一种泥浆脉冲信号处理方法及装置与流程

本技术涉及泥浆信号处理领域，特别涉及一种泥浆脉冲信号处理方法及装置。

背景技术：

1、随着煤矿、油气勘探开发向深层、复杂地层和海洋等领域的不断拓展，井下环境日益恶化，给测井技术提出了更高的要求。在测井过程中，需要利用泥浆脉冲信号实现地面与井下测量仪器之间的双向通信，传输指令数据和采集数据。泥浆脉冲信号是以井下泥浆为传播介质，通过调制泥浆压力或流量产生的脉冲信号，其在传播过程中会受到噪声、衰减等因素的影响，导致信号质量下降，给泥浆脉冲信号的检测和识别带来了挑战。

2、现有的泥浆脉冲信号处理技术主要采用传统的滤波算法和固定阈值检测方法，如带通滤波、匹配滤波等，其抗噪性和适应性较差，在复杂井下环境下，信号检测精度大大降低。此外，现有技术缺乏有效的同步机制和纠错机制，难以准确定位指令信号的起始位置，无法实现指令信号的可靠解码，限制了泥浆脉冲遥测系统的工作性能和数据传输质量。

3、在相关技术中，比如中国专利文献cn111832332a中提供了一种泥浆脉冲信号处理方法及装置，该方法包括：利用帧同步小波去噪对泥浆脉冲采样信号进行强制去噪，得到去噪后的帧同步信号；对去噪后的帧同步信号进行峰值检测，得到帧同步峰值检测结果；根据帧同步峰值检测结果确定泥浆脉冲采样信号中的原始指令信号；利用指令小波去噪对原始指令信号进行强制去噪，得到去噪后的指令信号，泥浆脉冲采样信号的长度是指令信号长度的2倍。但是该方案采用固定的小波基函数和分解层数进行泥浆脉冲信号的去噪处理，没有考虑不同井下环境下噪声特性的差异，小波基函数和分解层数的选择不够自适应，难以匹配泥浆脉冲信号的时频特点，导致去噪性能受限，残留噪声较多，影响后续的信号检测。

技术实现思路

1、针对现有技术中存在的泥浆脉冲信号检测精度低的问题，本技术提供了一种泥浆脉冲信号处理方法及装置，通过帧同步峰值检测和循环冗余校验等，提高了泥浆脉冲信号的检测精度。

2、本技术的目的通过以下技术方案实现。

3、本说明书的一个方面提供一种泥浆脉冲信号处理方法，包括以下步骤：采集泥浆脉冲信号x（n）：通过泥浆脉冲信号接收装置获取泥浆脉冲信号，并进行模数转换，得到数字化的泥浆脉冲采样信号x（n）。对采集的泥浆脉冲信号x（n）进行预处理：利用带通滤波器对x（n）进行初步滤波，去除超出泥浆脉冲信号频带的噪声干扰，得到预处理后的泥浆脉冲信号xp（n）。对预处理后的泥浆脉冲信号xp（n）进行帧同步小波去噪：采用自适应小波变换对xp（n）进行小波分解，通过动态选择最优小波基函数和分解层数，结合自适应阈值处理，滤除随钻噪声，得到去噪后的帧同步信号xs（n）。对去噪后的帧同步信号xs（n）进行峰值检测：利用自适应阈值策略对xs（n）进行峰值搜索和定位，通过动态调整阈值，准确提取帧同步峰值位置，得到帧同步峰值检测结果和帧同步周期t。根据帧同步峰值检测结果，从泥浆脉冲信号xp（n）中提取出原始指令信号s（n）：利用帧同步峰值位置和帧同步周期t，提取位于相邻两个帧同步峰值之间的信号片段作为原始指令信号s（n），其长度等于完整指令周期长度。对提取出的原始指令信号s（n）进行带限滤波和降采样处理，滤除高频噪声并压缩数据量，得到降采样后的指令信号sd（n）。根据指令信号的长度特征，将降采样后的指令信号sd（n）划分为若干指令信号片段si（n），i=1，2，......，m：利用指令长度判决准则，通过滑动窗口和相关峰搜索，从sd（n）中提取出m个指令信号片段si（n），每个片段对应一个完整的指令周期。利用指令小波去噪对每个指令信号片段si（n）进行去噪处理：采用与步骤3类似的自适应小波变换和阈值处理方法，针对每个指令信号片段si（n）的特点，优化小波基函数和分解层数，有效去除残留噪声，得到去噪后的指令信号片段sdi（n）。将去噪后的指令信号片段sdi（n）按顺序拼接，得到指令信号序列sd（m）：按照指令信号的原始顺序，将m个去噪后的指令信号片段sdi（n）首尾相连，组成完整的指令信号序列sd（m）。对指令信号序列sd（m）进行循环冗余校验纠错处理：根据指令信号的比特数和生成多项式，利用循环冗余校验算法对sd（m）进行纠错编码，生成校验比特并插入到每个指令信号之后，形成含校验码的指令信号序列sc（m）。接收端根据校验结果判断sc（m）是否有差错，对有差错的指令信号进行纠错，得到纠错后的指令信号序列sdc（m）。将纠错后的指令信号序列sdc（m）转换为指令码ic（k），输出给后续控制系统：对sdc（m）进行指令信号解码，提取出对应的指令码ic（k），传送给井下仪器控制单元，实现遥控指令的精确执行。

