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。     

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。     

爆破振动信号的HHT时频能量谱分析

采用希尔伯特-黄变换对爆破振动信号进行时频能量谱分析。经验模态分解中采用了极值点对称 延拓消除端点效应,采用分段三次Hemite保形插值算法插值拟合消除欠包络现象以及筛分终止局部准则; 对于传统HHT 计算瞬时频率的负峰问题采用了标准化和直接正交法解决。采用了LabView 平台实现,提 高了计算效率和实用性。     

基于集合经验模态分解-小波阈值方法的爆破振动信号降噪方法

为了更好地消除混杂在爆破信号中的噪声,引入一种基于集合经验模态分解和小波阈值共同作用的降噪方法。首先将信号进行集合经验模态分解,然后选择含噪的模态函数分量进行小波阈值降噪处理,最后把处理后的分量和未处理的分量进行叠加,重构的信号即为降噪信号。该方法不仅能有效的去除噪声,还能使爆破波形保留其真实性和完整性。     

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。

     

MIMU信号去噪方法的对比研究

采用“中值平均法“、“FIR数字滤波器滤波法“、“小波去噪“三种不同的方法对MIMU的输出信号进行去噪处理.通过对处理结果的比较研究,证实了小波变换算法在信号去噪处理中的适用性和优越性,并且编写了实时信号处理软件,提高了MIMU的输出精度,从而提高了惯导系统的精度.     

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。

     

基于离散小波变换的岩石SHPB测试信号去噪

运用离散小波阈值去噪原理对SHPB测试信号进行了处理,针对SHPB测试信号持时短、突变快等特性,并根据各小波基对信号的重构均方根误差,选择Symlets小波系中的小波基Sym5为适合SHPB测试信号小波分析的最佳小波基,并运用无偏估计程序SURE确定了各分解层的阈值。比较了小波阈值去噪与动态应变仪中常规低通滤波器去噪的信噪比和均方根误差,研究结果表明,相对于常规低通滤波器的去噪处理,离散小波变换不仅有良好的去噪效果,而且能得到更精确的重构信号,可以取代动态应变仪中的低通滤波器对SHPB测试信号进行去噪处理。     

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。     

HARMONIC COMPONENT EXTRACTION FROM A CHAOTIC SIGNAL BASED ON EMPIRICAL MODE DECOMPOSITION METHOD

A novel approach of signal extraction of a harmonic component from a chaotic signal generated by a Duffing oscillator was proposed. Based on empirical mode decomposition (EMD) and concept that any signal is composed of a series of the simple intrinsic modes, the harmonic components were extracted from the chaotic signals. Simulation results show the approach is satisfactory.     

固有模态函数振动传递率损伤识别实验研究

针对风荷载、地震荷载等存在但难以精确量测的问题,提出一种无需量测外荷载的新的损伤识别方法。将经验模态分解(Empirical Mode Decomposition,EMD)应用于结构损伤识别,通过求振动响应信号固有模态函数(Intrinsic Mode Function,IMF)的振动传递率,构建了一种新的结构损伤识别参数。对预置不同程度开胶损伤的玻璃幕墙试件进行动态测试,得到不同损伤程度下玻璃幕墙的固有模态函数振动传递率,与无损伤条件下的固有模态函数振动传递率进行比较来识别和评估玻璃幕墙开胶损伤程度。研究表明:此方法无需量测外荷载也能识别结构损伤,损伤参数值能反映损伤大小。     

基于l2范数的EMD滤波方法在光纤陀螺信号中的应用

光纤陀螺的随机漂移限制了惯性导航系统的精度,如何减小它是一项非常艰巨的任务.结合经验模态分解(EMD)和信号与模态之间的概率密度函数,提出了一种新型的依赖Hurst指数的信号滤波方法.当H＜0.5时,利用l2范数选择出相关模态,累加并形成的部分重构方法来对光纤陀螺的信号进行滤波;当H≥0.5时,间隔阈值的经验模态(EMD-IT)被引入对相关模态进行滤波,之后按照部分重构的方法对光纤陀螺的信号进行滤波;称为混合的EMD-pdf和EMD-IT.与其它的滤波方法进行对比,如基于相关函数的EMD部分重构(EMD-cor),基于概率密度函数的EMD部分重构(EMD-pdf),仿真信号和实际数据结果表明,该混合模型的优越性,有效减小了光纤陀螺的随机误差.     

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%。     

变分模态分解在爆破信号趋势项去除中的应用

爆破工程中,信号趋势项的准确去除对提高爆破振动信号分析的精度具有重要意义。针对经验模态分解（empirical mode decomposition,EMD）识别法存在的模态混叠和端头效应等缺陷,提出了基于变分模态分解（variational mode decomposition,VMD）去除信号趋势项的方法,即VMD法。叙述了VMD法识别爆破信号趋势项原理,并进行了仿真实验,结果表明：趋势项频率对分解效果的影响相对较小,当趋势项频率处于1～5 Hz之间时,频率对分解效果的影响基本保持不变;振幅对分解效果影响显著,且振幅越小,VMD法的分解效果越差。当趋势项振幅超过原始爆破信号最大振幅的1/3时,VMD法分解效果较好。最后,应用VMD法和EMD法对含有趋势项的实测爆破振动信号进行处理,认为相比于EMD法,VMD法处理后的信号基本一致且不存在端点效应,在爆破信号趋势项去除领域中具有更加广泛的适用性。

     

基于改进MP-WVD算法的核电厂建设爆破振动信号处理方法

针对爆破施工产生的振动问题,结合现有信号分析方法优缺点,引入MP-WVD组合算法解决信号分析过程中交叉项干扰问题,可提高时频分辨率,满足精确提取核电爆破振动响应信号时频分布特征的需求;将HHT算法引入MP算法数据的预处理,成功降低了MP算法运算复杂度,可为大数据量分析奠定基础。运用该算法对漳州核电一期工程场地平整土石方爆破工程振动监测信号进行分析,精确提取了爆破振动信号的时频特征。