地层天然震动引起的微弱的微震信号,为减少人为因素的影响,选取深夜里采集的一段原始 波形如图7所示。 微震信号 幅度一般 在10-7V以下,信号往往被噪声淹没,通过消除趋势项、平滑处理、数字滤波后,进行自相关分析得到曲线如图8所示。可看出信号的自相关函数不为0且收敛,说明该段信号中包含微震信号且不存在周期干扰信号,表明系统 能准确采 集幅度很 小的微震 信号。
测试中有效记录的微震信号最大幅度Amax约为1V,最小幅度Amin约为1.5×10-7V,因此可得系统动态范围为
5结语
微震信号采集 篇2
讨论大地测量仪器诸如重力仪、倾斜仪、应变仪等,所观测的地球物理变化量的性质和特点,以及为达到高精度观测的目的`,其信号拾取、信号调理及信号采集的技术关键;介绍一种可用于多种类型的大地测量仪器的高精度信号采集装置.
作 者：谢中华 张振军 王永泉 XIE Zhong-hua ZHANG Zhen-jun WANG Yong-quan 作者单位：谢中华,XIE Zhong-hua(常州市测绘院,江苏,常州,213002)张振军,ZHANG Zhen-jun(汉江水文水资源勘测局,湖北,丹江口,442000)
微震信号采集 篇3
随着社会经济和科学技术的发展, 矿山开采技术越来越成熟,但地质的微震活动会引发很多灾难[1]。 目前, 人们通过对微震数据的分析能够预测微震发生的时间和位置,对矿山井下很多由于冲击压力危害带来的灾难问题得到一定程度的预防和治理,但在利用微震监测技术以及相关设备的性能方面还存在很多的缺陷[2]。 针对这一情况,设计了一种基于FPGA的煤矿井下微震信息采集和传输系统。
1微震信息采集系统总体设计
微震信号采集系统硬件框图如图1所示, 主要由电源电路、前端调理电路、A/D转换电路、FPGA及ARM系统及其接口电路、TF卡存储电路、以太网控制器这几大部分组成。 考虑到微震波特点,其采集的信号频率范围在20 Hz~500 Hz之间[3], 系统采用12路信息采集, 选择特殊的地震传感器采集微震信号;采集的微震信号经过调理电路进行初步放大和模拟滤波处理, 送往A/D转换器;转换后的数字信号送往FPGA, 在FPGA中设计有高速缓存电路和数字滤波器,对信号进行缓存和数字滤波处理,处理后的数据经ARM通过以太网送往上位机。 当与上位机连接中断时,信息可临时存储在TF卡中[4]。
2硬件设计
2 . 1前端调理电路
由于采集的微震信号中包含大量的干扰信号, 因此信号经过放大后还需要进行初步滤波[4,5]。 图2为前端调理电路, 设计了一个正反馈双T形50 Hz窄带陷波器[6], 滤波后的信号送入OPA4350运算放大器, 最后进入A/D转换电路。
2 . 2 A / D转换电路
当差分信号输入到ADS1251中,首先进入4阶∑-▽ 调制器进行调制,该调制器的调制时钟来自系统时钟分频。 调制好的信号进入ADS1251的内部数字滤波器,滤波器对信号进行加权、计算得出平均值。 最后数据通过ADS1251的串行接口输出, 方便与后端处理器连接[7]。 ADS1251的电路接口如图3所示, 由于ADS1251引脚电平为+5 V, 与其连接的FPGA的引脚电平为+3.3 V, 在两个芯片之间需要增加电平转移芯片,完成两个芯片不同电平的匹配。 ADS1251的CLK引脚和SCLK引脚使用74HCT244作为缓冲器, 信号输出引脚则使用74LCX244作为缓冲器。
