基于改进HHT的矿山微震信号多尺度特征提取及分类研究

摘要

针对矿山微震与爆破信号难以识别问题,提出基于改进Hilbert-Huang变换(HHT)的矿山微震信号识别方法。该方法引入互补集合经验模态分解(CEEMD)对HHT改进,信号被自适应分解后,计算IMF分量的偏度、峭度、Hilbert边际谱能量、Lempel-Ziv复杂度以及重构信号的分形盒维数,运用拉普拉斯得分(LS)对5种时频域特征参数降维,最后通过遗传算法(GA)优化的支持向量机(SVM)模型,实现微震信号的分类识别。经400组微震和爆破信号的实例分析验证,两类信号的5种特征参数均有较大差异,改进HHT法识别效果优于传统经验模态分解法(EMD)和局部均值分解法(LMD),且基于改进HHT和GA-SVM分类模型准确率达到95%,证实了此识别方法的准确性。