几种信号去噪方法在爆破振动信号中的应用分析

介绍了小波阈值法、EMD以及EEMD的信号去噪原理,并采用3种方法分别对露天爆破开采下所获得的爆破地震波信号进行去噪处理.对比分析去噪后波形图、信噪比以及均方根误差,发现小波阈值去噪法对于不同信号源去噪时效果各不相同,其信噪比与均方根误差值波动幅度大,说明小波阈值法在爆破振动信号去噪中具有不稳定性.与小波阈值法相比,EMD与EEMD对信号去噪效果稳定,体现了它们在信号分析中的自适应性.与EMD去噪法相比,EEMD能消除EMD分解信号时所产生的模态混叠现象;EEMD去噪法能够获得更高的信噪比以及更小的均方根误差值,去噪效果要明显好于EMD法,缺点在于计算时间太长.      

基于小波包的某矿爆破震动信号分析

为了解某矿爆破震动波传播规律,在去噪的基础上对信号进行4层db8小波包分解,提取噪声和频段分信号.分析表明,噪声易与真实信号混叠,使PPV增大或减小,降低原始信号的准确性与可靠性;真实信号在0~256 Hz均有分布,各频段未见明显集中现象,但在同一爆破中,随着传播距离的增加,速度有向低频集中的趋势.最后,将数据进行线性拟合,获取了爆破震动波的衰减规律公式,为该矿爆破设计提供了依据.     

基于经验模态分解方法的拉曼光谱信号处理研究

经验模态分解(EMD)方法是一个以信号内在物理频率成分为对象的自适应时频分析方法,而常见的非平稳信号分析方法,比如小波分析,它需要选择小波基,不同小波基的分析结果不同;拉曼光谱信号是典型的非线性和非平稳信号,EMD方法充分地保留了信号本身的非线性和非平稳的特征,适应于拉曼光谱信号的分析。实验在自行研制的拉曼光谱测试平台上获得了原始的拉曼光谱信号,并通过经验模态分解将信号分解成不同频率的10个本征模式分量,信号能量集中在750cm^-1和1500cm^-1左右,最后进行了频率成分分析和去噪处理,并和小波分析方法进行了对比,验证了EMD方法的有效性和实用性,该方法在拉曼光谱信号分析中有较好的应用前景。     

基于小波的某矿爆破地震波衰减系数的回归与分析

为了深入理解某矿爆破地震波衰减规律,在确定该矿爆破振动信号最佳小波基与阈值函数的基础上,对所测源信号及去噪信号进行萨道夫斯基公式线性拟合并比较分析.结果表明,该矿爆破振动信号的最佳小波基为sym7函数,去噪效果最佳为rigrsure阈值函数;去噪后的爆破振动信号衰减系数k、a值反映该矿岩体强度性质比原始数据的k、a值更为准确,为该矿爆破安全设计提供理论依据.     

基于EEMD和关联维数的矿山微震信号特征提取和分类

针对岩体工程中岩体破裂信号与爆破振动信号难以自动区分的问题,提出了一种基于集合经验模态分解(EEMD)关联维数与机器学习相结合的微震信号特征提取和分类方法。利用EEMD将微震信号分解为本征模态函数(IMF)分量,并从得到的IMF分量中筛选出主分量IMF1～IMF4,再通过相空间重构计算出各个主分量的关联维数,最后将所得到的关联维数作为特征向量,使用SVM方法进行微震信号自动识别,并与其他机器学习方法进行对比分析。试验结果表明:该方法对微震信号的自动识别具有较高的准确率,且基于高斯核函数的SVM的识别效果明显优于逻辑回归(LR)和K-近邻算法(KNN)判别法的识别结果,其准确率达到93.7%。     

基于HHT方法的微差爆破延时识别

基于HHT方法,利用EMD分解的自适应性和Hilbert谱平方的能量密度意义,提出微差爆破延时时间的幅值包络线识别法和瞬时能量识别法。先对爆破振动信号进行EMD分解并识别主震分量,然后作Hilbert变换,获取主震分量幅值包络线和信号瞬时能量,依据炸药能量的释放引发测点爆破振动信号速度或者能量突增原理,寻找主震分量幅值包络线和瞬时能量突峰点,便可计算微差爆破延时时间。工程实例分析表明：由幅值包络线和瞬时能量识别的延时时间都在理论值范围内,说明这2种方法识别微差爆破延时时间可行。     

基于小波变换的爆破振动信号分解与重构

针对非平稳爆破振动信号采用Fourier变换只能在时域或频域变换的问题,提出将时间和频率结合起来分析非平稳信号的方法--小波分析法.利用小波分析法对同一爆破振动信号采用不同小波基进行分析,说明了差异性.并通过不同的小波基对实测的爆破振动信号的分解与重构,以重构误差的大小确定最优小波基.     