4、其中，对分段后的指令信号进行指令小波去噪，包括以下步骤：采用与泥浆脉冲信号相同的小波基函数，对每个指令信号片段进行小波分解，得到指令小波系数；计算每个指令信号片段的小波系数的标准差，将标准差乘以预设因子作为该指令信号片段的初始去噪阈值；根据每个指令信号片段的频域能量分布，将初始去噪阈值乘以自适应调节因子，得到自适应去噪阈值，具体包括：计算指令信号片段的频域能量分布，确定最大能量对应的频率分量；若最大能量对应的频率分量超过预设频率范围，则将自适应调节因子设置为大于1的值；若最大能量对应的频率分量未超过预设频率范围，则将自适应调节因子设置为小于等于1的值；将指令小波系数中绝对值小于自适应去噪阈值的高频细节系数置零，保留大于等于自适应去噪阈值的高频细节系数和全部低频近似系数；对保留的指令小波系数进行软阈值收缩处理；对软阈值收缩处理后的指令小波系数进行小波重构，得到去噪后的指令信号段。

5、进一步的，泥浆脉冲信号的预处理方法，包括以下步骤：对采集的泥浆脉冲信号x（n）进行分段处理：设置段长度n，将x（n）划分为若干长度为n的信号段xi（n），i=1，2，......，m，其中m为信号段的总数，n为每段信号包含的采样点数，为大于1的正整数。每个信号段xi（n）可表示为：xi（n）=x（（i-1）*n+n），n=1，2，......，n。计算每段泥浆脉冲信号xi（n）的均值mi，作为该段信号的直流分量：mi=（1/n）*σ（n=1ton）xi（n）。将每段泥浆脉冲信号xi（n）的各个采样点减去对应段的直流分量mi，得到去除直流分量后的信号段xdi（n）：xdi（n）=xi（n）-mi，n=1，2，......，n。计算各个去直流信号段xdi（n）的最大绝对值，作为全局最大绝对值xmax：xmax=max{|xdi（n）｜}，i=1，2，......，m，n=1，2，......，n。将各个去直流信号段xdi（n）的采样点除以全局最大绝对值xmax，得到归一化后的信号段xni（n）：xni（n）=xdi（n）/xmax，n=1，2，......，n。将归一化后的信号段xni（n）按照原始顺序进行拼接，得到预处理后的泥浆脉冲信号xp（n）：xp（n）=xni（mod（n-1，n）+1），n=1，2，......，m*n。其中，mod（n-1，n）+1表示对n-1进行模n运算，再加1，用于实现信号段的循环拼接。本技术采用分段处理和去除直流分量的方法，可有效消除泥浆脉冲信号中的低频漂移和基线漂移，提高信号的稳定性；通过计算全局最大绝对值并进行归一化，可将信号幅度统一到[-1，1]的范围内，便于后续的阈值判决和特征提取。

6、进一步的，泥浆脉冲信号的帧同步小波去噪方法，包括以下步骤：根据泥浆脉冲信号的频域特性，选择最优的小波基函数ψ（t）和分解层数l：通过对泥浆脉冲信号的频谱分析，确定其主要频率范围和频带分布特点。根据频域特性，从常用的小波基函数库（如daubechies、symlets、coiflets等）中选择与之最匹配的小波基函数ψ（t），使其在时频域上都具有良好的局部性和集中性。根据信号的采样频率和频带范围，确定合适的小波分解层数l，使得分解后的小波系数能够有效表征泥浆脉冲信号的多尺度特征。采用选择的小波基函数ψ（t）和分解层数l对预处理后的泥浆脉冲信号xp（n）进行多层小波分解：对xp（n）进行l层小波分解，得到第l层的低频近似系数al（k）和各层的高频细节系数dj（k），j=1，2，......，l。小波分解过程可表示为：al（k）=σ（n）xp（n）*ψ（2^lk-n），dj（k）=σ（n）xp（n）*ψ（2^jk-n），j=1，2，......，l，其中，ψ表示小波基函数，k为小波系数的时间平移因子。根据泥浆脉冲信号的信噪比snr，计算各层小波系数的阈值λj，j=1，2，......，l：λj=σj*sqrt（2*log（n）/log2（j+1）），其中，σj为第j层高频系数dj（k）的标准差，n为信号长度。阈值λj随分解尺度j的增大而减小，适应不同频带的去噪需求。将各层小波系数dj（k）中小于对应层阈值λj的高频系数置零，得到阈值处理后的小波系数d'j（k）：d'j（k）=dj（k），if|dj（k）｜>=λj，d'j（k）=0，if|dj（k）｜<λj，对阈值处理后的高频小波系数d'j（k）进行收缩处理：5.1根据高频系数的绝对值｜d'j（k）｜与阈值λj的差值，以及预设的收缩因子α（0<α<1），计算收缩量δj（k）：δj（k）=α*（｜d'j（k）｜-λj），if|d'j（k）｜>=λj，δj（k）=0，if|d'j（k）｜<λj，5.2从高频系数d'j（k）中减去收缩量δj（k），得到收缩后的高频系数d"j（k）：d"j（k）=sgn（d'j（k））*（｜d'j（k）｜-δj（k）），其中，sgn（x）表示符号函数。采用选择的小波基函数ψ（t），对高频系数收缩后的小波系数{al（k），d"j（k）}进行l层小波重构，得到去噪后的帧同步信号xs（n）：xs（n）=σ（k）al（k）ψ（2^ln-k）+σ（j=1tol）σ（k）d"j（k）ψ（2^jn-k）。本技术的小波去噪方法充分利用了泥浆脉冲信号的时频特性，通过自适应选择小波基函数和分解层数，匹配信号的多尺度特征；采用软阈值和高频系数收缩策略，在去除噪声的同时保留了信号的细节信息；通过小波重构实现信号的平滑和增强。与现有的傅里叶变换和经验模态分解等去噪方法相比，本技术的小波去噪方法具有更高的时频分辨率和自适应性，能够更有效地提取帧同步信号的特征，提高泥浆脉冲信号检测的精度和可靠性。

