基于CEEMDAN-小波包分析的隧道爆破信号去噪方法

针对隧道爆破施工中采集到的实测振动信号,引入一种基于总体平均经验模态分解方法（CEEMDAN分解）联合小波包分析的降噪方法。首先,通过CEEMDAN分解得到多个本征模态分量,利用相关系数筛选出包含噪声的模态分量,并通过模态分量的频谱图及方差贡献率进行校核。然后,利用小波包阈值降噪方法对含有噪声的模态分量进行处理。最后,将未经处理的模态分量与去噪完成的分量重构得到最终纯净的爆破振动信号。同时,通过小波包能量谱分析验证此降噪方法的可行性。本文引入的方法兼具CEEMDAN分解及小波包分析的优点,与现有方法相比,去噪效果较好,可以应用于类似隧道爆破信号的去噪处理中。     

基于一种改进EMD算法的GPS多径效应抑制方法

为了抑制短基线双差分GPS测量中的多径误差,提出了一种改进的经验模态分解(EMD)滤波方法。首先分析了含噪信号EMD分解的噪声传播特性,提出应用噪声辅助数据分析方法对低阶模态分量进行处理,实现将信号的噪声压缩至低阶本征模态函数(IMF)中,进而提高含噪信号高阶模态分量的信噪比。然后基于上述改进的EMD算法实现了模态单元阈值降噪,随机采样第1阶IMF构造多个具有相同信噪比的序列,最后平均处理多个序列的降噪结果以消除EMD分解的位置敏感性误差,与小波降噪以及传统EMD阈值降噪的仿真对比表明,提出的降噪算法有显著优势。最后,将提出的算法用于GPS测量信号的多径误差提取,结果表明该方法可以用于抑制短基线GPS测量的多径误差。     

基于CEEMDAN改进阈值滤波的微机电陀螺信号去噪模型

为了提高微机电系统(MEMS)陀螺信号的去噪效果,以自适应噪声的完备集成经验模态分解(CEEMDAN)方法为理论基础,并针对常规软阈值和硬阈值函数存在的不足,提出了一种基于改进阈值函数的CEEMDAN滤波去噪模型。该模型首先应用CEEMDAN方法将陀螺信号有效地分解为多个固有模态函数(IMF)分量;其次通过相关系数法判断噪声分量与有效分量的界限;进而对噪声分量进行阈值设置并使用改进阈值函数进行滤波处理;最后重构滤波处理后的噪声分量与有效分量以得到去噪后的信号。实际陀螺信号去噪试验结果显示:所提模型相对于CEEMDAN、集成经验模态分解(EEMD)、经验模态分解(EMD)强制去噪方法及小波分析方法,其信噪比提高了约3.9dB,均方根误差降低了约36%;所提模型相对于CEEMDAN结合软、硬阈值函数的去噪模型,均方根误差降低了30%以上。表明采用所提模型可以对MEMS陀螺输出信号进行有效去噪,提升去噪性能。     

室内地埋供热管道泄漏的声学监测及其信号去噪方法研究

为了更精确地对室内地埋供热管道泄漏声学监测信号进行主要特征频率提取和分析,需先对测量信号去噪。本文采用变分模态分解(variational mode decomposition, VMD),对距离漏水点5 cm和40 cm测量点的原始声信号分别进行模态分解,计算出各模态分量的排列熵并将其作为噪声信号剔除的依据,最后对信号进行重构,并与经验模态分解(empirical mode decomposition, EMD)、集合经验模态分解(ensemble empirical mode decomposition, EEMD)的处理结果进行对比。发现相比于其他两种分解降噪方法,VMD能够更好地解决模态混叠问题,能更为精确地将噪声信号去除,达到更好的去噪效果。     

一种基于多参考信号ICA的重力信号提取方法

海洋重力测量包含大量噪声,其中的低频噪声与重力信号频率相近,常用算法难以有效抑制测量噪声提取重力信号。为了有效地消除海洋重力测量信号的噪声,提高信号的获取精度,根据独立分量分析理论,提出一种基于多参考信号独立分量分析的重力信号提取方法。采用经验模态分解将海洋重力测量信号分解为固有模态分量,同时采用卡尔曼滤波以及小波分解等算法处理重力测量信号,将卡尔曼滤波器和小波分解的滤波结果以及由固有模态分量重构的信号作为独立分量分析算法虚拟通道的参考信号,应用基于负熵的独立分量分析算法估计重力信号。基于实测重力信号对该方法进行了去噪试验,理论分析和试验结果表明,多参考信号独立分量分析的重力信号提取方法能有效的抑制干扰和恢复重力信号波形,与常用的重力信号处理算法相比,海洋重力数据的获取精度大约提高了30%。     

