基于压缩感知的随钻测井数据V-OFDM声波传输方法

摘要

本发明公开了一种随钻测井数据V‑OFDM声波传输方法，在发送端通过QPSK调制，然后加入导频序列并通过V‑OFDM调制和上变频调制，最后转换成模拟信号，并驱动激振器产生声波信号加载到钻柱信道；在接收端收来自钻柱信道的声波并转换成电信号，经过调理、A/D转换为待处理的频带信号，然后进行下变频和V‑OFDM解调，提取导频序列完成信道实时估计，并根据信道估计结果进行均衡，最后通过QPSK解调得到随钻测井数据。本发明可以有效地克服信道多径延时，提高数据传输质量，降低误码率，可以满足井下低功耗小型化设计要求，利用压缩感知完成信道参数的实时估计，可以有效的降低导频开销，提高随钻测井数据有效传输速率。

说明书

技术领域

本发明属于随钻测井数据实时传输技术领域，更为具体地讲，涉及一种基于压缩感知的随钻测井数据V-OFDM声波传输方法，用于钻井过程中井下测井仪器和地面中控系统的实时高速数据传输。

背景技术

随钻测井技术是在传统电缆测井技术基础上发展起来的新一代测井技术，其在钻进的过程中，实时测量地质特性，并将测井数据上传至地面中控系统，同时地面中控系统通过接收的测井数据实时反演地层结果，并有效地指导钻进轨迹。目前随钻测井作业中，少量测井参数如温度、方位角、井压值等通过泥浆脉冲传输系统实时上传地面，而大量测井数据存储在井下电路，待钻井作业结束，才能读出测井数据，无法实现真正意义上的随钻测井。

基于钻柱信道的随钻测井数据声波传输技术利用声波为载波、钻杆和接箍级联的钻柱作为信道，可以极大的提高随钻测井数据的传输速率，满足随钻测井数据传输速度要求。

图1是随钻测井数据声波传输示意图。

如图1所示，随着钻井过程的进行，钻杆和接箍级联构成的钻柱贯穿井眼直达地面，形成了声波传输的信道即钻柱信道。井下发射端将井下采集数据即随钻测井数据调制后通过发送模块的激振器转换为声波，加载到钻柱信道中，声波经过传输、衰减和噪声干扰后达到井上接收端接收模块的加速度传感器转换成电信号，然后经过解调恢复出井上接收数据即井下发送的随钻测井数据。通过在发送端和钻铤直接级联隔声体，可以有效的降低钻头强噪声耦合到钻柱信道中。

但钻柱信道的多径时延、钻井工况强噪声以及井下发送端低功耗小型化设计要求等对声波传输方案提出了极高的要求。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于压缩感知的随钻测井数据V-OFDM声波传输方法，以克服钻柱信道的多径时延，提高传输系统在钻井工况强噪声的鲁棒性和实现井下发送端低功耗小型化设计要求。

为实现上述发明目的，本发明基于压缩感知的随钻测井数据V-OFDM声波传输方法，其特征在于，包括以下步骤：

(1)、待发送随钻测井数据的星座映射

井下将采集的随钻测井数据表示成二进制序列，并将二进制序列由低位到高位每2位通过QPSK映射为一位数据，生成映射后的数据序列；

(2)、添加导频序列并进行子载波调制

将QPSK星座映射后的数据序列中添加收发两端已知的导频序列，然后将数据序列每N个数据转换成M×L维矩阵每N个数据可以视为一个V-OFDM符号，然后对M×L维矩阵的每一行做L点IDFT变换(Inverse Discrete Fourier Transform离散傅里叶逆变换)，变换后将M×L维矩阵即发送矩阵的后L_cp列添加到该矩阵第一列前，形成带循环前缀的M×(L+L_cp)维矩阵

将M×(L+L_cp)维矩阵进行并串转换，形成M×(L+L_cp)点串行序列，该序列为V-OFDM时域基带信号，然后对基带信号进行上变频调制，生成频带信号；

(3)、频带信号的发射

频带信号通过D/A转换电路，生成模拟信号，然后通过二阶带通滤波器和功率放大器，最后信号通过激振器产生声波信号，加载到钻柱信道中；

(4)、声波信号的接收

加载到钻柱信道中的声波信号经过信道衰减、噪声干扰，到达接收端，声波信号通过加速度传感器转换成电信号，然后通过带通滤波器和放大器对信号进行调理，最后信号通过A/D转换电路，生成待处理的频带信号；

(5)、频带信号的解调

待处理的频带信号首先通过下变频解调，转换成V-OFDM时域基带信号，然后对每M×(L+L_cp)点串行序列进行串并转换形成M×(L+L_cp)维矩阵，将矩阵的前L_cp列丢弃，变为M×L维矩阵即接收矩阵对M×L维矩阵的每一行做L点DFT变换(Discrete FourierTransform离散傅里叶变换)，得到解调后的M×L维矩阵，完成频带信号的解调；