7、进一步的，自适应选择小波基函数和分解层数的方法，包括以下步骤：对预处理后的泥浆脉冲信号xp（n）进行傅里叶变换，得到其时频分布特性：对xp（n）进行快速傅里叶变换（fft），得到频域信号xp（k）：xp（k）=σ（n=0ton-1）xp（n）*exp（-j2πn*k/n），k=0，1，......，n-1，其中，n为信号长度，j为虚数单位。计算频域信号xp（k）的幅度谱a（k）和相位谱p（k）：a（k）=|xp（k）｜，p（k）=angle（xp（k）），根据幅度谱a（k）和相位谱p（k），得到信号xp（n）的时频分布图，反映其在不同频率成分上的能量分布情况。根据时频分布特性，确定泥浆脉冲信号的主要频率成分f0：找出幅度谱a（k）中的最大值amax，其对应的频率索引为kmax：amax=max{a（k）}，k=0，1，......，n-1，kmax=argmax{a（k）}，根据频率索引kmax和采样频率fs，计算泥浆脉冲信号的主要频率成分f0：f0=kmax*fs/n，计算常用小波基函数在主要频率成分f0处的幅频响应，选择最优小波基函数：选取daubechies小波（dbn）、symlet小波（symn）和coiflet小波（coifn）作为候选小波基函数，其中n表示消失矩阶数，反映小波基函数的正交性和平滑性。对于每种小波基函数，计算其在主要频率成分f0处的幅频响应h（f0）：h（f0）=|ψ（2πf0）｜，其中，ψ（ω）表示小波基函数的傅里叶变换，称为小波母函数。比较不同小波基函数的幅频响应h（f0），选择响应最大的小波基函数ψ（t）作为最优基函数。

8、根据泥浆脉冲信号的采样频率fs和选择的小波基函数ψ（t）的尺度函数，确定最大分解层数l：小波基函数ψ（t）的尺度函数φ（t）满足二尺度方程：φ（t）=σ（k）h（k）*φ（2t-k），其中，h（k）为低通滤波器系数，决定了尺度函数的平移和伸缩特性。根据采样频率fs和尺度函数φ（t）的带宽bw，计算最大分解层数l：l=floor（log2（fs/bw）），其中，floor（x）表示向下取整运算。分解层数l决定了小波变换的频率分辨率和时间分辨率。本技术的自适应选择方法充分考虑了泥浆脉冲信号的频域特性和能量分布，通过傅里叶变换和小波基函数的幅频响应计算，实现了小波基函数的最优匹配；根据信号的采样频率和尺度函数的带宽，自适应确定了分解层数，平衡了时频分辨率。

9、进一步的，从去噪后的帧同步信号xs（n）中提取真实的同步峰值，包括：计算去噪后的帧同步信号xs（n）的全局均值mean g和标准差std g，设置初始阈值thr init：全局均值mean g=（1/n）*σ（n=1ton）xs（n），全局标准差std g=sqrt（（1/（n-1））*σ（n=1ton）（xs（n）-mean g）^2），初始阈值thr init=mean g+k*std g，其中，n为信号长度，k为常数因子，用于调节初始阈值的高度。采用固定宽度w的滑动窗口对帧同步信号xs（n）进行分段处理：设置滑动窗口的宽度为w，滑动步长为w/m，其中m为常数因子，用于控制窗口的重叠度。依次将滑动窗口移动到信号的不同位置，得到一系列窗口片段xsw（m），m=1，2，......，p，其中p为窗口总数。对于每个窗口片段xsw（m），计算其局部均值mean loc（m）、局部标准差std loc（m）和局部峰值peak loc（m）：mean loc（m）=（1/w）*σ（i=1tow）xsw（m，i），std loc（m）=sqrt（（1/（w-1））*σ（i=1tow）（xsw（m，i）-mean loc（m））^2），peak loc（m）=max{xsw（m，i）}，i=1，2，......，w。计算第一调整阈值thradj1（m）和第二调整阈值thradj2（m）：第一调整阈值thradj1（m）=thr init+a*（mean loc（m）-thr init），第二调整阈值thradj2（m）=thradj1（m）+β*（std loc（m）-thr init），其中，a和β为常数因子，用于平衡全局阈值和局部阈值之间的权重。根据局部峰值peak loc（m）和第二调整阈值thradj2（m），计算每个窗口的最优阈值thr adopt（m）：如果peak loc（m）大于thradj2（m），则计算第三调整阈值thradj3（m）=γ*peak loc（m），将thradj3（m）作为最优阈值thr adopt（m）。如果peak loc（m）小于等于thradj2（m），则直接将thradj2（m）作为最优阈值thr adopt（m）。其中，γ为常数因子，用于调节第三调整阈值的高度。将去噪后的帧同步信号xs（n）中大于对应窗口最优阈值thradopt（m）的样本点提取为候选同步峰值xcand（l），l=1，2，......，q，其中q为候选峰值总数。根据候选同步峰值xcand（l）的峰值幅度、峰度和相邻峰间距等特征，筛选出真实的同步峰值xsync（r），r=1，2，......，r，作为帧同步峰值检测结果，其中r为真实同步峰数。

