一种基于可信度分析的泥浆脉冲信号识别方法

一种基于可信度分析的泥浆脉冲信号识别方法段友祥1，张洋弘1，李洪强2，孙歧峰1摘要：针对随钻中泥浆脉冲信号的识别难的问题，在分析泥浆脉冲信号的产生原理、编码格式以及噪声特性的基础上，通过研究信号波形特征属性和信号相似度，给出一种基于可信度分析的泥浆脉冲信号识别方法，该方法有较好的适应性，可以准确、智能的识别复杂场景的真实信号波形。根据该方法设计的泥浆脉冲信号识别原型系统实现了灵活多变的交互式控制、动态参数调整、处理过程可视化实时呈现，在随钻现场应用中获得了很好的应用效果。关键词：随钻；脉冲信号；可信度分析；识别AmudpulsesignalrecognitionmethodbasedonreliabilityanalysisAbstract:Aimingatthedrillingmudpulsesignalwiththeidentificationproblem,basicprinciple,encodingformatandnoisecharacteristicsintheanalysisofmudpulsesignal,throughthestudyofthesignalwaveformcharacteristicsandsignalattributesimilarity,givesakindofcredibilityanalysisofmudpulsesignalrecognitionmethodbasedonthismethodhasgoodadaptability,canaccurateandintelligentrecognitionofcomplexrealscenesignalwaveform.Accordingtotherealizationofinteractivecontrol,flexibledynamicparameteradjustmentprocess,presentsthedesignmethodofreal-timevisualizationofmudpulsesignalrecognitionprototypesystemindrillingfieldapplicationhasverygoodapplicationeffect.Keywords:whiledrilling;pulsesignal;reliabilityanalysis;recognition中图分类号：TP3991．引言随钻测量已经成为目前复杂油气藏开发的重要手段。其基本原理是在钻进过程中利用传感器实时测量近钻头的工程参数与地质信息，通过井下数据传输技术将这些信息传输到地面，经过分析和处理，用于地质导向和储层评价。随着该技术应用的深入，一方面井下测量采集的数据种类越来越多，对数据的准确性要求越来越高，另一方面对数据传输的可靠性和传输速度提出了更高的要求。数据传输是随钻测量研究的一个重点。泥浆脉冲信号传输方式是目前随钻数据传输方式中应用最为普遍的[1]。该方式是将随钻测量信息以泥浆脉冲信号的方式传递到地面，地面系统通过立管压力传感器来采集脉冲信号，然后将采集还原之后的含噪信号进行信号识别、解码并实时显示[2][3]。该技术的优点是：技术成熟容易实现，且成本低不受场地条件限制。但缺点也很明显，泥浆脉冲信号在钻柱内的传输会受到现场各种条件的影响。首先，脉冲信号在传输过程中会随着传输距离的增加而大幅度衰减[4]。其次，脉冲信号传输过程中会掺杂大量的噪声信号，这些噪声信号主要是由于井下各种机械振动或者震动引起的。此外，泥浆材质的选择也会直接影响脉冲信号的传输。而在实际钻井工程中，井下复杂环境的影响和钻进过程中泵压的变化也会导致的脉冲信号的变化。一旦地面系统无法检测到有效脉冲信号或者解码错误，会导致定向工程师不能正确判断井下实时工况。因此，研究如何从无规律的强噪声背景下检测出有用的脉冲信号，提高泥浆脉冲传输脉冲信号的信噪比，是泥浆脉冲传输技术的关键[5]。新技术的发展以及多领域技术的融合，为有效降低泥浆脉冲信号识别的误码率，保证测量工作的准确和可靠提供了重要的技术支撑。2．泥浆脉冲信号特征属性分析泥浆脉冲信号特征属性是用于鉴别待检验脉冲是否为真实信号的特征参数值。特征属性不仅可以反映出信号本身的物理参量，而且也能反映出脉冲波形的几何形态。一般特征属性是一个属性组，通过分量的组合和匹配，能够准确的反映出真实数据的特点。特征属性的选择一般遵循以下三原则：（1）特征属性应具备代表性。特征属性的不同所反映出的真实数据也应不同，对于不同脉冲，不同形态波形的特征属性应有明显区别。（2）特征属性应具备合理性。特征属性的选的或计算方法应有一定的理论根据或者与实际相符，特征属性应反映客观事实，不应按照主观意愿随之发生变化。（3）属性分量具备依赖性。属性组中的分量应该相互联系，相互影响，其中一个分量变化，其他分量也应随之变化，否则同一分量可能会有多个其他分量与之对应，在特征属性判别时出现多解的情况。