ADS1251是24位的低功 耗模数转 换器 , 输出的最 高位是符 号位 ,其余23位为有效 位 。 当外部采 样时钟频 率为8 MHz时 , 采样率fs= fclk/ 384 = 20 . 833 k Hz , 其中384个时钟为一 个周期 。 ADS1251工作模式 有两种 , 当引脚输出 高电平时 为同步模 式 , 反之为掉 电模式 。 为了保证12路采集信 号实时同 步到达服 务器 ,本系统的ADS1251采用同步 模式 , 并且每60 s向12路ADS1251发送一次 同步信号 。
ADS1251的数据转 换和同步 由引脚控制 。 当输出高电 平时 , 表示ADS1251处于转换状态 ,当电平由 高转低时 ,转换结束 ,数据被存 入输出寄存器 中 。 然后会连续输 出6个低电平和6个高电平 ,表示数据 准备就绪 ,进入输出 状态 。 数据从高位到 低位经过24个SCLK周期后全 部从寄存 器中移出 ,恢复低电 平 , 等待下次 转换到来 。因此 ,在新的转 换过程开 始前 ,必须将所 有数据位 读完 , 图4(a)为ADS1251时序图
数据转换 的384个时钟周 期中 ,前36个为状态 , 后348个时钟为DATA状态 , 这样就可 以保证24位数据读 取完毕后 才进入下 次转换 。 如果SCLK不到24个时钟周期 ,引脚将保 持未读出 的当前数 据直到下一 个转换周 期 。 如果超过24个周期 , 则引脚为低 电平 。
综上分析 可知 ,FPGA对ADS的转换控 制中 ,保持与信号同步 非常重要 , 如果在最 低数据位LSB还没读出 前 ,引脚就进 入状态 ,会导致LSB读取失败 。
根据上述流程, 通过Verilog编程, 在QUARTUSII的嵌入式逻辑分析仪SIGNALTAPII上进行了仿真, 仿真结果如图4(b)所示。 由仿真结果可以看出,在数据读取状态,12路通道能够同时读取信息。
2 . 3 FPGA中数据缓存及传输实现与仿真
乒乓操作是一种数据流的处理技巧, 在处理大数据量的缓存和传输时, 避免使用单个FIFO, 读写操作不能同时进行,效率低下,因此常采用两个FIFO的乒乓缓存机制来实现数据的无缝传输[8]。 乒乓缓存的原理为: 当系统对两个缓存模块的其中一个进行写数据时,另一个缓存模块则读数据, 当两个模块分别读空和写满时,两者通过节拍配合,互换读写操作。 使用这种方法,写入和读出数据操作可以没有任何停顿,因此可以完成数据的无缝缓存和传输[9]。
乒乓操作流程为: 将采集到的数据首先写入FIFO A, 这时是没有输出的;当FIFO A写满后,输入控制模块会自动切换到FIFO B, 将数据写入FIFO B中, 同时输出控制模块对FIFO A进行读操作; 当FIFO B写满时,输入控制模块会再次切换到FIFO A, 进行写操作, 同时输出切换到FIFO B。
基于乒乓缓存机制的优点, 考虑采集的数据量很大, 本文在FPGA中设计了两个异步FIFO单元, 对数据进行缓存和无缝传输。 由于缓存单元前端是ADS转换控制单元, 对A/D采样需要每分钟进行一次同步, 在同步期间, 是没有数据写入缓存单元的, 但是这并不影响数据的读操作。 乒乓缓存单元的整体思想是:不满不读, 满了读完,读空暂停。
为了保证两个FIFO正常切换, 需要设计专门的读、 写控制模块,简化复杂的时序命令,并且避免出错。 其数据读写状态控制过程如图5所示。
由于采用乒乓操作读写数据, 对单个缓存的空间要求降低,因此两个缓存模块的存储宽度和深度都选择为32 B 。 在QUARTUSII上对乒乓操作进行时序仿真, 结果如图6所示,FIFO A和FIFO B有 “full” 和 “empty” 两种状态,且读写操作总是交替进行的。 由于读操作的频率为20 MHz, 写操作的频率只有fw= ( 3 . 84 M / 384 ) / 24 = 0 . 417 k Hz , 可见, 数据读出快于写入, 在一个FIFO数据被读空后, 有较长的暂停时间, 方便后面的滤波器对数据进行处理。