基于小波包阈值处理的光纤陀螺信号降噪

在小波变换对陀螺信号处理的基础上提出了用三层小波包消减阈值算法,处理陀螺仪的状态信号,小波包分解得到各个节点的分解系数。通过消减算法使得信号中大于阈值的瞬态高频部分置零,对消减阈值处理后的节点进行重构以消除信号中的噪声和周期分量。软阈值函数通过小波包分解的节点系数均值和方差来构建。仿真实验与已取得很好效果的强制降噪的重构信号和相应的功率谱进行比较,结果表明小波包软阈值降噪比强制降噪在随机漂移补偿上提高了13.1%,零偏改善了0.0526(°)/h。     

深孔台阶爆破近区振动信号趋势项去除方法

基于深孔台阶爆破近区大量实测振动信号,总结了趋势项产生的原因主要为大振幅脉冲输入下的非线性失真及低频干扰叠加,在此基础上以测试仪器有效监测范围作为识别趋势项组成部分的判别准则。利用集合经验模态分解（ensemble empirical mode decomposition,EEMD）、小波分解等信号分析手段,提出了以固有模态函数（intrinsic mode function,IMF）的频带分布为指标、人工判别的趋势项去除方法,以及基于自相关分析识别噪声特征的小波阈值去噪方法。实例证明该方法切实有效,可实现爆破信号的批量化预处理。     

基于自相关特性的经验模态分解微机械陀螺去噪方法

陀螺的噪声是影响组合导航系统精度的重要因素之一。以农机多传感器组合导航系统为研究背景,在分析经验模态分解去噪和小波去噪的基础上,提出了一种基于自相关特性的经验模态分解去噪方法。该方法根据本证模态函数分量的自相关函数特性,提出了一种含噪本证模态函数筛选策略。该方法能够自适应地确定主要含噪的本证模态函数分量,避免了需要人为确定的不足;同时,结合改进小波阈值去噪的优势,避免了将混叠在噪声中的有效信号完全消除,使其具有一定的自适应性。为了验证方法的有效性,利用农机组合导航系统中微机械陀螺的实际输出数据,分别采用改进阈值小波去噪方法、经验模态分解去噪和改进的经验模态分解去噪方法进行了对比试验。结果表明,改进经验模态分解去噪方法的效果要优于前者,在一定程度上能够改善农机多传感器组合导航系统的定位精度。     

冻结立井爆破近区井壁振动信号基线漂移校正和消噪方法

冻结立井爆破过程中，近区监测信号中含有的基线漂零及噪声成分对其局部特征精细化提取影响显著。在对近区井壁振动信号有效采集基础上，通过互补总体经验模态分解（complementary ensemble empirical mode decomposition, CEEMD）方法、稀疏化基线估计消噪（baseline estimation and de-noising with sparsity, BEADS）方法和隐马尔可夫模型消噪（hidden Markov model de-noising, HMMD）方法等，解决了信号中基线漂移和随机噪声消除难题，并采用交叉小波变换对校正和消噪效果进行了相关性评价。实例分析结果表明:信号中缓变的基线成分遍历信号各个模态分量的整个过程，且主要集中于低频分量中，而噪声则集中在高频分量。组合分析方法对低频基线漂零和高频噪声的处理效果好，是一种高效且相对保幅的信号分析方法，可用于批量信号数据的预处理过程。     

北斗卫星钟差的CEEMDAN分解与周期项提取方法

卫星钟差具有非线性非平稳特征,其趋势分量、周期分量等信号与随机分量互相干扰,不利于钟差估计与预报、时间尺度算法等实际应用。为了实现卫星钟差数据的信噪分离与重构,提出了一种以自适应噪声完备集合经验模态分解（CEEMDAN）为基础的信噪分离方法。经CEEMDAN分解得到多个本征模态分量,引入排列熵算法确定噪声主导分量与信号主导分量,通过t检验分析分量的高频与低频特征,从而完成信号重构。对各类北斗卫星原子钟进行实验,结果表明,以CEEMDAN为基础的综合分析方法能够准确辨识本征模态分量特征,重构周期项的频谱图中基本不含有不规则周期分量与多余信号;去除周期分量后,4颗北斗卫星原子钟的万秒频率稳定度平均提升21.6%。     

基于EMD改进算法的爆破振动信号去噪

为了解决振动信号经验模态分解(empirical mode decomposition, EMD)滤波去噪效果不佳的问题，提出一种自适应性正交经验模态分解(principal empirical mode decomposition, PEMD)的信号去噪方法。该算法融合了EMD分解的自适应性和主成分分析(principal component analysis，PCA)的完全正交性特点，对信号EMD分解过程中产生的模态混叠现象进行消除，得到了最佳的去噪效果。分析表明:PEMD在仿真模拟试验中相比于传统EMD算法和集总经验模态分解(ensemble empirical mode decomposition, EEMD) 算法，信噪比分别提高了1.15 dB和0.38 dB，且均方根误差最小；频域上PEMD对仿真信号频率(30 Hz)识别的灵敏度最高，30 Hz之外的噪声滤除效果最好。在爆破振动试验中，PEMD和EEMD去除噪声毛刺的效果较为理想，且PEMD在0～300 Hz的中低频振动信号保存效果最好，300 Hz以上的高频噪声滤除效果最好。     

