涂 兵， 李靜怡， 王思成， 劉 航， 湛騰西

(1.湖南理工學院信息與通信工程學院，湖南岳陽 414006；2.復雜系統優(yōu)化與控制湖南省普通高等學校重點實驗室(湖南理工學院)，湖南岳陽 414006)

井下數據傳輸和地面數據的采集與識別是無線隨鉆測量的關鍵技術[1-2]。無線隨鉆測量技術在國內的應用已經非常普遍，但是噪聲處理方法不完善，信號幅度較小或者噪聲較強時無法對鉆井液脈沖信號進行準確識別。鉆井液脈沖在傳輸過程中受到復雜測量條件的影響，安裝在井口立管處的鉆井液脈沖壓力傳感器檢測到的信號中含有大量噪聲。因此，如何從頻率不固定的強噪聲背景下提取出微弱的鉆井液脈沖信號并進行準確識別，是鉆井液脈沖傳輸技術中的一個難題。

張恒等人[3]提出了小波變換的無線隨鉆系統信號提取算法；趙建輝等人[4]根據信號干擾及噪聲的特點，在采用線性濾波方法還原脈沖信號的基礎上，采取非線性“平頂消除”的方法對現場采集到的信號進行處理；廖琪梅等人[5]提出了一種基線漂移的矯正算法；蘇義腦等人[6-7]根據曼徹斯特編碼鉆井液脈沖信號的特點建立了識別模型;鄭一等人[8]對鉆井液脈沖信號采用基于集合經驗模態(tài)的降噪算法進行處理。但是，目前的算法在鉆井液脈沖信號的識別和起始時刻存在識別不準確和提取不精確的問題。針對無線隨鉆測量中微弱鉆井液脈沖信號提取與識別問題，筆者對井下曼徹斯特編碼的數據傳輸格式進行了分析，對采集到的鉆井液脈沖信號采用形態(tài)濾波算法進行去噪處理；針對去噪后的鉆井液脈沖信號，提出了基于周期內16等份分割算法來提取鉆井液脈沖信號的開始時刻，并將模式相識度識別算法應用到了鉆井液脈沖識別上。

1 鉆井液脈沖信號去噪算法研究

1.1 噪聲分析

由于井下條件復雜多變，鉆井液脈沖信號在傳輸過程中受到各種噪聲的干擾，導致地面采集系統采集到的鉆井液脈沖信號幅值小、噪聲大。圖1為采集到的一段現場鉆井液壓力波原始波形。從圖1可以看出，鉆井液壓力值波動范圍為0.01～0.10 MPa。圖2為對圖1中原始波形進行頻譜分析后的示意圖。從圖2可以看出，采集到的鉆井液脈沖信號存在有較大的高頻噪聲和低頻噪聲。因此，在提取鉆井液脈沖信號前需要先對其進行去噪處理[9-10]。

圖1 鉆井液脈沖信號原始波形Fig.1 Original waveform of pulse signal in drilling fluids

1.2 形態(tài)濾波算法

對鉆井液脈沖信號進行一維處理時，運用膨脹與腐蝕運算來設計信號的形態(tài)濾波器。夾雜在正常信號中的噪聲可以視為是由“尖峰”和“波谷”組成的，數學形態(tài)學理論認為：由腐蝕與膨脹組成的開運算可以消除信號的“尖峰”，閉運算則可以填充信號的“波谷”，并且開、閉運算均具有低通特征[11-12]。由于鉆井液脈沖信號既具有高頻特性也具有低頻特性，因此能有效抑制鉆井液脈沖信號中的各種噪聲，具體應用時采用2種濾波器的組合平均形式,形態(tài)濾波結構如圖3所示。

圖2 信號頻譜分析Fig.2 Analysis of signal spectrum

圖3 形態(tài)濾波結構Fig.3 Structure of morphological filtering

設待處理信號f(n)是采樣得到的一維多值信號，其定義域為D[f]={0，1，2，3，…，N}；g(x)為一維結構元素序列，其定義域為D[g]={0，1，2，3，…，P}；其中，P和N為整數。

腐蝕與膨脹運算分別定義為[11-12]:

(f?g)(n)=min{f(n+x)-g(x):x∈D[g]}

(n=1,2,3,…，N)

(1)

(f⊕g)(n)=max{f(n-x)+g(x):x∈D[g]}

(n=1,2,3,…，N)