针对MWD无线传输中使用的PPM（脉冲位置调制）编码的正脉冲泥浆信号，信号所表示的数据由脉冲所在时间序列的位置所决定[6]。信号特征主要表现为：脉宽一致；波形为梯形波。由于信号的衰减是随各种因素影响的递变过程。因此，信号的局部脉冲波形的几何形态相似，针对脉冲信号的特征属性可从脉冲波形所表现出的几何特征入手。如图1所示，信号波形的几何形态可用相接梯形表示，指定高度的不同会产生多种不同的相接梯形，这里指定H为固定值，确保信号的相接梯形唯一。图1信号波形几何形态示意图Fig1Signalwaveformgeometry选定梯形高H、两斜边斜率k1k2、底边L为信号特征属性参数。其中H反映信号强度(泵压)；k1k2：k1值反映信号增强速度，k2值反映信号减弱速度，二者绝对值关系反映信号对称性（|k1|=|k2|：波形相对信号峰值完全对称，|k1|≈|k2|：波形相对信号峰值基本对称）；L：反映脉宽。3．泥浆脉冲信号波形相似性分析对最终信号提取检验时，传统方法是采取脉冲检验门限的方式（如图2），通过设置一个初始阈值，然后根据实际信号强度变化情况手动调整阈值，低于阈值的脉冲信号被认定为杂波，高于阈值的脉冲信号则认定为数据信号。人为的介入虽然能使得提取结果能达到现场施工要求，但是也存在缺点：人为因素会很大程度影响结果；阈值的不合理设定会导致噪声和脉冲信号的检验错误。图2检验门限方式示意图Fig2Thresholdtestmode为弥补脉冲检验门限方式的不足，提出了利用波形相似性进行信号检验的方案。首先对泥浆脉冲信号在时间序列上的波形进行分析研究。通过实际数据的模拟重放，将360个脉冲按照获取时间的先后分为30组，计算每组脉冲的特征属性（H,L,k1,k2）值并求得每组特征属性平均值。对特征属性值进行统计，结果见表1。表1特征值统计表Table1EigenvaluesStatistics序号平均时间HL(s)k1k2116:33:414.0423493763.3133981482.150180407-1.758005823216:57:384.2426450593.3779166671.833452221-1.572073278317:08:124.8228668833.400252.4112664-2.087331433417:14:405.4960573783.51752.567716694-2.368040637517:19:295.8563153373.51752.755336944-2.537056883617:23:265.8640104633.4951666672.750781656-2.564515483717:26:555.6713763613.433752.777596374-2.461116784817:30:055.3936267333.5063333332.547282908-2.332014352917:33:045.4979474993.5398333332.563689715-2.374089341017:35:545.9795038393.5454166672.707831036-2.6530116361117:38:375.7273081313.51752.658506543-2.5070616791217:41:155.9267235863.4895833332.819573163-2.5792687571317:43:496.0454937533.5063333332.76165501-2.7241693911417:46:205.6779563243.5063333332.695837689-2.4290842861517:48:495.5859524653.4560833332.726421871-2.4126725671617:51:165.2254696483.4895833332.507133255-2.2545450451717:53:415.1042984163.4784166672.448560492-2.2114125961817:56:055.7216793183.5119166672.670844695-2.5137913171917:58:285.5772631613.45052.732970456-2.4121107982018:00:505.8082451733.4616666672.827133774-2.5192660812118:03:105.2890755493.4784166672.52404525-2.2990052632218:05:315.7338648343.5063333332.690544204-2.4777714392318:07:495.3632919413.4220833332.188400