2 . 4数字滤波器的设计与仿真
本文在FPGA中设计了一个32阶的抽样频率为200 k Hz 、 截止频率为1 k Hz的FIR低通滤波器[10]。 在MATLAB中对滤波器进行仿真,得到的幅频响应如图7 (a ) 所示, 滤波器的输入中含有大量噪声, 输出信号噪声明显减小,如图7(b)所示。 从滤波前后的波形对比可以看出,FPGA中实现的滤波器, 能消除大量的高频噪声, 但是有一定的时间延迟,需要修正。
3实验测试与结果分析
为了测试系统采集微震信息是否准确有效, 通过对传感器不同的布放,进行了模拟现场实验。 在12路通道中选择7、8、9、10、12这5个传感器作为实验通道, 各通道对应的传感器分布位置如图8(a)所示。 除12路传感器外, 其余4个传感器分布点组成了一个正方形,12路传感器位置在该正方形的中心点,传感器的放置深度均为地下2 m。 同时,设置前端调理电路的增益值为64。
图8(a)中A点坐标处为人工震源点, 实验前, 记录各路传感器及震源坐标, 在确定系统正常后, 在A点进行敲击,各传感器将检测到的数据传至上位机。
在上位机观察到的采集信息如图8 (b) 所示, 其中距离震源非常近的12路传感器最先采集到微震信息,且强度最高; 另外几路传感器也监测到了微震信息,其中7路和9路相对于8路和10路,距震源较近,所以先检测到微震波形,且幅度也较高。
震源定位的算法有很多种, 在本次实验中, 上位机采用的是Geiger定位方法,其主要思想是将第一监测到微震信号的传感器位置坐标作为迭代初值,将多路监测数据依次代入运算,最后得到较准确的震源位置。 实验得到震源定位结果如表1所示。
由于实验条件和场地限制, 传感器都布置在同一平面内,对震源深度定位带来较大误差。 要想得到更加精确的定位监测结果, 还需要完善上述实验, 如扩大监测范围 ,增加传感 器数量及 采用立体 布点等措 施 。
4结语
微震波在预测地质运动趋势中有非常重要的作用, 通过对微震信号的实时监测和分析, 可以判断潜在威胁,有效规避煤矿采集作业过程中由于地质微运动引起的矿难。 本文针对微震信号的特点, 设计了一套基于FPGA的微震信号采集系统, 该系统采用非常灵敏的微震检波器采集微震信号, 通过调理电路, 对微震信号进行初步滤波和放大处理,然后通过24位∑-▽ 型模数转换器ADS1251对其进行转换, 送入FPGA中进行缓存、 滤波处理,最后通过以太网送入上位机。 系统不仅速度快、 运行稳定, 且功耗低、 体积小, 系统结构简单, 可推广到我国的煤炭行业,具有良好的应用前景。
参考文献
[1]刘建坡.深井矿山地压活动与微震时空演化关系研究[D].沈阳:东北大学,2011(3).
[2]李庶林.试论微震监测技术在地下工程中的应用[J].地下空间与工程学报,2009,5(1):121-128.
[3]郭来功,欧阳名三.一种高精度微震信息采集系统[J].仪表技术与传感器,2013(11):65-73.
[4]余芳芳,郭来功,李良光.基于STM32F407的微震信息采集系统设计[J].工矿自动化,2014,40(7):9-12.
[5]袭江涛.基于FPGA的高精度地震勘探数据采集系统[D].成都:成都理工大学,2007(5).
[6]蒋亚超,杨勇,李兴东,等.三种双T网络陷波电路分析与比较[J].电子技术,2011(1):70-72.
[7]曹利波.ADS1251在微震检测装置中的应用[J].电子制作,2014(6):10-11.