(6)、随钻测井数据的恢复

从解调后的M×L维矩阵提取出导频序列，然后依据导频序列，利用压缩感知进行信道估计，然后根据信道估计得到的信道矢量矩阵H_l，对解调后的M×L维矩阵中剩余的数据进行均衡，最后对均衡后的数据进行QPSK解调，得到随钻测井数据。

本发明的目的是这样实现的。

本发明随钻测井数据V-OFDM声波传输方法，在发送端通过QPSK调制(星座映射)，然后加入导频序列，并通过V-OFDM调制和上变频调制，实现矢量正交子载波调制和基带信号到频带信号的调制，最后转换模拟信号，并驱动激振器产生声波信号加载到钻柱信道；在接收端，通过加速度传感器接收来自钻柱信道的声波，并将其转换成电信号，经过调理、A/D转换为待处理的频带信号，然后对待处理的频带信号进行下变频和V-OFDM解调，实现频带信号到基带信号的解调和矢量子载波解调，提取导频序列，完成信道实时估计，并根据信道估计结果，对接收数据进行均衡，均衡后的数据通过QPSK解调，得到随钻测井数据。本发明可以有效的克服信道多径延时干扰，提高数据传输质量，降低误码率，同时通过简单设置发送端参数，可以满足井下低功耗小型化设计要求，利用压缩感知完成信道参数的实时估计，可以有效的降低导频开销，提高随钻测井数据有效传输速率。

附图说明

图1是随钻测井数据声波传输示意图；

图2是本发明基于压缩感知的随钻测井数据V-OFDM声波传输方法一种具体实施方式原理框图；

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

图2是本发明基于压缩感知的随钻测井数据V-OFDM声波传输方法一种具体实施方式原理框图。

在本实施例中，如图2所示，在发射端，井下采集测井数据作为待发送的随钻测井数据序列通过QPSK调制，完成信号的星座映射；然后在数据中加入导频序列，之后数据序列通过V-OFDM调制和上变频调制，实现矢量正交子载波调制和基带信号到频带信号的调制，最后完成处理的数字信号通过D/A模块，转换成模拟信号，并驱动激振器产生声波，加载到钻柱信道中。在接收端，通过加速度传感器接收来自钻柱信道的声波，并将其转换成电信号，通过前端滤波放大电路完成对模拟信号的调理，之后通过A/D转换模块，转换成待处理的频带信号。然后，待处理的频带信号进行下变频和V-OFDM解调，实现频带信号到基带信号的解调和矢量子载波解调，从解调后的数据序列中，提取导频序列，完成信道的实时估计，并根据信道估计结果，对接收数据进行均衡，均衡后的数据通过QPSK解调，得到随钻测井数据即恢复出发送端的发送数据。

下面结合图2以及具体实施方式对本发明各个步骤进行详细说明。

1、待发送随钻测井数据的星座映射

在本实施例中，首先对采集即待发送的随钻测井数据进行星座映射，原始测井数据有效数据为16位，然后由低位至高位每2位进行QPSK调制，其映射过程如下公式所示：

其中，n＝0,1,…,7，为QPSK映射后随钻测井数据的第n位，x(2n,2n-1)为QPSK映射前测井数据x的第2n,2n-1位。

因此，通过QPSK调制，每一个16位的随钻测井数据变为一个8位的QPSK数据。然后，每16个随钻测井数据通过QPSK调制映射后，变成长度为N＝128的数据序列。

2、V-OFDM调制

在本实施例中，N＝128个数据经过串并转换，变成M×L维矩阵其中M＝2，L＝64，然后对矩阵的每一行做L即64点IDFT变换，得到M×L维矩阵然后在将M×L维矩阵的后L_cp＝7列添加到M×L维矩阵前得到矩阵最后将M×(L+L_cp)矩阵进行并串转换，得到长度为L_s＝M×(L+L_cp)＝142的串行序列

3、V-OFDM解制

通过A/D转换模块，接收端获得L_s点采集的声波数据并丢弃掉前M×L_cp点数据，可以到N＝128点无ISI干扰的接收数据然后通过串并转换得到M×L接收矩阵

4、V-OFDM均衡

通过V-OFDM传输后，接收矩阵和发送矩阵之间的关系为n_l为噪声分量，H_l为信道矢量矩阵，其表达式为其中，U_l为M×M维酉矩阵，其第s行，m列元素为：

其中，为钻柱信道多径脉冲响应，为钻柱信道的频率响应，D为信道最大多径时延。

在本实施例中，V-OFDM压缩感知信道估计模型为：

信道矢量矩阵H_l的矩阵可重新表示为其中矩阵S_l为M×N维矩阵，其第a行除了第l+1+(a-1)L元素为1，其余元素全为0，FN,N×D为N×NDFT矩阵FN的前D列，其中：