10、峰值幅度：候选峰值的幅度应显著高于其邻近样本点的幅度。峰度：候选峰值的峰形应尖锐、对称，峰度指标较高。相邻峰间距：相邻的真实同步峰之间的间距应符合帧同步信号的周期特性。本技术，根据去噪后的帧同步信号xs（n）的全局统计特性，设置初始阈值；采用滑动窗口技术，计算局部统计特性，对初始阈值进行自适应调整，得到每个窗口的最优阈值；提取候选同步峰值，并根据峰值特征进行筛选，获得真实的同步峰值，实现了帧同步信号的精确定位和分割。峰值检测方法充分利用了帧同步信号的全局和局部统计特性，通过多级阈值调整，自适应地匹配信号的动态变化；采用滑动窗口和峰值特征分析，有效抑制了噪声干扰和虚假峰值，提高了同步峰定位的准确性和可靠性。与现有的固定阈值和形态学滤波等方法相比，本技术的自适应阈值峰值检测方法更加灵活和鲁棒，能够适应不同工况下的帧同步信号，为后续的指令提取和数据解析奠定了基础。

11、进一步的，基于峰值特征的真实同步峰筛选方法，用于从候选同步峰值xcand（l）中获取真实的同步峰值xsync（r），包括以下步骤：计算每个候选同步峰值xcand（l）的峰值幅度amp peak（l）、峰宽width peak（l）和相邻候选同步峰值的间距dist peak（l）：峰值幅度amp peak（l）=xcand（l）-（xcand（l-1）+xcand（l+1））/2，表示候选峰值与其两侧样本点幅度的差值。峰宽width peak（l）=r-p，其中xcand（p）和xcand（r）分别为候选峰值xcand（l）左右两侧的第一个局部极小值点。相邻峰间距dist peak（l）=pos（xcand（l+1））-pos（xcand（l）），其中pos（x）表示候选峰值在原始信号xs（n）中的位置索引。根据峰值幅度amp peak（l）和预设的幅度阈值thr amp，筛选潜在同步峰值xpot（j），j=1，2，......，j：比较峰值幅度amp peak（l）与幅度阈值thr amp：如果amp peak（l）>thr amp，则将xcand（l）作为潜在同步峰值xpot（j），保留；如果amp peak（l）≤thr amp，则删除xcand（l），不作为潜在同步峰值。幅度阈值thr amp根据帧同步信号的实际波形和信噪比进行预设，以保证提取的潜在同步峰具有显著的幅度特征。根据潜在同步峰值xpot（j）的峰宽width peak（j）和预设的峰宽阈值thr width，筛选有效同步峰值xeff（k），k=1，2，......，k：比较峰宽width peak（j）与峰宽阈值thr width：如果width peak（j）<thr width，则将xpot（j）作为有效同步峰值xeff（k），保留；如果width peak（j）≥thr width，则删除xpot（j），不作为有效同步峰值。峰宽阈值thr width根据帧同步信号的实际峰形和噪声干扰情况进行预设，以保证提取的有效同步峰具有尖锐、对称的峰形特征。根据有效同步峰值xeff（k）的相邻峰间距dist peak（k）和预设的间距阈值thr dist，筛选真实同步峰值xsync（r），r=1，2，......，r：比较相邻峰间距dist peak（k）与间距阈值thr dist：如果dist peak（k）≥thr dist，则将xeff（k）作为真实同步峰值xsync（r），保留；如果dist peak（k）<thr dist，则删除xeff（k），不作为真实同步峰值。间距阈值thr dist根据帧同步信号的实际周期和抖动情况进行预设，以保证提取的真实同步峰之间的间距符合帧同步信号的周期特性。

12、将所有真实同步峰值xsync（r）的位置pos（xsync（r））作为帧同步峰值检测结果syncpos（r），r=1，2，......，r。基于峰值特征的真实同步峰筛选方法，根据候选同步峰值的峰值幅度、峰宽和相邻峰间距等特征，逐级筛选潜在同步峰、有效同步峰和真实同步峰，实现了对帧同步信号的精确定位和分割。本技术真实同步峰筛选方法充分利用了帧同步信号的时域形态特征，通过预设合理的特征阈值，自适应地提取符合要求的真实同步峰；采用多级筛选策略，有效抑制了噪声干扰和虚假峰值，提高了同步峰定位的准确性和可靠性。与现有的单一特征判决和固定阈值筛选等方法相比，本技术的多特征自适应筛选方法更加灵活和鲁棒，能够适应不同工况下的帧同步信号，为后续的指令提取和数据解析提供了可靠的同步基准。