[8]陈标龙,王保成,周江华.基于FPGA和FIFO技术的多串口系统设计与实现[J].计算机测量与控制,2013,21(10):2835-2837.
[9]谢廷婷,彭鼎祥,郑积仕.一种多通道动态均衡先进先出缓存机制[J].太赫兹科学与电子信息学报,2013,11(6):897-901.
微震信号采集 篇4
近年来,国家虽然进行了煤矿整顿关闭和煤炭资源的开发整合,但在利益的驱使下,一些私营煤矿超层越界开采现象比较普遍。由于越界开采的无序性和回采不科学性,破坏了资源并扰乱了企业正常的生产秩序。容易形成压力集中,冒顶,瓦斯积聚、爆炸,地下水、老空水导通淹井等严重的生产安全事故。由于井下越界开采具有很强的隐蔽性,不容易被外界发现。深受其害的矿山企业采用人工巡查的方法进行防范,效率低、针对性差,等到发现非法盗采点时,资源已被大量开采,设备人员可能已经转移到别处。对非法越界开采进行实时在线监测、精准定位,已成为广大受损企业的迫切需求。利用微震监测技术对地下矿山盗采活动进行实时定位监测,将实现对矿山越界盗采活动的大范围、高精度、全天候、实时在线监测[1]。
上世纪70 年代末国际上开始应用盗采监测系统,主要侧重于监测系统的研究。冯国磊等[2]利用地震监测台阵,对盗采活动进行监测,从理论上对爆破信号特征、台阵布局进行了研究。杨晓哲等[3]利用对煤矿盗采行为定位进行研究。但上述研究都侧重于系统、理论、定位算法等研究,没有基于干扰信号、盗采信号等特征对传感器布局进行优化研究。本文设计不同的试验,监测不同震源震动信号,分析信号特征,为快速高效识别震源类型和位置,提供判别依据。根据爆破信号的频率特征,推算传感器的最大接收距离,合理布置传感器,有效过滤掉与盗采活动无关的干扰信号,简化了信号分析处理难度,实现了盗采活动的高精度监测。
1 微震信号采集试验
1. 1 试验概况
数据采集参数如下: 传感器最大量程1 g,频率范围0. 1 ~ 1 k Hz,谐振频率2. 5 k Hz; 系统采样率2 k / s,24 位A / D转换,采样时长4 s。选用20 cm长的钢质尾锥,锥体直径2 cm。利用地震学中常用的STA/LTA方法,求取监测数据的STA/LTA值,并求取其最大值MAXSTA / LTA。特征函数CF( i)[4]取为:
1. 2 试验方法
1) 试验1。测试点1 距离公路7 m,主要监测汽车信号。测试点2 距离公路150 m,在农田内一条压实的土路上,主要测试行人走路、跺脚和2 km外的火车鸣笛引起的震动。为减少人类活动的干扰,挖1 m深坑安装传感器,并选择在凌晨0 ~ 3 时进行试验。测试点布置如图1 所示。
2) 试验2。在某学校操场,进行重锤敲击试验,用9kg( 20 lb) 大锤敲击铁板。传感器距离敲击点的距离设为10 m、30 m和60 m。传感器安装深度为0. 3 m,每种距离设置至少进行3 次重复试验。
3) 试验3。在井下掘进巷周围设计安装s1 和s2 两个微震测点,与爆破点近似在同一平面内,爆破点距离岩石巷道为20 m,传感器安装在深1 m的钻孔内,并用水泥浆灌注,装药量为6 kg,具体如图3 所示。
4) 试验4。在某湖泊库区进行了放炮试验。钻孔深度30 m,传感器布置在地表土壤中,传感器埋深为0.2 m,传感器距离震源水平距离为1 km,装药量为2 kg。传感器安装位置图4 所示。
2 微震信号采集试验
除了试验4 由于条件限制只进行了一次试验,其余每个试验最少重复进行3 次。对监测数据进行分析,得到表1 所示统计数据。表中传播距离为传感器距离震源距离。
2. 1 信号分析
1) 时长是波形持续时间,以汽车的持续时间最长,主要与其行驶速度有关,试验1 中的公路为省道,且传感器靠近路边,当行驶速度为90 km/h时,传感器有信号的时间内,汽车行驶了350 m,因而汽车在175 m处时,传感器能接收到信号,汽车震动时频图如图5 所示。
