一种基于多速率FIR窗函数和自适应滤波的信号处理接收系统及信号处理方法与流程

一种基于多速率fir窗函数和自适应滤波的信号处理接收系统及信号处理方法
技术领域
1.本发明属于油气勘探工程的随钻测井技术领域，特别涉及该领域中的一种基于多速率fir(有限脉冲响应滤波器)窗函数和自适应滤波的信号处理接收系统及信号处理方法，可应用于深地测量信号向地面无线数据传输，也可在其它领域进行终端接收信号处理。


背景技术：

2.地球物理科学研究、能源领域的油气开采、地下储气库的建设、防灾减灾的地层监测、军事工程等都表现出了向深地发展的趋势。钻孔是深地探测、能源开采的主要技术手段，受钻孔工具和地层非均质性的影响，孔眼经常会偏离竖直方向，另外为了特殊的需求，时常会有目的改变钻孔方向，无论防止空眼偏离竖直方向还是有目的控制钻孔的走向，都需要实时将孔内相关参数传到地面。能源存储环境的实时监测、优化能源开发措施、防灾减灾等，经常采用在孔底部署相关参数测量的传感器，以便获得地层压力、温度、应力变化等信息，也需要将孔内信息传输到地面。目前孔内—地面的无线通信技术还不成熟，尤其大孔深的无线通信(如深度大于5000m)，当前的技术手段还不能有效的解决，相关研究还不系统，因此对该技术进行深入的研究，将会促进大深度孔内—地面无线通信技术的进步，对提升深地工程应用和军事应用技术能力，有重要的理论意义和工程价值。
3.目前，钻井随钻测量应用中大都采用立压检测泥浆脉冲信号和电磁波随钻测量两种测量方式。在地质勘探中电磁波传输相对泥浆传输方式不依赖钻井介质循环，可以实时传输信息，减少占用钻井工程时间，提高工作效率。因此，近年来电磁波随钻测量信号技术成为研究的热点。有相关研究表明，电磁波在地层中传输受地层电阻率影响较大，且频率越高在地层中衰减越快，因此为了增加传输距离我们通常选择甚低频的电磁波信号(elf—em)作为通信载波(一般选择20hz以下的频率)。另一方面，在随钻信号传输过程中，其电磁波信号会受到周围环境各种噪声的干扰，且大部分是机电工频干扰等有色噪声。另外，该传输方式受地层电阻率、传输距离、钻杆导电性等影响，其有用信号超过一定有效距离就变得越来越微弱且难以被检测。因此，有效提高elf—em信号检测能力对于增加勘探距离具有重要意义。传统随钻信号检测通常在杂乱无章的信号中，根据随钻信号源发射频率设置一定的带宽来滤除带外噪声信号，但对于带宽内的噪声却不是传统方法能解决的(滤波器带内包含有用信号)，甚至有时干扰噪声在载波信号带内，造成同频干扰，最终造成有效信号无法提取。因此，迫切需要研究新的方法来解决该问题。针对该领域问题，相关研究人员做了大量研究工作。诸如龙玲等人提出的一种基于正弦波参数估计的谐波干扰消除算法，该算法首先对干扰谐波参数进行估计，然后重构干扰谐波信号，并从接收信号中减去干扰信号，该过程迭代进行，直到接收信号中有效信号能量占到50％以上。但该算法主要针对工频谐波干扰，且还需重构干扰谐波信号，实时性较差，不能满足现场复杂噪声环境下的em信号提取。王洪亮等人提出基于相关自适应器的em—mwd信号检测算法，该算法基于信号和噪声的统计特性，检测两者之间的相似性。考虑到信号和噪声在时间特性上的差别，即信号具有周
期性、相关性，而噪声具有随机性和不相关性，通常采用相关检测技术将信号提取。但该算法对如何采集噪声源进行自适应相关滤波没有很好的说明，通常噪声跟信号在同一传输通道内，无法做到单独采集分析进而无法满足该算法的前提条件。whitacre,t等提出基于神经网络算法的em—mwd接收机设计，神经网络接收器具有自适应学习能力，在各种噪声条件下，特别是在非白噪声以及从实际钻探场所获取的真实世界噪声的情况下，其性能都优于相关接收器。但elf—em信号的工程实时性要求较高，现场噪声具有非平稳特性(需根据噪声特性不断训练)，采用神经网络算法无法满足工程现场要求。suh,a。e。使用谱减法进行钻孔时电磁测量中的噪声消除，该算法假设噪声是统计平稳的，并且噪声和信号是不相关的，但实际现场噪声统计特性是非平稳的，用该算法易造成较大的噪声残留。综上，以上各类方法均有一定的局限性或带内去噪效果不理想，进而难于满足随钻电磁波传输深度的要求，因此增加终端接收em信噪比尤其是主频带内信噪比成为突破随钻电磁波传输距离的关键所在。
4.现有的国内外随钻电磁波产品基本都是采用硬件低通 直接型fir窗函数 相干检波的滤波方法，基于这种组合的滤波算法在0db以上的信噪比可以有效解码，但对微弱信号(0db以下的信噪比)是不能有效解码的，无法进行有效通信，进而造成无法工程测量。


