3. 微震信号特征与噪声识别

微震监测系统在井下连续采集，传感器记录到的并不都是岩体破裂事件。一次真实的微震事件，其波形通常表现为短时突发、衰减清晰的弹性波包；而凿岩机冲击、皮带机运转、风机振动、车辆通行、放炮残余振动以及电磁干扰，都会以不同形态混入记录。能否在定位与能量计算之前把有效事件与噪声区分开，直接决定后续震源位置和能量量级的可信度。本节从波形形态、频谱分布、噪声来源和滤波预处理四个层面展开，目标是建立一套可操作的识别与净化流程。

一、有效微震事件的波形特征

岩体破裂产生的微震信号具有较明确的物理成因，因此在波形上呈现几个稳定特征。其一是突发性：P波到达前背景噪声平稳，到达时刻出现陡峭起跳，包络呈快速上升、指数衰减的形态，持续时间多在几十毫秒到数百毫秒量级。其二是频带相对固定：矿山微震主频通常落在几十赫兹到几百赫兹之间，高频成分随传播距离增加而衰减，远距离台站记录的主频会明显偏低。其三是多台一致性：同一事件在多个台站上应具有可对比的到时先后和相似的波形包络，P波初动方向还可用于震源机制分析。其四是信噪比可控：在合理台网布设下，有效事件在至少四个台站上的信噪比应明显高于背景，否则难以完成三维定位。

需要强调的是，波形特征必须结合台站位置判断。同一事件在近台表现为高频、短持时、强振幅，在远台则表现为低频、长持时、弱振幅，若只凭单台波形下结论，容易把远台的有效事件误判为噪声。

二、频谱差异：区分事件与噪声的关键依据

波形形态在时域上可能相似，但频谱分布往往差异显著，因此频谱分析是噪声识别中最有判别力的手段。有效微震事件的能量集中在较窄的主频带内，功率谱在峰值频率两侧快速下降，谱形相对“干净”。机械类噪声则各有特征：皮带机、风机等连续运转设备产生的是窄带稳态噪声，在频谱上表现为一根或数根尖锐的谱线，且频率不随时间明显漂移；凿岩机冲击属于周期性脉冲，频谱上出现等间隔谐波簇；车辆通行和人员走动多为低频宽带噪声，能量集中在几赫兹到几十赫兹；电磁干扰则可能表现为工频及其倍频的离散谱线，或高频毛刺。

实际操作中，可对截取的时间窗做快速傅里叶变换，观察峰值频率、谱线数量和能量集中度。一个实用的判别经验是：若某段信号在多个台站上主频高度一致且长时间稳定存在，更可能是设备噪声；若主频随台站距离呈现系统性降低，则更符合传播衰减规律，倾向判为有效事件。

三、常见噪声源及其识别线索

井下噪声源大致可分为三类。第一类是连续运转设备，包括主通风机、皮带输送机、水泵和空压机，其特点是长时间稳定、频率固定、在固定台站上重复出现，容易通过“同一台站同一频点长期存在”这一线索识别。第二类是间歇性作业噪声，如凿岩台车冲击、锚杆钻机、装药与放炮，这类噪声振幅大、频次与生产班次高度相关，放炮信号甚至可能被误判为大型微震事件，需要结合爆破台账和到时一致性加以排除。第三类是环境与系统噪声，包括车辆行驶、人员走动、风流动、传感器耦合不良引起的低频漂移，以及供电与信号线引入的工频干扰和高频毛刺。

识别时应坚持“多台联合、时频结合”的原则：单台异常先看其他台站是否同时出现；时域可疑再看频谱是否落在设备特征频点；频谱可疑再回查生产记录与爆破台账。仅凭单一判据下结论，误判率往往偏高。

四、滤波预处理方法与参数设置

滤波的目标不是把信号“修得好看”，而是在保留有效频带的前提下压制噪声。推荐按以下顺序处理，并以示例参数说明（以下参数为教学示例，实际应依据采样率、台站背景噪声谱和事件主频统计确定）。

1. 去均值与去趋势：消除直流偏置和传感器温漂引起的慢变基线，避免低频漂移抬高后续检测的误触发率。
2. 带通滤波：设采样率为 2000 Hz，若统计得到有效事件主频集中在 60～400 Hz，可设通带 50～500 Hz，采用零相位滤波避免到时被相位延迟改变。通带下限不宜过高，否则会削掉远台低频成分，影响远距离事件识别。
3. 工频陷波：对 50 Hz 及其倍频设置窄带陷波，品质因数取 30 左右，陷波过宽会连带削弱有效低频能量。
4. STA/LTA 检测：短窗取 0.05 s、长窗取 1.0 s，触发阈值示例取 3.0，触发后再向前后各扩展 0.2 s 与 1.0 s 截取事件窗，保证 P 波初动和尾波完整。
5. 人工复核：对触发事件逐条查看多台波形与频谱，剔除设备噪声和单台孤立的误触发。

# 示例：单通道微震信号预处理（参数为教学示例）
fs = 2000                 # 采样率 Hz
band = (50, 500)          # 带通通带 Hz
notch_f = 50              # 工频 Hz，倍频可依次处理
sta, lta = 0.05, 1.0      # 短/长时窗 s
threshold = 3.0           # 触发阈值

x = detrend(x)                       # 去趋势
x = bandpass(x, band, fs, zero_phase=True)
x = notch(x, notch_f, fs, q=30)
ratio = sta_lta(x, fs, sta, lta)     # 计算特征函数比
triggers = ratio > threshold         # 初选触发点

完成上述预处理后，应保留原始记录与处理参数的对应关系，做到每条参与定位的事件都可回溯到原始波形和滤波设置。这样在后续能量分析出现异常量级时，才能判断问题出在噪声混入、滤波参数不当，还是事件本身确实较强，从而保证整条分析链的可核查性。