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。     

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。     

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%。     

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。     

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。     

基于希尔伯特-黄变换的去噪法在外测数据处理中的应用

针对靶场测量设备种类多,外测数据中存在各种不确定因素的误差,且难以用统一的误差模型来描述,提出了一种基于希尔伯特-黄变换的滤波去噪方法。通过经验模式分解将外测数据自适应地分解成一组内蕴模态函数(IMF),然后对内蕴模态函数进行希尔伯特频谱分析,采用基于自适应阈值的消噪方法对模态函数进行消噪,最后对消噪后的模态函数重构,得到去噪后的外测数据。数据结果分析证明,该方法最大限度地抑制了测量数据中的噪声,特别是对于外测数据中的瞬时强噪声干扰剔除效果非常有效,在高精度的外测数据处理中具有较好的实用性。     

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。     

下穿隧道爆破荷载激励下边坡振动预测及能量分析

为解决边坡与下穿近接隧道协同爆破施工安全难题,结合某石油储备基地扩建项目,运用量纲推导、现场实验与信号分析相结合的方法,构建考虑高程影响的振动峰值速度公式,研究隧道爆破振动能量沿坡面的衰减机制。结果显示,边坡同台阶边沿处质点振速峰值大于坡脚处,坡面局部存在振动速度高程放大效应;引入相对坡度H/D的爆破振动模型对坡面质点振速预测精度高,可反映边坡角对高程放大效应的影响;振动速度及能量沿坡面均呈现出近区衰减快、远区衰减慢的传播特性,同时隧道爆破振动能量集中分布在0～300 Hz范围的多个子振频带,且高频能量沿坡面衰减更快,能量卓越频带中值以指数形式衰减,能量最终向低频带集中。     

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。     

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。     

椭圆形桩井护壁爆破振动安全判据

钻爆法作为桩基开挖的主要破岩手段,所产生的爆破振动引起桩井护壁结构发生动态响应,进而影响桩井结构的稳定性。利用有限元分析软件ANSYS/LS-DYNA3D,以峰值质点振动速度和有效拉应力作为指标,模拟了椭圆形桩井护壁结构对爆破振动的动态响应。计算结果表明:不同掘井深度的椭圆形桩井护壁对不同段药量爆破振动的动态响应呈相似规律,最大质点峰值振速及峰值拉应力分布一致,均位于护壁井口端的弧形壁部分,响应强度随段药量的减小而减小;护壁结构的峰值拉应力与峰值振速呈线性关系,基于抗拉强度准则,确定了该工程条件下护壁的安全振动速度阈值为8 cm/s,现场测试验证了预设判据的合理性。     

自由面对爆破振动信号能量分布特征的影响

基于爆破振动实测数据, 通过小波分析方法, 得到不同数量自由面爆破振动信号的总能量、各频带的峰值质点振动速度(PPV)及各频带能量, 进而对不同数量自由面爆破振动信号的能量分布特性进行研究。结果表明:开(掏)槽爆破, 由于受单一自由面限制, 大部分炸药爆炸的能量都将作为地震能量消耗掉;自由面越多, 爆破振动信号总能量越少;自由面的数量可影响各频带振动分量分布, 随自由面数量的增加, 爆破振动能量更趋向高频分布, 中低频能量有减少趋势, 振动速度降低;同一振动信号中的高频带PPV虽比低频带PPV高, 但振动持续时间短, 能量衰减较快。建议在工程爆破的减振设计中, 优化起爆方案, 尽量利用多个自由面, 这将比仅仅减少单段起爆药量更有效。     

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。     

隧道掘进爆破振动对地表影响的小波包分析

基于现场实测隧道掘进爆破振动信号数据,采用小波包分析技术对振动信号进行小波包能量谱分析,得到爆破振动信号能量在各频带上的分布。通过比较各点分析结果可以发现隧道掘进爆破地震波能量主要集中在切向与径向。在沿隧道掘进方向随着与掌子面之间距离的增大地震波的主频下降,能量主要集中频带也越来越窄,并且向低频带发展;而在垂向上地震波主频随着埋深的减小而减小,同时地震波的能量主要集中频带也越来越窄并且向低频带发展。最后从能量的角度探讨隧道掘进爆破地震波沿各个方向的衰减规律。