10 m处行人走路,信号较强,震幅为0. 000 3 m / s2,与45 m处跺脚的信号振幅相同,MAXSTA / LTA为7,信噪比较强。但是30 m和40 m处行人走路,波形信噪比急剧降低,只能看到一个短脉冲,MAXSTA / LTA为0. 21 所有试验中最小的,占优势的反而是噪音信号,因而表1 中频带宽度和信号主频主要反映的是噪音信号特征。图6脉冲信号间隔0. 4 s出现一次,因而人走路的真正频率应是2. 5 Hz。
试验1 中的行人走路和跺脚及火车鸣笛有1 ~ 5 Hz的信号。其他试验此频段信号较弱。汽车通过和行人走路没有类似地震波P波初至的明显的信号起跳点,45m处跺脚时信号强度有所提高,但MAXSTA / LTA只有0. 29,并且试验1 中的监测信号振幅值相比其它几个试验明显较低。但3 m处跺脚的信号震幅达0. 015 m/s2,是45m处跺脚信号的100 倍,且MAXSTA / LTA为1 760,比132 m外的炸药震源还要大。而15 m处跺脚时信号即降为0.000 4 m / s2,仅为3 m处震幅强度的2. 7% ,因而在地表钻进深15 m以上的钻孔安装传感器可以有效的过滤人类活动的影响。参见图7。
2) 随着锤击距离的增加,时长、振幅、最高频带都呈现了降低的趋势,信号最低频率从5 Hz起,信号的主频集中在10 ~ 59 Hz之间,MAXSTA / LTA值比试验1 明显增大。信号震幅与传播距离呈反比变化,但随着传播距离增大,信号震幅衰减速度快于传感器距离的增大速度。参见图8。
3) 传感器距离爆破点36 m时,MAXSTA / LTA值可达22 256,表明此时信号信噪比最大。 信号频带在30 ~190 Hz,并不是低频信号没有了,而是信号的主要能量集中在30 ~ 190 Hz之间。信号主频集中在63 ~ 89 Hz之间。参见图9。
4) 接收到的最大加速度值为0. 023 m / s2。系统到时信息清楚,信号信噪比大。当震源距离1 km时,信号主频降为22 Hz。
2. 2 信号识别
行人走路产生的震动加速度几乎等于传感器的灵敏度,45 m处跺脚时加速度值为0. 000 3 m/s2,传感器灵敏度为10 μg,根据球面波的振幅与离开其震源的距离成反比的规律,传感器接收到的理论最远的跺脚距离为135 m,实际要小于此值。而汽车在175 m远时,信号的震幅为0. 003 m/s2,再远了就接收不到信号了。因而相邻任意两个传感器距离> 350 m时,汽车和行人引起的震动,将只有一个传感器接收到。任意两个传感器间距> 350 m时:
1) 若只有一个传感器接收到信号,监测信号最大振幅< 0. 005 m/s2,并且MAXSTA / LTA< 0. 5,且信号频带中有1 ~ 5Hz信号时,震源类型与有可能是行人引起的。监测信号最大振幅< 0. 005 m/s2,且MAXSTA / LTA> 0. 5,同时信号时长> 1 s时,可初步定义为汽车引起的震动。
2) 若只有一个传感器接收到信号,且0. 2 s < 信号时长< 1 s,1 < MAXSTA / LTA< 50,可初步定义为锤击或类似锤击的操作引起的震动。
3) 当有5 个以上传感器同时接收到信号时,若距离传感器最近2 km范围内没有铁路,则最可能的原因是爆破活动引起的震动。若2 km范围内建有铁路,且信号频带在1 ~ 30 Hz范围内,MAXSTA / LTA< 1,信号振幅<0. 005 m / s2,则是火车行驶引起的震动。
3 测点优化
某井田东西长约12. 0 km,南北宽约7. 7 km,面积92 km2,是规划建设的重点煤矿。井田西南方向和东南方向与开采规模小、开采工艺落后、矿井技术资料不完整的私营煤矿相邻,有预防越界开采的必要性。由于没有掘进井下边界巷道,无法把微震监测传感器布置在边界巷道内,最终把传感器布置在地面井田边界处。为节省安装成本,地面安装钻孔应尽可能的浅,但同时要兼顾精准定位的要求,必须优化传感器的布置。同时必须科学的识别区分震源类型,剔除人类地面活动产生的无效的震动信号[5,6,7,8,9]。