663-2.1759629912418:10:135.4017889163.5565833332.444501194-2.3502673182518:12:415.2468433033.5388181822.415647369-2.2682491252618:15:365.1934211263.5355384622.386146451-2.2545132062718:18:295.4837785123.5621666672.482399578-2.3768360792818:21:204.598978363.5621666672.102784965-1.99034772918:24:144.4323679043.4951666672.121728257-1.9174305013018:27:033.6946839823.5230833331.721844637-1.599103043根据上表数据可以绘制属性值与时间的关系图，图3是H-时间关系图，可以看出，17:31:12以后属性值H随时间变化有一点波动，但未出现突变情况，波动范围较小。图4是L-时间关系图，属性值L随时间变化基本保持一致，与正脉冲泥浆信号的脉宽一致特征相吻合。图5是斜率-时间关系图，k1、k2与时间变化规律与H属性相类似，根据等腰梯形的几何特点，上下底不变的情况下，斜边斜率随H的变化而变化。由此也验证各个属性值的计算方法的正确性。图3H-时间关系图Fig3H-time图4L-时间关系图Fig4L-time图5k1,k2-时间关系图Fig5k1,k2-time通过以上分析可以看出，泥浆脉冲信号波形在时间序列上具有局部相似性，合理的设定特征属性标准，检验过程中利用合理的方法调整判断标准可有效检验波形是噪声还是信号。利用波形特征不仅信号识别更准确，还可以弥补脉冲检验门限方式需要人工实时干预的不足。4．基于可信度分析的泥浆脉冲信号识别方法可信度是对事物定性判定或定量分析结果的依赖程度，多用于仿真实验。它基于仿真模型来反映真实对象本身，泥浆脉冲信号识别过程也类似一个仿真系统，通过采集信号数据，套用数学模型或其他特征分析方法模拟原始信号，最终目的在于还原原始信号。因此，将可信度分析引入泥浆脉冲信号识别过程中是可行的。可信度分析方式根据分析层次被分为两种[7]：eq\o\ac(○,1)定性分析，通过相似比较反映事物“质”的差别；eq\o\ac(○,2)定量分析，通过分析数据反映事物的数据特征及关系。具体方法主要有相似度方法、层次分析法、模糊评判法等。两种方式都能作为检验评价中重要的参考依据，但在实际应用中，定量分析有着更多的工程实际需求。针对泥浆脉冲信号识别，前面通过信号特征属性分析，选取了信号波形的相接梯形高H、两斜边斜率k1k2、底边L为信号特征属性参数，可通过四种特征属性相结合的定量分析，计算得到信号波形的渐变性与局部相似性，从而为信号的定性判断提供参考依据。基于此，提出一种基于可信度分析的泥浆脉冲识别方法。其基本思想是通过策略制定信号特征属性标准值，根据待测信号与标准信号的特征属性值计算每个待测信号与标准信号的相似度，通过对相似度的分析，判别待测信号是真实信号还是噪声干扰信号。流程如图6所示。图6可信度分析信号识别方法Fig6ConfidenceAnalysisSignalRecognition4..1信号预处理对经过去噪处理后的脉冲信号预处理的目的在于确定待检验信号在时间序列上的具体位置。根据信号具有上升沿、下降沿的基本特征，可以确定这一变化趋势定存在于一个脉宽单位的时间段内。通过计算单位脉宽时间段内的数据变化情况，即可得到初始的待检测信号。具体方法如下：首先设定宽度略大于脉宽的时间窗口（窗口大小记作N），并将窗口从中间分为左右两子窗口，左窗口用于判定脉冲信号上升沿，右窗口用于判定脉冲信号下降沿。随着窗口在时间序列上的滑动，窗口与波形的关系可分为如图7所示的四种情况。四种情况下都需要求得全窗口的极大值max，记录并判定极大值所在窗口位置max_p。根据极大值反映出的位置信息可判定当前时刻，窗口与波形属于哪种种情况。情况(a)：脉冲峰值未进入窗口（max_p=N）。这种情况下，从窗口边界N求得右窗口信号极小值所在位置Rmin_p，并清空窗口中N/2到Rmin_p的数据。如此操作是保证窗口内只存储待检测信号部分，清除不相干数据。情况(b)：脉冲峰值进入右窗口（N/2<max_p<N）。这种情况下无需任何额外操作继续移动窗口。情况(c)：脉冲峰值处于窗口中间位置(N/2=max_p)。这种情况所反映出的窗口与波形的关系是目标状态。通过计算左右子窗口的极小值和每段三等分点的窗口位置可大致确定待测信号是否满足左窗口递增，右窗口递减的判定条件。若满足则记录信号信息并将右子窗口极小值之前的数据清空。情况(d)：脉冲峰值处于窗口中间位置(N/2>max_p)。