(2)

式中:?為腐蝕運算; ⊕為膨脹運算。

由式(1)和式(2)可引出形態(tài)學開運算、 閉運算的定義,分別為:

(f°g)(n)=(f?g⊕g)(n)

(3)

(f·g)(n)=(f⊕g?g)(n)

(4)

式中：°為開運算符號；·為閉運算符號。

設鉆井液脈沖輸入信號為x(k)=s(k)+n(k)，(k=1，2，…，N)，其中s(k)為原始信號，n(k)為噪聲，則濾波輸出信號為：

(5)

其中OC[x(n)]=(x°g·g)(n)

(6)

CO[x(n)]=(x·g°g)(n)

(7)

為了能夠同時消除泵沖基值的漂移和鉆井液脈沖信號的高頻噪聲，需要設計不同長度的結構元素組成2組形態(tài)濾波，濾除鉆井液脈沖信號噪聲,流程如圖4所示：第一組形態(tài)濾波濾去基線漂移，形態(tài)濾波算法中g(n)采用方波信號，所選結構元素的長度至少應大于基線漂移的波形長度，實驗中選取結構原素長度為200，g(n)=1,g(100+n)=0,n=(1，2,…，100)；第二組形態(tài)濾波濾去高頻噪聲，所選結構元素的長度較小，實際選取結構原素長度為50，g(n)=1,g(25+n)=0,n=(1，2,…，25)。圖5為消除高頻噪聲和泵沖基值后的波形，從圖5可以看出，信號的噪聲得到有效消除。

圖4 鉆井液脈沖信號去噪流程Fig.4 Flow chart of denoising for pulse signal in drilling fluids

圖5 鉆井液脈沖信號噪聲消除Fig.5 Pulse signal denoising in drilling fluids

2 鉆井液脈沖信號提取算法

2.1 基于等份分割的初步時刻分辨算法

鉆井液脈沖信號進行去噪處理后，地面解碼系統對采集到的鉆井液脈沖信號進行解碼時，如果鉆井液脈沖信號開始時刻分辨不準確，會導致解碼誤碼率的增大。因此，如何準確確定鉆井液脈沖信號的開始時刻，是正確解碼時的一個關鍵問題。

對曼徹斯特編碼的井下信號發(fā)出的數據格式進行分析發(fā)現：井下儀器開始啟動后，會發(fā)送出一連串二進制編碼為“1”的數據，反映到立管壓力波上的壓力，則變換為一連串重復性好的波形信號，可以利用這一連串重復性好的鉆井液脈沖波形進行開始時刻的初步捕捉。以傳輸速率0.5 bit/s的曼徹斯特編碼鉆井液脈沖為例，算法步驟如下：

1) 將經過去噪處理后的鉆井液脈沖信號在一個周期內分成16等份，采樣頻率為200 Hz，每等份采樣的點數為25，把16等份點各自區(qū)間中的數據進行求和。

設一個周期內鉆井液脈沖信號數據x=(1，2，3，…，399，400)。x周期內的采樣值劃分為16等份，每等份的數學表達式為：

圖6中A點為需要提取的鉆井液脈沖信號的開始時刻。通過計算y(x)<0，y(x+1)>0的位置，即圖6中B點所在位置為符合y(x)<0，y(x+1)>0條件的點。

圖6 鉆井液脈沖信號時間點的初步捕捉算法Fig.6 Preliminary capture and algorithm of time point for pulse signal in drilling fluids

2) 圖7中y(12)<0，y(13)>0，即y(12)為B點位置：根據B點在步驟1)中劃分的等份位置，可以初步判斷出A點時刻所在位置。

設數據傳輸比特率為0.5 bit/s，鉆井液脈沖信號采用頻率為200 Hz，采用16等份提取鉆井液脈沖信號初始時刻位置，區(qū)域分辨率為2/16=0.125 s，采用模式相識度波形識別算法,在一個數據編組內能對鉆井液脈沖信號進行準確識別。