当盗采活动采用爆破掘进岩巷或爆破采煤时,爆破引起地表震动。炸药引爆后高温高压气体在钻孔内急剧膨胀,使周围的岩石破裂形成塑性区,形成爆炸空腔,爆破的绝大部分能量消耗在爆孔周围塑性区形成、介质熔化过程中。同时产生占爆炸总能量10% ~ 15% 的冲击压力波,向周围弹性岩土体中传播,并不断的扩散和衰减,其中的高频信号不断损失[10,11]。
3. 1 爆破影响范围
爆破震动信号的有效接收取决于震动传播路径和传感器灵敏度。质点震动速度作为衡量爆破震动强度的物理量时,根据爆破方式的不同,有下列经验公式( 前苏联M. A. 萨道夫斯基公式)[12],对于集中药包爆破:
对于延长药包爆破:
采用加速度传感器时:
式中: v为质点振动最大速度,cm/s; Q为炸药量,kg( 齐发爆破时为总装药量,延迟爆破时,为最大一段的装药量) ; R为测点距爆源中心的距离,m; K为与爆破场地条件有关的系数; α 为与地质条件有关的爆破地震波衰减系数; f为信号主频; A为质点震动最大加速度,cm / s2。
爆区不同岩性的K、α 值[12],如表2 所示。
本项目传感器安装在地表,震动传播经过岩层和土壤,接近上表中的软岩石类型。取软岩石参数K = 350,α = 2,设炸药用量为2 kg,采用的传感器灵敏度为10μg,即Amin= 0. 01 cm / s2,上述试验4 中信号主频为22Hz,传感器与爆破点距离增加,信号的主频降低,取信号主频为15 Hz,则传感器可以接收到的最大距离为:
因此,当爆破炸药量为2 kg时,距离震源2 568 m处的传感器可以接收到震动信号。震动传播距离与炸药能量成正比,炸药质量越大,有效信号的传播距离越远。
3. 2 传感器布置
针对井田东西长约12. 0 km,南北宽约7. 7 km的矿井边界,多安装传感器和打深孔必然能增加监测精度,但是系统成本会大幅提高。试验4 是在地表进行的试验,与本井田的地表状况基本类似,传播距离1 000 m时,信号震幅、信噪比依然较大。炸药量为2 kg时,通过上面计算传感器最大可以接收到的距离为2 568 m,而矿井巷道掘进爆破装药量大都是大于2 kg的。
根据地测资料,井田煤层距离地表为300 m。当传感器沿边界,两排间隔排列时,两排间隔可取350 m,同一排相邻两个传感器间隔小于2 568 m,可以保证靠近边界的爆破活动能有最少4 个传感器接收到有效信号。为使更多的测点能接收到爆破信号,以便提高震源定位精度,传感器间隔又不能过大。取同一行相邻两个传感器间隔为1 200 m,对大于2 kg炸药产生的震动可以保证有9 个传感器同时接收到信号。参见图10。
4 结论
1) 利用有限的试验样本统计数据,初步建立了不同震动信号的判别指标,可以有效识别汽车、行人、锤击和爆破等产生的震动信号,为信号自动分类识别奠定了基础。
2) 根据信号的特征设计了两排间隔350 m,同一排相邻两个传感器间隔1 200 m的传感器布置方案,可以有效区分行人、车辆引起的震动,对大于2 kg炸药产生的震动可以保证有9 个传感器同时接收到信号。在地表钻进深15 m以上的钻孔安装传感器可以有效的过滤人类活动的影响。
3) 重锤试验和炸药试验基本验证了球面波振幅与离开其震源的距离成反比的规律。
4) 本研究通过合理布置传感器,有效过滤掉与盗采活动无关的干扰信号,简化了信号分析处理难度,实现了盗采活动的高精度监测。本设计方案广泛适用于在地表监测井下盗采活动,具有创新性和推广应用价值。
参考文献
[1]安凤平.微震信号识别、定位及其在矿山安全管理中的应用[D].邯郸:河北工程大学,2011.
