基于聚類算法的MWD泥漿脈沖信號識別研究*

涂 兵，李德勝*，林恩懷

(1.北京工業大學機械工程與應用電子技術學院，北京100124;2.北京普利門電子科技有限公司，北京100041)

石油隨鉆測量(MWD)系統中，井下數據傳輸和地面數據接收是隨鉆測量中的關鍵技術。目前MWD中信號的傳輸方式主要有電磁波和鉆井液壓力波2種[1]。電磁波傳輸信號由于隨著地層深度地增加，信號的幅值衰減嚴重，并且地質構造的差異化也可導致信號的幅值衰減程度不一，因而信號的傳輸速率只能以較低的頻率發送，并且傳輸距離較短[2]。鉆井液壓力波與電磁波信號的傳輸速率相比具有可靠性更高、傳輸距離更遠等特點，因此利用鉆井液壓力波進行通信是目前MWD中采用的一種普遍方式[3－8]。但是，由于MWD信號傳輸介質易受到外界各種噪聲的干擾[7]，因此從被各種噪聲淹沒的信號中提取出有用的信號成為亟需解決的問題。文獻[4]對泥漿脈沖信號中的泵噪聲、鉆井噪聲、脈沖噪聲、發射噪聲等進行了分析。文獻[5]采用小波變換對泥漿脈沖信號進行了處理，將7種常用的小波基函數選取不同參數后分解重構的信號與原始信號進行了比較，通過相關系數的大小選定了適合處理該信號的最佳小波基函數及其參數。文獻[5]采用了對線性濾波算法還原脈沖信號的方法，在此基礎上利用一種非線性“平頂消除”的方法對泥漿脈沖信號進行了處理。文獻[6]和文獻[8]采用了相關小波去噪處理的方法。文獻[9]采用了相關濾波處理的方法。上述文獻所采用的方法主要集中在對信號的去噪處理上，并且主要針對的是脈沖位置組合(PLM)方式的信號處理，對去除噪聲的泥漿脈沖信號識別沒有做相關的闡述。本文對基于曼徹斯特編碼方式的泥漿脈沖信號的提取和識別算法進行了分析和研究;運用了模糊聚類算法對采集的泥漿脈沖信號進行了識別。

1 曼徹斯特編碼的泥漿脈沖信號分析

1.1 噪聲分析

在特定頻率的控制下，曼徹斯特編碼方式對井下狀態等信號進行數據通信時，由于井下條件復雜，信號傳輸過程中受到各種噪聲的干擾導致地面解碼系統采集到的壓力波信號幅值很小，其中泥漿壓力波主要的噪聲有:泵噪聲、鉆井噪聲、脈沖噪聲、反射信號等[1，5]。

圖1是采集的井上泥漿壓力波波形，圖2是井上泥漿壓力波頻譜，從圖1和圖2可以看出，泥漿壓力波信號包括有基值波動和幅度較大的高頻分量噪聲，有用信號的頻譜范圍在0.2 Hz～1 Hz，噪聲分布較寬。

圖1 泥漿壓力波波形

圖2 泥漿壓力波信號頻譜

高頻噪聲主要是由3缸單作用泵產生的，幅度無規律性變化;低頻噪聲主要是由泵沖引起的，信號的頻率為0 Hz～0.2 Hz，在信號頻譜范圍內，噪聲幅度小于信號幅度。干擾幅度變化的不規則使得信號頻率和噪聲、干擾的頻譜出現重疊，從而給剔除噪聲及復原脈沖信號帶來了很大難度。

1.2 波形識別前自適應濾波去噪

目前去除泥漿信號噪聲的主要方法包括:常規線性濾波，小波濾波等。運用小波分析時，閾值往往難以界定，實現有效處理相對困難[8－11]，本文采用NLMS自適應濾波的方法去除噪聲，與小波等目前常用的泥漿脈沖信號處理方法相比，NLMS自適應濾波具有較好的適應性、運算量較小，收斂速度較快[12－14]。圖3是本文采用的基于 NLMS自適應濾波算法的原理框圖。實際應用中，采用泥漿脈沖傳輸協議中的同步頭來訓練自適應濾波器。在訓練過程中，由于信源所發送的內容已知，自適應濾波器不斷調節參數使得輸出和已知的正確內容誤差最小。