圖7 計算的各等份分割值Fig.7 Calculation of signal value for each equal segment

2.2 鉆井液脈沖信號識別模型建立

曼徹斯特編碼的規(guī)則是：在一個比特周期內，信號由高電平到低電平代表的數據位為“1”，相反則為“0”。井下DSP對數據進行曼徹斯特編碼時，如果存在連續(xù)的“11”或者“00”時，表示鉆井液脈沖波形在一個比特周期內有連續(xù)上升或者連續(xù)下降波形，連續(xù)上升波形識別為“1”，相反則為“0”。采用2比特周期內的鉆井液壓力波進行波形識別時，波形存在有8種形狀特征，對應的二進制編碼值為00～11。圖8為分別對8種形狀進行二進制編碼的結果。

圖8 建立的識別模型Fig.8 Establishment of recognition model

2.3 基于模式相似度的波形識別算法

模式相似度研究的是類與類之間的相似性測度問題。判斷樣品之間的相似性常采用的是近鄰準則，將待分類樣品與模型樣板進行比較，從而確定待測試樣品的分類。

在建立了如圖8所示的識別模型后，波形識別采用模式相似性測度方法。根據建立的識別數學模型，設識別數學模型特征向量為Xi=(xi1,xi2,…,xin)T、經過去噪處理和基值調整后的實時采樣鉆井液脈沖特征向量為Xj=(xj1,xj2,…，xjn)T。

模式相似性度算法公式為[12-15]：

(13)

對圖9所示的鉆井液脈沖信號進行模式相似度計算，計算結果如圖10所示，可以看出第8號波形模型與參考模型存在一個最大值，從而可以把鉆井液脈沖信號識別出來。

圖9 識別波形Fig.9 Recognition of waveform

圖10 模式相似度識別算法Fig.10 Algorithm and recognition with pattern similarity

3 現場試驗

該算法在華北油田某井進行了現場試驗。試驗目標井深3 000 m，鉆井液黏度為10 mPa·s，從井深2 000 m開始進行定向測量。為了驗證提取算法的可靠性和解碼正確率，進行試驗時同時利用一臺Haliburton地面解碼系統對采集的鉆井液脈沖信號進行處理和解碼。對解碼出來的比特流數據進行對比分析，可以看出，筆者提出的鉆井液脈沖信號識別算法能對曼徹斯特編碼的鉆井液脈沖信號進行有效提取，誤碼率低于1.5%(見表1)。

表1油田現場鉆井液脈沖信號解碼結果

Table1Decodingresultsofpulsesignalsindrillingfluidsatwellsite

序號解碼物理量Sperry_Sum解碼值本文算法解碼值1INC45.345.262INC45.945.873AZ68.268.104AZ69.368.755GTF183.2183.256GTF183.4183.277BTF57.257.158BTF56.957.10

Speery_Sum公司的解碼數據精確到小數點后1位，筆者提出的識別算法根據解碼出來的比特流得到的工程數據精確到小數點后2位，精度更高。

4 結 論

1) 通過分析鉆井液脈沖信號的噪聲特點，提出了形態(tài)濾波去噪算法，能夠對噪聲進行有效去除，能更精確地提取鉆井液信號,并根據鉆井液脈沖信號的編碼特點建立了2比特識別周期內的數學模型，提出了模式相似度的波形識別算法，能對鉆井液脈沖信號進行準確識別，解出數據比特流。

2) 在進行去噪時也存在著部分有用信號被消除、識別正確率受到起始時刻以及有用信號幅值大小的影響，提出的去噪和識別算法還不夠完善。針對這些問題，將深入開展鉆井液脈沖信號起始時刻提取和識別算法的研究，重點研究解決起始時刻高分辨和信號微弱波動識別問題。

參考文獻
References

[1] 劉修善，蘇義腦.地面信號下傳系統的方案設計[J].石油學報，2000，21(6):88-90.

Liu Xiushan，Su Yinao.Scheme design of downward signaling system[J].Acta Petrolei Sinica，2000，21(6):88-90.

[2] Zhao Jianhui，Wang Liyan，Li Fan.An effective approach for the noise removal of mud pulse telemetry system[C]∥The Eighth International Conference on Electronic Measurement and Instrumnets.Electronic Measurement and Instruments,2007,ICEMI’07，8th International Conference,July 18-August 16,Xi’an.2007:971-974.

[3] 張恒，李安宗，李傳偉.基于離散平穩(wěn)小波變換的無線隨鉆系統測試信號處理[J].石油鉆探技術，2007，35(2)：49-51.

Zhang Heng,Li Anzong,Li Chuanwei.Signal processing of wireless measurement while drilling based on discrete stationary wavelet transform[J].Petroleum Drilling Techniques，2007，35(2)：49-51.