[2]冯国磊.煤矿盗采监测系统的示范研究[D].长春:吉林大学,2006.
[3]杨晓哲,张法全.煤矿盗采定位算法研究与仿真实现[J].计算机仿真,2015,32(5):416-421.YANG Xiaozhe,ZHANG Faquan.Research and simulation of illegal mining location algorithm[J].Computer Simulation,2015,32(5):416-421.
[4]宋晋东.地震预警中地震波到时自动识别和震级快速估算研究[D].哈尔滨:中国地震局工程力学研究所,2007.
[5]姜福兴,尹永明,朱权洁,等.单事件多通道微震波形的特征提取与联合识别研究[J].煤炭学报,2014,39(2):229-237.JIANG Fuxing,YIN Yongming,ZHU Quanjie,et al.Feature extraction and classification of mining microseismic waveforms via multi-channels analysis[J].Journal of China Coal Society,2014,39(2):229-237.
[6]李楠,王恩元,GE Maochen,等.基于到时差值的微震波异常信号识别方法[J].岩石力学与工程学报,2014,33(8):1654-1661.LI Nan,WANG Enyuan,GE Maochen,et al.A method for identifying outlier signals for microseismic event based on arrival time difference[J].Chinese Journal of Rock Mechanics and Engineering,2014,33(8):1654-1661.
[7]陆菜平,窦林名,吴兴荣,等.岩体微震监测的频谱分析与信号识别[J].岩土工程学报,2005,27(7):772-775.LU Caiping,DOU Linming,WU Xingrong,et al.Frequency spectrum analysis on microseismic monitoring and signal differentiation of rock material[J].Chinese Journal of Geotechnical Engineering,2005,27(7):772-775.
[8]Dargahi-Noubary G R.Identification of seismic events based on stochastic properties of the short-period records[J].Soil Dynamics and Earthquake Engineering,1998,17:101-115.
[9]Jeffrey F Tan,Robert R Stewart,Joe Wong.Classification of microsesmic events via principal component analysis of trace statistics[J].CSEG Recorder,2010(1):34-38.
[10]王明洋,戚承志,钱七虎.岩体中爆炸与冲击下的破坏研究[J].辽宁工程技术大学学报(自然科学版),2001,20(4):385-389.WANG Mingyang,QI Chenzhi,QIAN Qihu.Studies on Failure of Rock under Explosion and Impact[J].Journal of Liaoning Technical University(Natural Science),2001,20(4):385-389.
[11]M.J.Forrestal and D.Y.Tzou.A spherical cavity-expansion penetration model for concrete targets[J].Int.J.Impact Engng.,1997,34:4127-4146.