EEMD修正爆破加速度零漂信号中的最优白噪声系数

为了有效降低振动信号误差以提高数据的可信度，先针对花岗岩爆破试验中的加速度零漂信号，使用集合经验模态分解（ensemble empirical mode decomposition，EEMD）与高低频处理相结合的方法进行修正；接着，根据信号冲击响应谱提出表征修正前后频域平均偏差幅度的修正指数；最后，基于频域和时域分别讨论了不同白噪声系数范围内信号的修正效果。分析表明:EEMD方法能够有效地消除爆破加速度信号的零漂现象，但对积分后速度信号的零漂趋势改善有限；随着白噪声系数增大，不同频段上修正指数均不同程度地增大，二者呈现幂指数关系；根据不同频段上的修正指数分析，可以确定不同零漂加速度信号对应的最优白噪声系数范围。本文提出的修正指数可为EEMD方法处理加速度零漂信号时白噪声系数的合理选取提供参考。     

爆破震动信号的小波分析与HHT变换

以实测的爆破震动信号为例,分别应用小波分析和HHT(Hilbert-Huang Transform)变换从不同方面进行对比分析,讨论了爆破震动信号的特征提取和时频分布。结果表明:小波分析和HHT变换都是处理非平稳信号的两种好方法,都能很好地提取信号的主要特征信息和进行滤波、消噪。然而,小波分析存在选择小波基的困难,而HHT变换不需要预先选择基函数,其EMD（empirical mode decomposition）得到的IMF(intrinsic mode function)能反映原始信号的固有特性,通常具有实际物理意义;小波谱的能量在频率范围内分布较宽,而Hilbert能量谱能清晰地表明能量随时频的具体分布,大部分能量都集中在有限的能量谱线上;小波分析中时间、频率分辨率受Heisenberg测不准原理的限制,而HHT变换中时间分辨率不变且精度很高,其频率分辨率则可随信号内在的特性进行自适应调节。分析表明:HHT变换在分析非平稳信号时较小波分析更具适应性,在岩石中波的传播、衰减规律、结构动态响应特征和爆破震动破坏等研究中有着广阔的应用前景。     

基于小波变换的重力变化信号处理技术研究

针对重力敏感器中所测信号的特点，提出了小波变换的多分辨率分析方法。采用了强制去噪和阈值去噪两种方法，利用Daubechies小波函数，分别针对三种典型情况进行了分析。结果表明，对于信噪比非常小的重力变化信号，阈值去噪法相对于强制去噪法来说效果并没有明显提高，第9层下重建信号的逼近误差满足性能指标。文中还讨论了加入确定性干扰的情况下微弱信号的提取情况，结果表明，加入大的确定性干扰后，为了满足设计要求，小波分解的尺度有所增加，整体的滤波效果与未加入确定性干扰的情况基本相同。     

Modal identification of multi-degree-of-freedom structures based on intrinsic chirp component decomposition method

Modal parameter identification is a mature technology. However, there are some challenges in its practical applications such as the identification of vibration systems involving closely spaced modes and intensive noise contamination. This paper proposes a new time-frequency method based on intrinsic chirp component decomposition(ICCD)to address these issues. In this method, a redundant Fourier model is used to ameliorate border distortions and improve the accuracy of signal reconstruction. The effectiveness and accuracy of the proposed method are illustrated using three examples: a cantilever beam structure with intensive noise contamination or environmental interference, a fourdegree-of-freedom structure with two closely spaced modes, and an impact test on a cantilever rectangular plate. By comparison with the identification method based on the empirical wavelet transform(EWT), it is shown that the presented method is effective,even in a high-noise environment, and the dynamic characteristics of closely spaced modes are accurately determined.     

子波去噪技术在湍流信号处理中的应用

本文在分析了随机噪声的子波变换系数在不同尺度上的传递特性以及噪声信号奇异性与子波模极大值的关系后,提出了用尺度间变化的门限值来抑制带噪湍流信号在不同尺度上的噪声子波系数,从而实现了在重构湍流信号中消除噪声的目的。本文给出了湍流信号的子波去噪的计算机仿真结果,并与傅立叶去噪进行了比较,从结果上看,本文的方法有较好的去噪功能。     

基于虚拟响应信号的结构参数时域辨识研究

在充分考虑线性动力系统的时域响应特性以及小波包分析的频率空间剖分特性的基础上,提出了一种基于虚拟响应信息提取的信号去噪新方法.虚拟响应虽然没有在结构动力检测过程中真实发生,但却是在某种激励下可以实现的一个响应,因此,根据虚拟响应信息同样可以进行结构系统的动力识别.数值研究表明,对于地脉动响应这种有效信号频带与噪声频带相互覆盖的低信噪比信号而言,小波阈值去噪法已无能为力,而基于虚拟响应信息提取的信号去噪方法则有较好的去噪效果.