基于盲分離的煤巖破裂聲發(fā)射信號提取方法的研究.pdf

1、煤巖在受應力變形破裂時會以聲發(fā)射信號的形式向外釋放能量，通過分析煤巖破裂聲發(fā)射信號的特征預測煤巖受力狀態(tài)、煤與瓦斯突出的危險程度，并通過對煤巖體聲發(fā)射源進行定位，預測突出位置，提前預測預報災害，因此，聲發(fā)射信號可作為礦井安全預警的研究對象。然而礦井環(huán)境下噪聲多樣，并且混雜著掘進開采時的破裂聲發(fā)射信號，此類信號特征與災害預警監(jiān)測的聲發(fā)射信號特征近似，且頻譜重疊，因此，對于獲取的聲發(fā)射信號首先要去除掉各種背景噪聲干擾，并進一步從混雜掘進開采

2、時的破裂聲發(fā)射信號中準確的提取有效應力作用下的煤巖破裂聲發(fā)射信號，對于后續(xù)的工作尤為重要。在源信號以及各種干擾信號的混疊方式未知時，盲源分離方法成為一種自然的選擇。本文的研究內容如下：
　　（1）就煤巖破裂聲發(fā)射信號產生機理、傳播特性、時頻特性進行分析，并對礦井環(huán)境下噪聲來源及特點進行了分析。
　　（2）在盲源分離方法中，重點分析了獨立成分分析方法。關于算法應用時數據的預處理方法、獨立判據和優(yōu)化算法以及分離性能的評價指標進行

3、闡述。最后對三種典型的 ICA算法（FastICA、SOBI、JADE）的分離性能進行了仿真分析，結果表明，FastICA算法分離效果最佳，更適合對于預警監(jiān)測的有效煤巖破裂聲發(fā)射信號的準確提取。
　?。?）針對傳統ICA算法對含噪混疊信號分離效果不佳的劣勢，采用小波去噪聯立 ICA的算法。為了最大程度上恢復源信號且不失真，按照先小波預消噪，然后 ICA分離、最后再小波去噪的步驟進行。通過仿真實驗，在小波基函數和分解尺度等參數選擇合

4、理時，信號的分離性能得到提高。因此， ICA結合小波閾值降噪的方法能改善聲發(fā)射信號的提取性能。
　?。?）小波降噪效果受小波基函數和分解尺度等因素的影響，其直接決定了最終的分離性能?；贗CA的稀疏編碼收縮算法（SCS）在去噪時，直接利用信號的特征基函數進行降噪，對信號的破壞較小，避免了小波基函數的約束，尤其在信噪比較低的情況下，SCS算法降噪的優(yōu)越性就突顯出來。另外，這種算法適合于只有單通道觀測信號的源信號提取。通過實驗驗證，基