技术实现要素：

5.本发明所要解决的技术问题就是针对终端接收对微弱信号检测能力差的问题，提供一种基于多速率fir窗函数和自适应滤波的信号处理接收系统及信号处理方法，通过组合滤波算法来进一步提高终端接收机对微弱信号的检测和通信能力。
6.本发明采用如下技术方案：
7.一种基于多速率fir窗函数和自适应滤波的信号处理接收系统，其改进之处在于：包括依次串联在一起的硬件低通滤波器、多速率内插fir窗函数滤波器h
ifir
(z)、自适应增强滤波器、匹配滤波器和解码器，其中硬件低通滤波器接收含噪声的地面接收信号，多速率内插fir窗函数滤波器h
ifir
(z)是一个具有周期振幅响应的线性相位fir滤波器f(z
l
)与另一个线性相位fir滤波器i(z)的级联滤波器，f(z
l
)是一个初始参考滤波器f(z)与另一个内插器的级联滤波器，解码器输出处理后的信号。
8.进一步的，硬件低通滤波器的截止频率为20hz。
9.进一步的，初始参考滤波器f(z)采用矩形窗、汉宁窗、哈明窗或布莱克曼窗。
10.进一步的，内插器的插值倍数为4—25倍。
11.一种信号处理方法，使用上述的信号处理接收系统，其改进之处在于，包括如下步骤：
12.步骤1，对包含噪声的地面接收信号进行频谱分析后送入硬件低通滤波器，得到不含高频噪声的信号；
13.步骤2，将经步骤1低通滤波后的信号送入多速率内插fir窗函数滤波器h
ifir
(z)，得到信号主频带范围内的信号数据；
14.步骤3，将步骤2得到的滤波信号通过自适应增强滤波器得到不含随机噪声的主频带内信号；
15.步骤4，将步骤3得到的信号依次通过匹配滤波器进行匹配滤波，通过解码器进行
解调解码，得到不含随机噪声干扰的信号。
16.进一步的，自适应增强滤波器基于自适应迭代算法，自适应迭代算法采用最小均方算法、归一化最小均方算法、泄露最小均方算法或最小二乘算法。
17.进一步的，多速率内插fir窗函数滤波器包括计算单元和与计算单元电连接的输入单元、系数单元和输出单元，输入单元将输入的采样数据保存在数据ram中，并提供给计算单元，系数单元用于寻址，产生系数给计算单元，计算单元用于完成多速率内插fir窗函数滤波器的乘加运算；输出单元用于根据设置的抽取倍数对内插的数据进行抽取，产生所需采样率的输出数据。
18.进一步的，计算单元为fpga或dsp。
19.本发明的有益效果是：
20.本发明所公开的信号处理接收系统，在硬件带通滤波的基础上，增加多速率fir窗函数滤波器和自适应增强滤波器，结合匹配滤波技术对随钻em进行提取和识别。在较低的信噪比条件下具有滤波精度高，处理速度快，终端信号识别和解码率高等突出优点。
21.在随钻测量或测井工程中，由于机电和钻井活动等产生的电磁干扰具有干扰强度大和频谱分布范围广等特点，给随钻电磁波信号提取和解码造成了较大影响。本发明所公开的信号处理方法，可有效滤除随钻测量或测井工程中产生的带内外干扰信号，通过实际现场数据处理验证了本发明方法的有效性。本发明方法不限于使用在随钻测井工程，也可应用于其它工程技术领域。
附图说明
22.图1是本发明实施例1所公开信号处理接收系统的组成框图；
23.图2是本发明实施例1所公开信号处理接收系统中多速率内插fir窗函数滤波器h
ifir
(z)的组成框图；
24.图3是本发明实施例1所公开信号处理接收系统中自适应增强滤波器的组成框图；
25.图4是本发明实施例1所公开信号处理方法的流程示意图；
26.图5是现场实测的含噪信号波形图；其中横坐标为采样点，纵坐标为信号幅值(单位伏特v)，采样频率为1000hz，即两点之间时间间隔为0.001秒；
27.图6是现场实测的含噪信号频谱图，其中横坐标为频率(单位：hz)，纵坐标为幅值(单位：v)；
28.图7是滤波后的信号时域图，其中横坐标为采样点，纵坐标为信号幅值(单位：v)；
29.图8是滤波后的信号频域图，其中横坐标为频率(单位：hz)，纵坐标为幅值(单位：v)；
30.图9是通过匹配滤波得到的信号；
31.图10是初始参考滤波器f(z)的幅频特性图；
32.图11是周期滤波器f(z
l
)的幅频特性图；
33.图12是低通滤波器的幅频特性图；
34.图13是整体滤波器响应函数h
ifir
(z)的幅频特性图；