通常情况下，这种位置情况不会出现，防止窗口移动过程的意外，万一出现这种情况，则将窗口回退至N/2=max_p的状态，并按情况(c)的处理方式重新计算。(a)(b)(c)(d)图7窗口与波形的关系图Fig7Relationshipsbetweenwindowandwaveform4.2特征标准制定特征标准是衡量待检测信号是否为真正信号的准则。标准制定的合理与否直接影响后续识别的准确性。根据泥浆脉冲信号波形相似性分析结论，随着信号的变化，对特征标准应进行相应调整。为此将特征标准的制定分为两个阶段：（1）开始阶段的标准设定。根据正脉冲信号的编码特点，每种编码都在数据传输前有一组同步信号，一般同步信号的特点为2个或3个连续脉冲信号[8]。在脉冲数据获取的开始阶段，利用连续脉冲这一特点，计算相邻脉冲的时间差与特征属性值，在符合连续脉冲的条件基础上，根据波形局部相似性，判断连续脉冲的特征属性值是否相近或一致，最后利用公式1求得算术平均值作为序列开始阶段的特征标准值。p(公式1)p0：n：连续脉冲个数；pi：（2）识别过程中的参数调整信号采集过程中，设定可以存储N个待测信号的缓冲池，即缓冲池大小为N，并为缓冲池指定门限，设定缓冲池的进入门限为当前特征标准值的一定范围(H：0.5H0~1.5H0、L：0.8L0/~1.2L0)，该门限设定可有效屏蔽偏差较大的噪声。待测信号判定之前首先进入该缓冲池，待缓冲池满后，将缓冲池中的信号编号1~n，根据相邻信号波形相似性，为缓冲池中的信号分配权值qi，权值满足编号越大，权重越高，并使q1+…+p(2)伴随信号的不断采集，缓冲池中的待测数据不断更新，特征标准也随之更新，从而实现自适应的标准调整。 另外，考虑到实际应用的需要，增加人工调整标准值的备用方式，以确保在复杂、无规律的钻井条件下，特征标准的真实可靠。4.3泥浆脉冲信号相似度计算相似度即仿真系统与被模仿对象的相似程度，是由两者的相似元数量、相似元的值及每个相似元对系统相似度影响权值等因素共同决定的，相似度越高表示仿真对象还原被模仿对象越完整[9]。设仿真系统为A，被仿对象为B，A、B之间相似元个数为n，每个相似元的值为qi，每一相似元对相似度的影响权值为βi，则A与B的相似度可以定义为公式(Q(3)权值βi通过层次分析法[5]计算得出，而相似元的值qi，则可以通过公式(q(4)（其中，仿真系统对应结果为ys，仿真对象对应结果为y若相似元分量是由动态变量计算求得，则可以通过公式(5)得到。q(5)（其中，开始时间为t1，结束时间为t2，权重为 将上述方法应用于泥浆脉冲信号相似度计算过程。不妨设采集信号系统为A，标准信号系统为B，两信号系统之间存在4个相似元，即分别对应H、L、k1、k2四个特征属性值，设每个相似元的值为qi(i=1,2,3,4)，每一相似元的权值为βi根据层次分析法，按四个特征属性相互影响的重要程度，设定H与L重要系数为5；H与k1k2重要系数为5；L与k1k2重要系数为5。根据相似元之间重要系数呈倒数关系，即aij=1R(6)由几何平均法求得H、L、k1、k2对应权值为：0.5344，0.2384，0.1136，0.1136。由规范列平均法求得H、L、k1、k2对应权值为：0.5，0.35，0.075，0.075。由于泥浆脉冲信号的特征属性为静态变量，所以利用公式3求得该信号的相似度。4.4可信度评价分析泥浆脉冲信号可信度评价，就是利用4.3中已经计算出的待测信号相似度结果，判定待测信号是否为真实信号的过程。一般评价过程中，相似度越高说明待测信号与标准信号越接近，选择一个合理值作为可信度门限值，高于该门限的则可定性确定为真实信号，低于该门限的则定性确定为噪声干扰。在相似度计算过程中，由于结果受相似元权值影响较大，不同层次分析求得的权值对应相同信号的相似度值不同，权值选定的不合理，会造成信号相似度反映真实情况模糊，给定性分析带来困难，有时甚至造成相似度计算错误，进而影响后续处理结果。为选取合理的可信度门限值以及权值，本文对4.3中利用不同方法求得的两组权值进行了实验分析。过程如下：将经去噪之后的数据，经过图6所示流程处理，计算脉冲信号相似度。用两组不同权值对应相似度的计算结果见表2。表中黄色颜色填充所对应的是真实信号的计算数据，没有被颜色填充所对应的是噪声干扰信号的计算数据。从表2中可以发现：eq\o\ac(○,1)真实信号的四个特征属性值基本相近，未出现突变、跳变情况。这与2中的分析结果保持一致，同时也表明特征属性值的计算准确。eq\o\ac(○,2)对于两种权值计算方法，真实信号的相似度均在0.62以上，同时，真实信号与噪声信号在相似度上有一定界限。说明两种权值的选取和计算基本合理。