微震信号采集 篇5
时差估计在雷达、声纳、地球物理勘探、生物医学工程、语音信号处理和故障诊断等领域都有广泛的应用,是语音增强、去除噪声、震源定位的等领域内的一项关键技术[1]。它主要指利用信号处理的理论和方法对不同接收器所接收信号的时间差进行估计,从而进一步来确定其它相关的参量,如信号源的距离、方位、速度和移动方向等。
目前经常使用的时差估计算法有相关法、双谱法、相位法、自适应滤波器参数模型算法[2,3]等。在分析处理信号方法的逐渐发展与改进的基础上,把时差估计方法引入到信号分析处理的技术中,像小波变换[4]、时频分析[5]等,对多径时延、可变时延等减小了计算量、提高了时间差的估计精度与收敛速度[6,7]。虽然这些算法的原理不同,但是总是存在信号相关性的成分,因此,研究广义互相关的时延估计很有必要,它算法简单,计算量小,应用广泛。本文就广义互相关算法的几种加权函数法进行研究,通过采取不同的加权函数进行仿真,分析得出这几种加权函数的优缺点。
二、广义互相关时差估计算法基本原理
同一种震源波的波形有一定的相似性,其时间延迟的差值可以根据到达不同传感器的波形的互相关函数计算得到,该相关函数最大值对应的横坐标就是两信号间的时间延迟。广义互相关算法是在作相关之前对接收到的信号进行预处理,增强了信号中信噪比较高的频率成分,抑制噪声的影响,提高信号的信噪比,从而提高时差估计精度。由于互相关函数与功率谱密度函数是一对傅里叶变换对,可以先求出两信号(x1(t)和x2(t))之间的互功率谱,然后在频域内进行不同的加权,增强信号中信噪比较高的频率成分,抑制噪声的影响,最后再反变换到时域,得到两信号之间的互相关函数,根据滤波之后的互相关函数的最大值来估计时间延迟。
1、PHAT加权。近似于白化滤波,可以减小噪声影响,使互相关函数主峰得到锐化,进而提高估计时延准确度。然而当信号能量较小时,分母会趋向于零,反而增大了误差。其加权函数为1/|Gx1 x2(ω)|,为信号x1(t)x2(t),x2(t)互功率谱模的倒数。
三、仿真分析
为验证算法的性能,对互相关算法及三种广义互相关加权算法用进行仿真实验。模拟信号采用x=5*cos(2*pi*10*n/Fs),采样频率为500Hz,延迟点数为D=10,采样点数为1024。在进行仿真时,在信号中分别加入信噪比SNR=50、SNR=20、SNR=10、SNR=0、SNR=-10的高斯白噪声,仿真结果显示随着信噪比的降低,所得的互相关函数峰值的尖锐程度都出现的不同程度的弱化,相比之下,PHAT加权的互相关函数较其他几种加权互相关函数的峰值更尖锐,抗干扰能力强,但当信噪比将至-10时,所有的互相关函数的峰值完全淹没在噪声中。
四、结束语
复杂噪声环境下,震源定位中的时差估计是个难点,传统的广义互相关算法求得的结果并不理想。本文对广义互相关算法不同的加权函数进行了仿真。当信噪比较高时,这几种广义加权互相关函数峰值的尖锐程度非常明显;在信噪比逐渐降低的过程中,它们的性能在一定程度上也降低,其中基于互功率谱的ROTH与SCOT加权互相关函数的峰值在信噪比较高的时候尖锐程度好,但受到强噪声的干扰下,峰值被弱化。相对来说,PHAT互相关函数峰值尖锐,次峰少,在低信噪比的环境下性能下降较慢,有较好的稳定性。
参考文献
[1]郭福成,樊昀.双星时差频差联合定位力法及其误差分析[J].宇航学报,2008,29(4):1381-1386.
[2]孙进才,朱维杰,肖卉等.基于信号相位匹配原理的广义相关时延估计.[J]自然科学进展,2005,15(l):103-109
[3]Johann F.Bohme.Time Delay Estimation by Cross-covariance Maximization of Quadrature Sampled Narrowband Signals.[J]Int.J.Eleetron.Commun.(AEU),2004,58:13-20
[4]H S Park,S W Nam.Time-delay estimation using M-band wavelet transfom and Projection Cross-correlation.[J]IEEE Electronics Letters 2002,38(9):438-440