35.图14是多速率内插fir窗函数滤波器的硬件实现原理图。
具体实施方式
36.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
37.实施例1，如图1所示，本实施例公开了一种基于多速率fir窗函数和自适应滤波的信号处理接收系统，包括依次串联在一起的硬件低通滤波器、多速率内插fir窗函数滤波器h
ifir
(z)、自适应增强滤波器、匹配滤波器和解码器。其中硬件低通滤波器接收含噪声的地面接收信号。
38.以往的fir滤波器是在采样频率fs为固定值的前提下进行设计。但在实际工作中，经常会遇到抽样率转换问题，即要求一个数字系统工作在多采样率状态。在本实施例中则是根据实际采样率大小，进行抽取操作来设计内插fir滤波器(ifir)。
39.如图2所示，多速率内插fir窗函数滤波器h
ifir
(z)是一个具有周期振幅响应的线性相位fir滤波器f(z
l
)与另一个线性相位fir滤波器i(z)的级联滤波器，f(z
l
)是一个初始参考滤波器f(z)与另一个内插器的级联滤波器，其中i(z)能抑制周期滤波器中不需要的通带，以便得到单通带滤波器，它比其原fir滤波器f(z)具有更陡峭的过渡带宽和更窄的通带，并且整个h
ifir
(z)的过渡带宽和通带带宽分别是f(z)的1/l。
40.匹配滤波器对信号进行滤波提取；解码器输出处理后的信号。
41.在本实施例中，硬件低通滤波器的截止频率为20hz，可对信号20hz以上的干扰噪声进行低通滤波；
42.初始参考滤波器f(z)为窗函数直接型滤波器，采用矩形窗、汉宁窗(hanning)、哈明窗(hamming)或布莱克曼窗(blackman)。
43.内插器的插值倍数为4—25倍，实际使用过程中可使用4—25倍的插值进行计算。
44.本实施例所公开的信号处理接收系统总体采用级联的方式，将不同算法滤波器串联起来，对干扰噪声进行逐次滤除以得到想要的信号数据。地面接收的信号经a/d采集后x(n)送给硬件低通滤波器得到数据x1(n)，再经多速率内插fir窗函数滤波器得到数据x2(n)，再经自适应增强滤波器得到不含随机噪声干扰的数据x3(n)，最后经匹配滤波器得到数据x4(n)，再经解码器得到序列y(n)。
45.本实施例还公开了一种信号处理方法，如图4所示，使用上述的信号处理接收系统，包括如下步骤：
46.步骤1，对包含噪声的地面接收信号(如图5)进行频谱分析(如图6)后送入硬件低通滤波器，得到不含高频噪声(20hz以上)的信号；
47.步骤2，将经步骤1低通滤波后的信号送入多速率内插fir窗函数滤波器h
ifir
(z)，得到信号主频带范围内的信号数据；以6.25hz载波频率为例，通过本步骤得到的是5hz—7.5hz主频带内数据；
48.本实施例中的多速率内插fir窗函数滤波器h
ifir
(z)采用8倍插值，窗函数采用汉宁窗，首先设计初始参考滤波器f(z)，其幅频特性如图10所示，再对其进行8倍插值得到周期滤波器f(z
l
)，其幅频特性如图11所示，在此基础上级联低通滤波器，其幅频特性如图12所示，最后得到整体滤波器响应函数h
ifir
(z)，其幅频特性如图13所示。
49.步骤3，将步骤2得到的滤波信号通过自适应增强滤波器得到不含随机噪声的主频
带内信号(如图7)，其频谱分析如图8所示；
50.步骤4，将步骤3得到的信号依次通过匹配滤波器进行匹配滤波，得到的信号如图9所示。通过解码器进行解调解码，得到不含随机噪声干扰的信号。
51.如图3所示，自适应增强滤波器基于自适应迭代算法，自适应迭代算法采用最小均方算法(lms)、归一化最小均方算法(nlms)、泄露最小均方算法(leaky-lms)或最小二乘算法(rls)。
52.如图14所示，多速率内插fir窗函数滤波器包括计算单元和与计算单元电连接的输入单元、系数单元和输出单元，输入单元将输入的采样数据保存在数据ram中，并提供给计算单元，系数单元用于寻址，产生系数给计算单元，计算单元用于完成多速率内插fir窗函数滤波器的乘加运算；输出单元用于根据设置的抽取倍数对内插的数据进行抽取，产生所需采样率的输出数据。实现方法基于ram设计，采用流水线和时分复用技术。计算单元为fpga或dsp。