13、进一步的，基于帧同步的指令信号提取和降采样方法，用于从泥浆脉冲信号xm（n）中获取归一化的指令信号片段xcmd（i），包括以下步骤：根据帧同步峰值检测结果syncpos（r）确定每个帧同步周期的起始位置startpos（r）和结束位置endpos（r）：第r个帧同步周期的起始位置startpos（r）=syncpos（r），即第r个真实同步峰值的位置。第r个帧同步周期的结束位置endpos（r）=syncpos（r+1）-1，即第r+1个真实同步峰值位置的前一个样本点。帧同步周期的长度tcmd=endpos（r）-startpos（r）+1，表示每个指令周期内的样本点数。提取位于相邻两个帧同步峰值之间的泥浆脉冲信号片段作为原始指令信号xcmd_raw（r，t）：第r个原始指令信号xcmd_raw（r，t）=xm（startpos（r）+t），t=0，1，......，tcmd-1。原始指令信号xcmd_raw（r，t）的长度等于帧同步周期长度tcmd。采用低通滤波器对提取的原始指令信号xcmd_raw（r，t）进行带限滤波：设计一个截止频率为指令信号频带上限fmax的低通滤波器hlpf（k），k=0，1，......，nlpf-1，其中nlpf为滤波器阶数。对原始指令信号xcmd_raw（r，t）进行低通滤波，得到滤波后的指令信号xcmd_lpf（r，t）：xcmd_lpf（r，t）=σ（k=0tonlpf-1）hlpf（k）*xcmd_raw（r，t-k），t=0，1，......，tcmd-1。3.3低通滤波可以滤除高于指令信号频带的高频噪声，提高信号的信噪比。对带限滤波后的指令信号xcmd_lpf（r，t）进行降采样处理：指令信号的nyquist频率fnyq=2fmax，其中fmax为指令信号的最高频率分量。降采样频率fs_cmd=fnyq，降采样因子d=round（fs/fs_cmd），其中fs为泥浆脉冲信号的原始采样频率，round（x）表示四舍五入取整运算。

14、对滤波后的指令信号xcmd_lpf（r，t）进行降采样，得到降采样后的指令信号xcmd_ds（r，m）：xcmd_ds（r，m）=xcmd_lpf（r，dm），m=0，1，......，mcmd-1，其中mcmd=floor（tcmd/d）为降采样后的指令信号长度，floor（x）表示向下取整运算。对降采样后的指令信号xcmd_ds（r，m）进行归一化处理：计算降采样后的指令信号xcmd_ds（r，m）的最大值max_cmd（r）和最小值min_cmd（r）：max_cmd（r）=max{xcmd_ds（r，m）}，m=0，1，......，mcmd-1，min_cmd（r）=min{xcmd_ds（r，m）}，m=0，1，......，mcmd-1，对降采样后的指令信号xcmd_ds（r，m）进行幅度归一化，得到归一化后的指令信号片段xcmd（r，m）：xcmd（r，m）=（xcmd_ds（r，m）-min_cmd（r））/（max_cmd（r）-min_cmd（r）），m=0，1，......，mcmd-1。

15、归一化处理可以将不同指令周期内的指令信号幅度统一到[0，1]的范围内，方便后续的指令识别和解码。通过上述基于帧同步的指令信号提取和降采样方法，根据帧同步峰值检测结果，自动定位每个指令周期，提取原始指令信号；采用低通滤波器滤除高频噪声，提高信号质量；根据指令信号的频带特性，进行降采样处理，减少数据量；对指令信号进行归一化处理，实现幅度统一。本技术的指令信号提取和降采样方法充分利用了帧同步信号的定时特性，实现了指令信号的自动分段和提取；采用频域滤波和时域降采样相结合，有效平衡了指令信号的保真度和数据量；通过幅度归一化，统一了不同指令周期内的信号表示，为后续的指令识别奠定了基础。与现有的固定长度截取、简单降采样等方法相比，本技术的自适应提取、滤波降采样和归一化方法更加智能和高效，能够适应不同工况下的指令信号，提高了指令解析的准确性和实时性。

16、进一步的，基于nyquist频率的指令信号降采样方法，用于对带限滤波后的原始指令信号xcmd_lpf（r，t）进行降采样处理，得到降采样后的指令信号xcmd_ds（r，m），包括以下步骤：根据指令信号的最高频率fmax确定nyquist频率fnyq：指令信号的最高频率fmax可以通过对指令信号的频谱分析得到，或者根据先验知识预设。nyquist频率fnyq=q*fmax，其中q为nyquist频率与最高频率之间的倍数关系，通常取q=2，以满足nyquist采样定理的要求。计算降采样因子d：原始指令信号xcmd_lpf（r，t）的采样频率fs等于泥浆脉冲信号的原始采样频率。降采样因子d=round（fs/fnyq），其中round（x）表示四舍五入取整运算。降采样因子d表示原始指令信号xcmd_lpf（r，t）中每隔d个样本点取一个样本，得到降采样后的指令信号xcmd_ds（r，m）。对带限滤波后的原始指令信号xcmd_lpf（r，t）进行d倍降采样：对于第r个指令周期内的原始指令信号xcmd_lpf（r，t），t=0，1，......，tcmd-1，进行d倍降采样。降采样后的指令信号xcmd_ds（r，m）的样本点索引m与原始指令信号xcmd_lpf（r，t）的样本点索引t之间的关系为：m=floor（t/d），t=0，1，......，tcmd-1，其中，floor（x）表示向下取整运算。降采样后的指令信号xcmd_ds（r，m）的样本值等于原始指令信号xcmd_lpf（r，t）中每d个样本点的第一个样本值：xcmd_ds（r，m）=xcmd_lpf（r，d*m），m=0，1，......，mcmd-1，其中，mcmd=floor（tcmd/d）为降采样后的指令信号长度。通过上述基于nyquist频率的指令信号降采样方法，根据指令信号的频带特性，自适应地确定降采样频率和降采样因子；对带限滤波后的原始指令信号进行等间隔抽取，得到降采样后的指令信号序列，实现了指令信号的数据压缩和信息保留。本技术的指令信号降采样方法充分利用了nyquist采样定理，根据指令信号的频谱特性，设置合理的降采样频率，避免了频谱混叠和信息损失；采用整数倍降采样因子，简化了降采样过程，降低了计算复杂度；通过等间隔抽取，保留了指令信号的关键样本点，减少了数据冗余。与现有的固定降采样频率、任意抽取等方法相比，本技术的自适应降采样方法更加灵活和高效，能够在保证指令信号质量的同时，显著降低数据传输和存储开销，提高了指令解析的实时性和可靠性。