[4] 趙建輝，王麗艷，盛利民，等.去除隨鉆測量信號中噪聲及干擾的新方法[J].石油學報，2008，29(4):596-600.

Zhao Jianhui,Wang Liyan,Sheng Limin,et al.Anonlinear method for filtering noise and interference of pulse signal in measurement while drilling[J].Acta Petrolei Sinica,2008,29(4):596-600.

[5] 廖琪梅，李安宗，屈景輝，等.隨鉆測井鉆井液脈沖信號基線漂移的矯正[J].石油鉆采工藝，2008，30(4)：41-43.

Liao Qimei，Li Anzong，Qu Jinghui，et al.Mud signal baseline drift rectification in mearsurement while drilling[J].Oil Drilling & Production Technology，2008，30(4):41-43.

[6] 涂兵，李德勝，林恩懷.基于聚類算法的MWD泥漿脈沖信號識別研究[J].傳感技術學報，2012，25(8)：1172-1176.

Tu Bing，Li Desheng，Lin Enhuai.Research on MWD mud pulse signal recognition based on clustering algorithm[J].Chinese Journal of Sensors and Actuators，2012,25(8):1172-1176.

[7] 蘇義腦，盛利民，王家進，等.一種接收和檢測泥漿壓力波信號的方法與裝置:中國，CN1657740A[P].2004-02-16.

Su Yinao，Sheng Limin，Wang Jiajin，et al.A method of receiving and detecting mud pressure wave signal:China,CN1657740A[P].2004-02-16.

[8] 鄭一，孫曉峰，陳健，等.基于集合經驗模態(tài)的隨鉆脈沖信號優(yōu)良降噪算法[J].石油勘探與開發(fā)，2012，39(6)：750-753.

Zheng Yi，Sun Xiaofeng，Chen Jian，et al.Extracting pulse signals in measurement while drilling using optimum denoising methods based on the ensemble empirical mode decomposition[J].Petroleum Exploration and Development，2012,39(6):750-753.

[9] Zhao Qingjie,Zhang Baojun，Wang Wei.Data processing techniques for a wireless data transmission application via mud[J].EURASIP Journal on Advances in Signal Processing，2011,32(1)：45-51.

[10] Chen Wenyuan,Fang Bin,Wang Yi.MWD drilling mud signal De-noising and signal extraction research based on the pulse-code information：proceedings of the 2010 International Conference on Wavelet Analysis and Pattern Recognition[C].2010：244-249.

[11] 張偉，師奕兵，盧濤.無線隨鉆泥漿信號小波包去噪處理[J].電子測量與儀器學報，2010，24 (1):80-84.

Zhang Wei，Shi Yibing，Lu Tao.Wavelet packet de-noising method of wireless measurement while drilling[J].Journal of Electronic Measurement and Intrument，2010，24(1)：80-84.

[12] 田絮資，楊建，黃力宇.心電信號去噪的數學行態(tài)學濾波器[J].計算機工程與應用，2012,48(2):124-126.

Tian Xuzi，Yang Jian，Huang Liyu.Morphological filter to remove power-line interference and baseline wander in electro-cardiogram[J].Computer Engineering and Applications，2012,48(2)：124-126.

[13] 張建成，吳新杰.形態(tài)濾波在實時信號處理中應用的研究[J].傳感技術學報，2007,20(4):828-830.

Zhang Jiancheng，Wu Xinjie.Research on applications of morphological filtering in real-time signal processing[J].Chinese Journal of Sensors and Actuators，2007，20(4):828-830.

[14] 陳平，李慶民.基于數學形態(tài)學的數字濾波設計與分析[J].中國電機工程學報，2005,25(11):60-65.

Chen Ping，Li Qingmin.Design and analysis of mathematical morphology-based digital filters[J].Proceedings of the CSEE，2005，25(11):60-65.

[15] 趙立業(yè)，李宏生，周百令，等.基于形態(tài)小波的高精度重力儀信號快速濾波算法[J].東南大學學報：自然科學版，2010,40(6):1217-1221.

Zhao Liye，Li Hongsheng，Zhou Bailing，et al.Fast filter algorithm based on morphological wavelet in precise gravimeter signal processing[J].Journal of Southeast University：Natural Science Edition，2010，40(6)：1217-1221.