圖3 自適應濾波框圖

NLMS算法如式(1)所示。

x(n)為含同步頭噪聲信號，d(n)為事先設置的訓練序列，采用的為同步頭數據位“01111110”。mu采用0.001，w(n)采用長度為 50，初始化為 0，經過NLMS[12－13]的自適應濾波后的波形為如圖4所示。

圖4 自適應濾波后泥漿壓力波波形

從圖4中看出，信號的噪聲在大于0.8 Hz時已經被消除，能大大提高信噪比，為下一步信號的識別打下基礎。信噪比:SNR=10lg(S/N)2=49.09 dB(S為去噪后的信號，N為噪聲信號)。

2 聚類算法識別研究

2.1 聚類算法識別樣本模型

曼徹斯特編碼的規則為在一個比特周期內，信號由高電平到低電平代表的數據位為“1”，相反為“0”。井下DSP對數據進行曼徹斯特編碼時，如果存在有連續的“11”或者“00”位時，泥漿脈沖波形在一比特周期內連續上升或者下降波形，在連續的上升波形識別也為“1”，相反為“0”。采用3比特周期內的泥漿壓力波進行波形識別時，波形形狀存在有16種形狀特征，對應的二進制編碼值為000～111。圖5是依次對16種形狀進行編號和二進制編碼。

圖5 16種參考波形模型和分類

2.2 聚類識別計算

16種參考模型設定后，然后對NLMS自適應濾波后的波形進行波形識別。波形識別采用模式相似性測度方法[14－15]。參考模型特征向量為 Xi=(xi1xi2，…，xin)T、經過 NLMS處理的實時采樣泥漿脈沖特征向量為Xj=(xj1，xj2，…，xjn)T。采用歐式距離、特征是二值時的夾角余弦、和具有二值特征的Tanimoto方法來計算兩類數據的相似程度。

歐式距離D:

特征是二值時的夾角余弦S:

具有二值特征的Tanimoto測度T:

在采用聚類算法對實際信號處理時，窗口的滑動是以1比特周期內滑動進行依次識別，圖6為截取的自適應波后泥漿脈沖信號的兩類波形進行分析圖形。Dij越小、S和T越大表示兩類數據之間的波形越相似。基于以上理論采用以上3種識別算法對圖6中的兩類泥漿脈沖波形進行了識別。圖7、圖8、圖9分別是與16種模型與圖6現場泥漿脈沖信號進去去噪處理后采用歐式距離、特征是二值時的夾角余弦和具有二值特征的Tanimoto測度T值。

圖6 截取分析兩種形狀波形

圖7 模型與信號的歐式距離值

圖8 模型與信號的特征二值夾角余弦值

圖9 模型與信號二值特征Tanimoto值

從圖7～圖9中可以看出，截取分析圖6中0～6 s 3 bit周期內待識別的泥漿脈沖信號分別進行以上3種聚類識別后在第16號波形模型上Dij上取得最小值，在S和T上取得最大值。因而得出要識別波形數據二進值為“101”;以1比特窗口進行滑動，對2 s～8 s內的泥漿脈沖信號進行聚類識別，得到在第10號數據編碼上Dij上取得最小值，在S和T上取得最大值，因而得出要識別的波形二進值為“011”。通過以上3種聚類分析方法可以有效的對泥漿脈沖信號進行識別。在實際工程應用最終判斷泥漿脈沖信號數據位為“0”還是“1”時，在采用以上3種聚類算法計算后，選用多數表決機制來最終確定數據位。

2.3 識別準確率估計

識別準確率從下面3方面進行估計:①傳輸數據都應滿足偶校驗位。②與現場測試時國外的儀器同時進行數據的比較。③地面進行算法仿真，截取不同井深和時間數據進行了去噪和波形識別算法的驗證。通過以上幾點驗證了此方法的識別準確率達到了98.5%以上，能滿足工程應用的要求。