17、进一步的，基于循环冗余校验的指令信号纠错方法，用于对指令信号序列xcmd（i）进行纠错处理，得到纠错后的指令信号xcmd_crc（i），包括以下步骤：根据指令信号的比特数ncmd和生成多项式g（x）计算循环冗余校验的余数比特数rcrc，构造循环冗余校验矩阵hcrc和伴随矩阵acrc：指令信号的比特数ncmd等于归一化后的指令信号片段xcmd（r，m）的长度mcmd。生成多项式g（x）根据指令信号的比特数ncmd和误码率要求预先设计，通常选择标准的crc生成多项式，如crc-8、crc-16等。循环冗余校验的余数比特数rcrc等于生成多项式g（x）的阶数。

18、根据生成多项式g（x），构造（ncmd-rcrc）×ncmd的循环冗余校验矩阵hcrc和rcrc×（ncmd-rcrc）的伴随矩阵acrc。对指令信号序列xcmd（i）的每个指令信号片段xcmd（r，m）进行循环冗余校验编码：将指令信号片段xcmd（r，m）左移rcrc位，得到左移后的指令信号片段xcmd_ls（r，m）。对左移后的指令信号片段xcmd_ls（r，m）进行模2除法运算，除数为生成多项式g（x），得到rcrc位的余数rrem（r）。将指令信号片段xcmd（r，m）和余数rrem（r）拼接，得到包含校验比特的指令信号片段xcmd_crc（r，m）：xcmd_crc（r，m）=[xcmd（r，m），rrem（r）]，m=0，1，......，mcmd+rcrc-1。将包含校验比特的指令信号片段xcmd_crc（r，m）按顺序拼接，得到包含校验比特的指令信号序列xcmd_crc（i）：xcmd_crc（i）=[xcmd_crc（0，m），xcmd_crc（1，m），...，xcmd_crc（r-1，m）]，i=0，1，......，r*（mcmd+rcrc）-1，其中，r为指令信号序列中的指令周期数。对包含校验比特的指令信号序列xcmd_crc（i）进行循环冗余校验运算：将包含校验比特的指令信号序列xcmd_crc（i）划分为若干个ncmd位的子序列xcmd_crc（k，n）：xcmd_crc（k，n）=xcmd_crc（k*ncmd+n），n=0，1，......，ncmd-1，k=0，1，......，k-1，其中，k为子序列的个数，k=ceil（length（xcmd_crc）/ncmd），ceil（x）表示向上取整运算。对每个子序列xcmd_crc（k，n）进行循环冗余校验运算，得到rcrc位的校验结果rcheck（k）：rcheck（k）=mod（xcmd_crc（k，n）*hcrc，2），k=0，1，......，k-1，其中，mod（x，2）表示对2取模运算，即按位异或运算。

19、根据校验结果rcheck（k）判断接收到的指令信号序列是否有误：如果所有子序列的校验结果rcheck（k）都等于零，则判断接收到的指令信号序列xcmd_crc（i）无误，将校验比特从指令信号序列中去除，得到纠错后的指令信号序列xcmd_crc（i）：xcmd_crc（i）=xcmd_crc（floor（i/ncmd）ncmd+mod（i，ncmd）），i=0，1，......，rmcmd-1，其中，floor（x）表示向下取整运算，mod（·，ncmd）表示对ncmd取模运算。如果存在任意一个子序列的校验结果rcheck（k）不等于零，则判断接收到的指令信号序列xcmd_crc（i）有误，需要进行差错定位和纠正。对于校验结果rcheck（k）不等于零的子序列，进行差错定位和纠正：计算校验结果rcheck（k）与伴随矩阵acrc的乘积rerr（k），作为差错图样：rerr（k）=mod（rcheck（k）*acrc，2），k=0，1，......，k-1，根据差错图样rerr（k）确定差错位置nerr（k）：nerr（k）=find（rerr（k）==1），k=0，1，......，k-1，其中，find（x）表示查找非零元素的位置索引。对差错位置nerr（k）对应的指令信号比特进行翻转，得到纠错后的子序列xcmd_crc（k，n）：xcmd_crc（k，nerr（k））=~xcmd_crc（k，nerr（k）），k=0，1，......，k-1，其中，“~”表示按位取反运算。将纠错后的子序列xcmd_crc（k，n）拼接为完整的指令信号序列xcmd_crc（i），并将校验比特从纠错后的指令信号序列中去除，得到最终的指令信号序列xcmd（i）：xcmd（i）=xcmd_crc（floor（i/mcmd）ncmd+mod（i，mcmd）），i=0，1，......，rmcmd-1。通过上述基于循环冗余校验的指令信号纠错方法，利用生成多项式和循环冗余校验矩阵，对指令信号序列进行编码和校验，实现了差错定位和纠正功能；采用伴随矩阵进行差错图样计算，简化了差错定位过程；通过子序列划分和并行校验，提高了纠错效率；最终去除校验比特，得到纠错后的指令信号序列，保证了指令信息的正确性。本技术的指令信号纠错方法充分利用了循环冗余校验的编码和校验特性，通过附加冗余比特，增强了指令信号的差错检测和纠正能力；采用生成多项式和校验矩阵，实现了快速编码和并行校验，降低了计算开销。