表2相似度计算统计表Table4-2Similaritycalculatingstatistics序号时间HL(s)k1k2可信度值(几何平均法)可信度值(规范列平均法)116:46:384.5915033.2764.460683-3.9731811216:46:514.1129933.4172.070984-1.777380.75040160.661661653316:48:040.680472.8140.596268-0.290160.43248810.40364914416:48:164.0751573.2832.186486-1.779990.76589320.684434103516:48:214.1882293.5511.909593-1.797010.73745810.641770386616:48:274.4078333.7521.706007-1.980880.72703280.621290687716:48:310.2923461.4740.269448-0.484180.44155850.452226183816:48:360.2957982.2780.161561-0.326190.44373010.400160442916:48:455.4375693.4842.634465-2.333320.717562411016:48:490.6632671.9430.485933-0.727220.52586550.3966405981116:48:554.6222033.352.292459-2.043350.91006720.911147281216:48:580.8359992.010.628319-0.815150.43430710.4204817511316:49:195.2881533.352.694133-2.315440.97444420.9716754691416:49:564.3745273.4842.134985-1.876140.89624560.9027259191516:50:344.3564653.352.329748-1.851920.89487890.8939268281616:51:113.9919763.352.117067-1.703570.85710840.8591244331716:51:200.52192.9480.387821-0.219260.48626340.4981372781816:51:421.5105823.2830.568752-1.014630.57543190.602288524将表中数据做一定的统计处理：设A方案为几何平均法求得的权值计算相似度所得值记作A值，B方案为规范列平均法求得的权值计算相似度所得值记作B值。将18组可信度从大到小排序并编号，从上述分析可得可信度小于0.62的为干扰信号，大于0.62的为真实信号，将真实信号与干扰信号分开可得四组折线如图8所示。图8相似度曲线图Fig8Similaritycurve从图中可以发现：eq\o\ac(○,1)A方案中真实信号对应相似度值与干扰信号有明显分界，分界距离大于0.1，B方案中真实信号对应相似度值与干扰信号有明显不明显，分界距离仅有0.02；eq\o\ac(○,2)A方案求得的真实信号相似度值递减变化率比B方案小，取值较为集中，对干扰信号的相似度值也呈相同规律。由以上分析可得：对于该特征的脉冲信号几何平均法求得的权值作用效果较为理想，可设定0.7为可信度门限值。4.5实验分析（1）信号识别实验及分析通过实际数据的模拟重放，实际识别脉冲480个，原始信号包含脉冲468个，单从识别的脉冲数来看识别误差为2.56%，通过实际数据分析发现，误差多存在于关泵前的不稳定阶段，如图9所示的为某一关泵前信号不稳定脉冲序列，方框中的脉冲序列实际处理截图如图10所示，其中第一个坐标内为去噪后的结果，第二个图为信号识别结果，其中框出来的脉冲信号为可信度分析所识别出图9不稳定脉冲序列波形Fig9Unstablepulsewaveform图4-10波形分析界面Fig10WaveformAnalysisInterface的信号。从图中可看出，该方法将一部分噪声当作信号识别出，噪声可信度为0.712和0.717。虽然该方法不能够完全100%的识别脉冲信号，但是识别误差<3%已满足实际工程要求。根据所分析出的原因，可提供人机交互的功能，从而有效的避免此类问题。（2）处理效率实验及分析考虑到识别方法的实际应用，识别方法的处理速率必须保证信号识别的实时性[10]。识别过程中涉及到数据处理包括：信号预处理、特征属性的计算、特征标准计算与调整、相似度计算。表3记录了10组实验过程中记录的各个模块的运算时间。其中除了信号预处理其他处理时间都可忽略不计。对于信号预处理过程由于不同状况的处理步骤不同，因此，处理时长也不同。总体而言，该识别方法处理速度快，满足实际应用的实时性要求。表3识别算法运行时间单位(ms)Table3Recognitionalgorithmrunningtime(ms)序号信号预处理特征属性计算标准计算相似度计算12.0