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。     

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。     

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。     

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。     

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。     

一种改进的BEMD阈值去噪算法在单目视觉定位中的应用

针对单目视觉定位系统获取的图像含有较大噪声的问题,提出了一种改进的二维经验模态分解(BEMD)阈值去噪算法。首先,通过构建噪声压缩图像消除BEMD分解的位置敏感性误差;然后,通过BEMD将构建的噪声压缩图像分解成一系列本征模态函数,并基于?2准则和概率密度函数区分出噪声主导本征模态函数和信号主导本征模态函数,使用软阈值技术实现噪声主导IMF的去噪。最后,将所提算法应用于单目视觉定位中,并与小波去噪和BEMD-DT去噪算法进行对比。对比结果表明,在转弯和直线运动两种情况下的东向位置误差、北向位置误差和航向角误差方面,该算法较Sym4小波去噪算法分别平均改善了74%、64%、54%,较Db6小波算法分别平均改善了60%、48%、39%,较BEMD-DT算法分别平均改善了73%、96%、84%,显示了所提算法的优势。     

基于经验模态概率分布的光纤陀螺信号处理

为了抑制光纤陀螺随机漂移,基于改进的经验模态分解(EMD)和新型模态筛选标准提出了一种自适应的区间阈值滤波方法。首先分析加入高斯噪声对 EMD 分解结果的影响,提出有界噪声辅助以改善 EMD 分解质量,然后针对本征模态函数的概率分布特征提出了基于样本熵的模态筛选标准,最后采用数据驱动的阈值选择方法实现自适应的区间阈值滤波。为了验证算法的有效性,采集一款干涉型光纤陀螺静态漂移信号进行实验分析,结果表明本文方法较基于平稳小波变换和 EMD 的阈值滤波有更好的去噪效果。仿真分析表明该去噪算法减小了捷联惯性导航系统的航向角误差,均方根误差较     

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%。     

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。     

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。     

低失真爆炸冲击信号零漂分析和处理方法

短时的爆炸瞬态冲击信号,具有冲击频带宽、幅值高特点,在测试过程中,常常会有信号失真的零漂现象。本文中详细分析零漂现象产生的原因,对比各种修正方法的优缺点,提出基于经验模态分解（empirical mode decomposition,EMD）改进高效算法,结合频域窗函数滤波方法,这种新修正方法,能够较好弥补现行修正方法的缺陷,可为瞬态冲击信号时域模拟提供失真较小的环境条件数据。     

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。     

EMD-RLS联合滤波算法及其在北斗多路径削弱误差中的应用

多路径误差是全球导航卫星系统高精度定位的主要误差源。针对北斗导航定位系统的多路径特性,结合经验模态分解(EMD)和递归最小二乘算法(RLS)算法的优势,提出了一种EMD-RLS联合滤波算法来削弱北斗多路径特性的影响。首先,利用EMD将原始信号分解成固有模态函数(IMF),利用两个指标将其细化成三类,即噪声IMFs、混合IMFs和信息IMFs;然后,利用RLS算法对混合IMFs进行滤波,将经RLS滤波后得到的"干净"的数据与信息IMFs进行重构,最终达到去噪结果,即得到北斗多路径误差改正模型。仿真数据和北斗实测数据的处理结果表明:EMD-RLS算法相对于EMD和RLS算法,降噪效果更好;其建立的多路径误差改正模型有效地削弱多路径效应的影响,N、E、U三个方向精度分别提高了39%、70%、58%。     

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。     

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。     

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%。     

爆破震动信号模极大值小波消噪方法的改进

针对模极大值小波消噪方法不利于所有信号特征的识别这一缺点,对该算法进行了改进,采用自适应的小波尺度来替换二进小波尺度,以更好地适应测试信号消噪的要求。应用改进前、后的消噪算法分别对实测爆破震动信号进行了分析,并将分析结果进行了比较。比较结果说明:改进后的算法消噪效果更好,消噪后信号同轴清晰、连续性好,信噪比由17.25提高到20.16,可以更好地实现爆破震动信号消噪的目的。