20、其中，基于格雷码的指令信号编码方法，用于将纠错后的指令信号序列xcmd（i）转换为指令码xcode（j），包括以下步骤：根据格雷码映射表，将纠错后的指令信号序列xcmd（i）中的每个指令信号片段xcmd（r，m）转换为对应的格雷码xgray（r，m）：指令信号片段xcmd（r，m）的比特数为mcmd，对应的格雷码xgray（r，m）的比特数也为mcmd。根据mcmd比特的格雷码映射表，将指令信号片段xcmd（r，m）的每个比特值映射为对应的格雷码比特值：xgray（r，m，k）=xor（xcmd（r，m，k），xcmd（r，m，k+1）），k=0，1，......，mcmd-2，xgray（r，m，mcmd-1）=xcmd（r，m，mcmd-1），其中，xor（x）表示按位异或运算，xcmd（r，m，k）表示指令信号片段xcmd（r，m）的第k个比特值，xgray（r，m，k）表示对应的格雷码比特值。

21、将格雷码比特值xgray（r，m，k）按顺序拼接，得到指令信号片段xcmd（r，m）对应的格雷码xgray（r，m）：xgray（r，m）=[xgray（r，m，0），xgray（r，m，1），...，xgray（r，m，mcmd-1）]，根据指令集定义，将格雷码xgray（r，m）转换为对应的指令码xcode（r）：指令集定义了格雷码与指令码之间的对应关系，通常采用查表方式实现。根据指令集定义的映射关系，将格雷码xgray（r，m）转换为对应的指令码xcode（r）：xcode（r）=inst_map（xgray（r，m）），r=0，1，......，r-1，其中，inst_map（x）表示指令集定义的映射函数，将mcmd比特的格雷码映射为对应的指令码。将转换得到的指令码xcode（r）按顺序输出，得到指令码序列xcode（j）：xcode（j）=[xcode（0），xcode（1），...，xcode（r-1）]，j=0，1，......，r-1。将指令码序列xcode（j）输出给后续的控制系统，供控制系统解析和执行：指令码序列xcode（j）作为控制系统的输入，传递给控制系统的指令解析模块。控制系统的指令解析模块根据指令集定义，将指令码xcode（j）解析为对应的操作码、地址码、数据等控制信息。控制系统根据解析出的控制信息，执行相应的控制操作，实现对设备的控制和调度。通过上述基于格雷码的指令信号编码方法，利用格雷码的单比特变化特性，将纠错后的指令信号序列转换为格雷码形式，提高了指令信号的抗干扰能力；根据指令集定义，将格雷码映射为对应的指令码，实现了指令信号与控制指令的对应；按顺序输出指令码序列，供控制系统解析和执行，完成了指令信号的编码和传递过程。本技术的指令信号编码方法充分利用了格雷码的编码特点，通过格雷码映射，将指令信号转换为具有更强纠错能力的格雷码，减少了指令信号的误码率；采用指令集定义，建立了格雷码与指令码之间的映射关系，实现了指令信号的标准化表示；通过顺序输出和解析执行，将指令信号与控制系统有机结合，实现了指令的高效传输和控制。与现有的直接编码、随机编码等方法相比，本技术的格雷码编码方法更加可靠和高效，提高了指令信号的传输质量和控制精度，增强了系统的稳定性和可靠性。

22、本说明书的另一个方面还提供一种泥浆脉冲信号处理装置，用于执行本技术的一种泥浆脉冲信号处理方法，包括：数据采集模块，用于接收泥浆脉冲信号传感器采集的原始泥浆脉冲信号y（n），并将其传递给预处理模块：数据采集模块与泥浆脉冲信号传感器连接，实时接收泥浆脉冲信号传感器输出的原始泥浆脉冲信号y（n）。数据采集模块对原始泥浆脉冲信号y（n）进行量化和编码，将其转换为数字化的泥浆脉冲信号序列y（n）。数据采集模块将数字化的泥浆脉冲信号序列y（n）传递给预处理模块进行下一步处理。预处理模块，用于对原始泥浆脉冲信号y（n）进行去噪和归一化处理，得到归一化后的泥浆脉冲信号s（n），并将其传递给匹配滤波模块：预处理模块接收数据采集模块传递的数字化泥浆脉冲信号序列y（n），对其进行去噪处理，滤除泥浆脉冲信号中的高频噪声和低频干扰成分。预处理模块对去噪后的泥浆脉冲信号进行归一化处理，将其幅值范围映射到[0，1]区间内，得到归一化后的泥浆脉冲信号s（n）。预处理模块将归一化后的泥浆脉冲信号s（n）传递给匹配滤波模块进行下一步处理。匹配滤波模块，用于对归一化后的泥浆脉冲信号s（n）进行匹配滤波处理，得到匹配滤波后的泥浆脉冲信号x（n），并将其传递给指令解析模块：匹配滤波模块接收预处理模块传递的归一化泥浆脉冲信号s（n），根据预设的参考信号p（n），对其进行匹配滤波处理。匹配滤波模块采用互相关算法，计算归一化泥浆脉冲信号s（n）与参考信号p（n）的互相关函数r（n），得到匹配滤波后的泥浆脉冲信号x（n）。匹配滤波模块将匹配滤波后的泥浆脉冲信号x（n）传递给指令解析模块进行下一步处理。