其中

这样，接收矩阵和发送矩阵之间的关系可以表示成因此令

对于L个列向量，其发送端与接收端的关系可以表示为其中为以向量元素对角元素的矩阵，即

当从L个列向量中选取P个列向量作为导时，其对应取值分别为[k0,k1,…,kP-1]，此时发送导频和接收导频的关系为：

此时Dp的维数为Mp。

此时，由于h为稀疏向量，因此可以利用压缩感知理论完成对h的恢复，其测量矩阵为A＝D_pV_sF_N,N×D。

因此，在本实施例中，所述根据信道估计得到的信道矢量矩阵为：

4.1)、令列向量列向量l＝0,1,…,L-1，其中和分别为接收矩阵和发送矩阵的第l列，其中，U_l为M×M维酉矩阵，其第s行，m列元素为：

4.2)、在列向量列向量中分别选取出导频序列对应的P列向量其中，k_p为导频序列对应的列序号，k_p＝0,1,…,P-1，其取值范围为0到L-1的整数；

4.3)、依据以下公式：

计算出稀疏向量h；

其中：矩阵y_P是列向量按列构成的矩阵，矩阵D_P中是以列向量的向量元素为对角元素的矩阵，其维数为MP，矩阵V_s中为M×N维矩阵，其第a行除了第k_p+1+(a-1)L元素为1，其余元素全为0；

F_N,N×D为N×NDFT(离散傅里叶变换)矩阵F_N的前D列，其中：

其中

此时，由于h为稀疏向量，因此可以利用压缩感知理论完成对h的恢复，其测量矩阵为A＝D_pV_sF_N,N×D；

4.4)、根据稀疏向量h，依据得到信道矢量矩阵H_l，矩阵为矩阵Ul的共轭转置矩阵，矩阵S_l为M×N维矩阵，其第a行除了第l+1+(a-1)L元素为1，其余元素全为0。

在本实施例中，采用OMP(Orthogonal Matching Pursuit正交匹配追踪)算法完成稀疏向量h的估计：

输入：矩阵y_P、测量矩阵A、定义稀疏度K＝6；输出：稀疏向量h的逼近值初始化：残差d₀＝y，索引集索引矩阵B＝zeros(N_D,K)，下标cnt表示迭代次数，且cnt≤K，当前cnt＝0。

循环执行步骤1-5：

步骤1：找出残差d和测量矩阵A的列a(i)积中最大值对应的角标λ，即

步骤2：更新索引集Λ_cnt＝Λ_cnt-1∪{λ_cnt}，同时更新索引矩阵B(:,cnt)＝a(i)；

步骤3：由最小二乘法求

步骤4：更新残差

步骤5：增加迭代次数cnt＝cnt+1，如果cnt≤K则返回第1步，否则停止迭代；同时输出中K行(行标号为Λ_cnt)的值对应为

OMP算法为现有技术。

5、导频位置

由于为了便于确定位置，设置D_p＝I为单位矩阵，则为M维单位矩阵，对应

此时A＝V_sF_N,N×D，由于随机选择行的F_N,N×D矩阵具有较好的RIP特性，因此在确定了D_p的维数后，可以通过随机搜索法确定导频的位置，本实施例中，D_p维数为N_D＝24，稀疏度为K＝6，随机搜索次数为G＝10⁵，搜索的步骤为：

1、设置G个导频位置集合Ω_g,g＝0,1,…,G-1，其随机产生p＝N_D/M个在[1,L]范围内以M个连续的值

2、计算G个对应测量矩阵A的最大列相关系数，然后找出最小列相关系数对应的导频集合Ω_g。最大列相关计算公式为

3、此时的Ω_g可以作为最优导频位置分布。

为了验证在实际钻柱信道中的传输特性，实验室搭建由6根钻杆和5根接箍组成的信道，其总长度为53.76m。符号周期为1s，通过设置导频的数量和位置，并与传统的LS信道估计相对比，获得了误码率对比曲线图。其中压缩感知的导频设计分布为最优随机导频μ＝0.2623，最差随机导频μ＝0.7350，随机导频μ＝0.4136，均匀分布导频μ＝0.6273，和连续分布导频μ＝0.9975。从图中可以看出，传统的LS信道估计在导频数(N_pilot＝24)较少时，无法完成信道估计，信道传输误码率高。而此时采用压缩感知信道估计，其可以获得较好的信道估计，传输误码率低。同时信道估计的准确性与导频设计相关，具有较小列相关性的导频分布时可以获得较好的信道估计结果，其可以由误码率表征。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。