典型文献
基于小波散射分解变换的煤矿微震信号智能识别
文献摘要：
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.
文献关键词：
微震监测;小波散射分解;信号分析;特征提取;智能识别
中图分类号：
作者姓名：
樊鑫;程建远;王云宏;栗升;段建华;王盼
作者机构：
西安科技大学地质与环境学院,陕西西安 710054;中国煤炭科工集团西安研究院有限公司,陕西西安 710077
文献出处：
引用格式：
[1]樊鑫;程建远;王云宏;栗升;段建华;王盼-.基于小波散射分解变换的煤矿微震信号智能识别)[J].煤炭学报,2022(07):2722-2731
A类：
小波散射,小波散射分解,变换次数
B类：
于小波,解变,煤矿,微震信号,智能识别,非平稳信号,微震监测,噪声环境,微震事件,识别准确率,事件识别,低速率,时延,低精度,小波理论,噪声信号,特征系数,特征矩阵,低频特性,预知性,瞬态,主要参数,质量因子,调整参数,运算效率,分类识别,散射系数,信号特征,突变性,差异特征,优特,信号分析
AB值：
0.218528
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