23、指令解析模块，用于对匹配滤波后的泥浆脉冲信号x（n）进行指令提取和解析，得到控制指令序列c（k），并将其传递给控制系统：指令解析模块接收匹配滤波模块传递的匹配滤波后的泥浆脉冲信号x（n），对其进行指令提取和解析处理。

24、指令解析模块采用门限判决算法，根据预设的门限值，对匹配滤波后的泥浆脉冲信号x（n）进行二值化，得到二进制指令序列b（k）。指令解析模块根据预设的指令格式和协议，对二进制指令序列b（k）进行解析，得到控制指令序列c（k），包括操作码、地址码、数据等控制信息。指令解析模块将控制指令序列c（k）传递给控制系统，供控制系统执行相应的控制操作。控制系统，用于接收指令解析模块传递的控制指令序列c（k），并根据控制指令序列c（k）执行相应的控制操作：控制系统接收指令解析模块传递的控制指令序列c（k），对其进行解释和执行。控制系统根据控制指令序列c（k）中的操作码，确定对应的控制操作，如数据读写、状态查询、参数配置等。控制系统根据控制指令序列c（k）中的地址码和数据，访问相应的存储器地址或i/o端口，执行数据传输或设备控制操作。控制系统根据执行结果，向上位机或其他设备发送响应信号或状态信息，实现闭环控制和通信。通过上述泥浆脉冲信号处理装置，实现了对原始泥浆脉冲信号的自动采集、预处理、匹配滤波、指令解析和控制执行等一系列处理过程，将泥浆脉冲信号转换为控制系统可识别和执行的控制指令，实现了泥浆脉冲信号的解调和控制。本技术的泥浆脉冲信号处理装置采用模块化设计，各个功能模块之间通过标准接口连接，数据流在模块之间有序传递，实现了泥浆脉冲信号处理的系统化和规范化；预处理模块有效提高了泥浆脉冲信号的信噪比，匹配滤波模块显著增强了指令信号的识别率，指令解析模块准确提取了控制指令信息，控制系统灵活执行了相应的控制操作，整个装置协同工作，完成了泥浆脉冲信号的解调和控制任务，提高了泥浆脉冲遥测的可靠性和有效性。

25、有益效果，相比于现有技术，本技术的优点在于：

26、采用自适应小波变换对泥浆脉冲信号进行预处理，通过自适应选择与信号特征匹配的小波基函数和最优分解层数，充分利用泥浆脉冲信号的时频特性，提高了对随钻噪声的有效抑制。

27、引入了自适应阈值策略和动态滑动窗口机制，对去噪后的泥浆脉冲信号进行帧同步峰值检测，通过多级阈值调整和综合判决，克服了噪声和信号强度变化对同步检测的影响，提高了帧同步位置的精确定位。

28、结合帧同步结果，提取完整指令周期内的泥浆脉冲信号作为原始指令信号，并进行带限滤波和降采样处理，在滤除高频干扰的同时，降低了指令信号的数据量，减少了后续处理的计算复杂度。

29、采用循环冗余校验算法对指令信号序列进行纠错编码，利用校验比特提高了指令信号的差错定位和自动纠正，有效地提高了指令传输的可靠性。

30、通过指令信号的归一化处理和量化编码，提高了泥浆脉冲信号到数字指令码的可逆映射，保证了指令信息的完整性和一致性。

技术特征：

1.一种泥浆脉冲信号处理方法，包括：

2.根据权利要求1所述的泥浆脉冲信号处理方法，其特征在于：

3.根据权利要求2所述的泥浆脉冲信号处理方法，其特征在于：

4.根据权利要求3所述的泥浆脉冲信号处理方法，其特征在于：

5.根据权利要求2至4任一所述的泥浆脉冲信号处理方法，其特征在于：

6.根据权利要求5所述的泥浆脉冲信号处理方法，其特征在于：

7.根据权利要求6所述的泥浆脉冲信号处理方法，其特征在于：

8.根据权利要求7所述的泥浆脉冲信号处理方法，其特征在于：

9.根据权利要求8所述的泥浆脉冲信号处理方法，其特征在于：

10.一种基于权利要求1至9任一所述的泥浆脉冲信号处理方法的装置。

技术总结
本申请公开了一种泥浆脉冲信号处理方法及装置，涉及泥浆信号处理领域，包括：采集泥浆脉冲信号并进行预处理；对预处理后的泥浆脉冲信号进行帧同步小波去噪；对去噪后的帧同步信号进行峰值检测；从泥浆脉冲信号中提取出原始指令信号，并进行带限滤波和降采样；将降采样后的指令信号划分为若干指令信号片段；利用指令小波去噪对每个指令信号片段进行去噪处理；将去噪后的指令信号片段按顺序拼接，得到指令信号序列；对指令信号序列进行循环冗余校验纠错处理，根据校验结果判断指令信号序列是否有差错，对有差错的指令信号进行纠错，得到纠错后的指令信号序列。针对现有技术中泥浆脉冲信号检测精度低的问题，本申请提高了泥浆脉冲信号的检测精度。

技术研发人员：黄麟森
受保护的技术使用者：重庆中瓦智能科技有限公司
技术研发日：
技术公布日：2024/12/5