3 現場實驗結果

模糊聚類識別算法在華北油田進行了現場實驗。現場實驗儀器如圖10所示，圖10左側是采用聚類算法的地面解碼機，圖10右側是Sperry_Sun公司的地面解碼機。實驗目標井是3.5 km深，泥漿粘度為10 mPa·s，實驗從2 km開始進行定向測量。

圖11是截取的2 km實驗原始波形。圖12是對2 km波形的復原效果圖。表1是現場進行實驗時截取的一段數據，實驗數據分別為采用模糊聚類算法解碼數據和Sperry_Sun公司的解碼數據。在NLMS自適應濾波算法去噪的基礎上，模糊聚類識別算法能較完整正確的解出泥漿脈沖信號，誤碼率低于 1.5%。

圖10 現場實驗圖片

圖11 泥漿壓力波原始波形

圖12 識別后的復原方波信號

表1 實驗結果數據統計表

4 結論

(1)通過對曼徹斯特編碼泥漿脈沖信號進行了分析，將NLMS自適應濾波算法應用到了泥漿脈沖信號的去噪處理上，為獲取高質量的復原曼徹斯特編碼波形奠定了基礎。

(2)在NLMS自適應濾波算法對含有噪聲的泥漿脈沖信號進行了有效去噪的基礎上，分析了曼徹斯特編碼脈沖信號特征，建立泥漿脈沖信號識別模型，運用聚類識別算法對泥漿脈沖波形進行了識別，試驗結果表明該方法能有效的提高識別正確率。

(3)通過對現場試驗的驗證。該方法能比較準確地解出井底的各種信號，具有誤碼率低，解碼操作方便，在鉆井液脈沖信號處理中具有廣闊的前景。

[1]Tu Bing，Li Desheng，Lin Enhuai.Research on MWD Mud Pulse Signal Extraction and Recognition[J].2011 IEEE International Conference on Mechatronics and Automation，2011，7(1):2004－2008.

[2]蘇義腦，竇修榮.隨鉆測量、隨鉆測井與錄井工具[J].石油鉆采工藝，2005，27(1):74－78.

[3]韓軍，柴勤忠.泥漿信道無線隨鉆系統信號檢測的數字信號處理方法[J].石油大學學報(自然科學版)，1994，18(2):96－101.

[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.

[5]張恒，李安偉，李傳偉，等.基于離散平穩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.

[6]張恒，李安宗，李傳偉，等.鉆井液波信號處理方法比較[J].石油鉆采工藝，2007，29(2):84－90.

[7]Noureldin A，Irviner Halliday D，M intchev M P.Measurment while Drilling Surveying of Highly Inclined and Horizontal Well Sections Utilizing Single Axis Gyrosensing System[J].Mearurement Science and Technology，2004，15(12):2426－2434.

[8]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，2010，1(24):80－84.

[9]Chen Wenyuan，Fang Bin，Wang Yi.MWD Drilling Mud Signal De-Noising and Signal Extraction Research Based on the Pulse-Code Information[C]//Proceedings of the 2010 International Conference on Wavelet Analysis and Pattern Recognition，2010，6(1):244－249.

[10]周挺，胡斌杰.基于小波變換的自適應多聚焦圖像融合算法[J].傳感技術學報，2010，23(5):1271－1275.

[11]羅海勇，李錦濤，趙方.基于均值漂移和聯合粒子濾波的移動節點定位算法[J].傳感技術學報，2009，22(3):378－386.

[12]王偉，張廣明，王祥華.基于自適應濾波算法的電壓波動檢測與跟蹤[J].電測與儀表，2011，48(7):20－23.

[13]馮冬清，孫長峰，費敏銳.一種新的變步長LMS算法研究及其應用[J].自動化儀表，2007，28(8):67－69.

[14]Wang Weiyi，Rong Yicheng，Gong Youmin.Fuzzy Clustering Based Recognition and Simulation for Dynamic Wave Pattern of Mould Breakout[J].Journal of System Simulation，2003，4(15):472－475.

[15]倪永州，田躍.一種快速模板匹配的波形識別算法[J].傳感器世界，2006，1(4):31－34.