基于EEMD穿墙雷达人的运动模式识别

根据穿墙雷达动目标探测中人的运动多普勒信号属于非线性、非平稳信号的特点,分别采用经验模式分解(EMD)和整体平均经验模式分解(EEMD)将人.5种运动的多普勒信号分解为一系列本征模式函数(IMF).采用支持向量机(SVM)学习算法,将两种方法分解后的各IMF能量占总能量的百分比作为支持向量机分类器的特征向量进行模式识别,分析了特征向量维数对识别率的影响,比较了EMD和EEMD的识别率.EEMD能够消除EMD存在的模式混合问题,识别率更高,达到94%以上.     

基于CEEMD和排列熵的矿山微震信号降噪研究

针对矿山微震信号采集过程中通常会混入高频噪声的问题,提出了基于互补集合经验模态分解(CEEMD)和排列熵的降噪方法对微震信号进行降噪处理。使用CEEMD将信号分解成从高频到低频的数个本征模态函数;计算各模态分量的排列熵值定量表征其随机性程度;通过对含噪声信息较多的IMF分量进行小波阈值降噪,并通过信号重构得到降噪后的微震信号。仿真信号和真实微震信号降噪效果表明,基于CEEMD和排列熵的降噪效果优于CEEMD和EMD降噪法,该方法可以有效去除微震信号中的高频噪声,为微震信号的进一步分析提供技术支持。     

基于PEMD-MPE算法的露天矿爆破振动信号降噪方法

为了去除露天矿山爆破振动信号中混入的噪声成分,提出了一种基于PEMD-MPE算法的降噪方法。该算法通过自适应性正交经验模态分解（PEMD）得到完全正交的本征模态函数（IMF）分量,然后对各个IMF分量进行多尺度排列熵（MPE）的随机性检测,成功确定其中的噪声分量并将其去除。采用该算法对实测的露天矿山爆破振动信号进行降噪处理。结果表明：相比EMD-MPE和EEMD-MPE算法,PEMD-MPE算法的信噪比分别提高了3.520 dB和1.107 dB,且重构标准差和均方根误差最小,说明该算法不仅能够有效去除爆破振动信号中的噪声成分,还能有效保留真实信号。     

基于小波包分数幂阈值的声发射去噪研究

针对岩石声发射信号在传播和采集的过程中受到多种噪声干扰而具有复杂、瞬态等非平稳特性的特点,基于小波包硬阈值去噪法、小波包软阈值去噪法和小波包分数幂阈值去噪法,对岩石声发射信号进行去噪处理。研究表明,对于岩石声发射信号,小波包分数幂阈值去噪方法克服了传统的软阈值去噪使信号幅值失真和硬阈值去噪使去噪后信号振荡加剧的缺点。与软阈值去噪和硬阈值去噪相比,信号的信噪比和均方根误差都较小。小波包分数幂阈值去噪在保证原始信号特征的情况下,可以有效地滤除信号中的噪声,信号失真小,是一种较好的岩石声发射信号去噪方法。     

基于发动机金属缸体异常振动特征提取的故障诊断方法

对汽车发动机的金属缸体的异常振动特征进行分析和有用信息提取,实现对汽车发动机的故障诊断。提出一种基于关联特征混叠谱分解的发动机金属缸体异常振动特征提取方法,首先进行了发动机异常振动信号采集和定位处理,通过关联特征混叠谱分解进行特征提取,实现故障诊断和检测。仿真结果表明,该方法可靠性和准确性较好。     

小波去噪在振动压路机振动信号处理中的应用

振动压路机振动轮加速度是检测路面压实度的重要参数,因此在用传感器检测速度信号的过程中,加速度信号的准确性显得至关重要.在以往的加速度信号数据处理中傅里叶变化是主要的处理方法,通过对比分析可知傅里叶变换存在着一定的局限性,而采用比较实用的小波分析方法对数据进行去噪重构,通过分析证实小波分析在信号的去噪方面有独特的优势.     

排烟风机振动信号的小波阈值消噪及其折衷算法研究

排烟风机振动信号中含有大量的噪声和干扰，本文在分析小波消噪基本原理的基础上，探讨了排烟风机振动信号的软、硬阈值小波消噪算法及其折衷消噪算法，并通过对消噪效果进行比较，最终确定了折衷系数。     

基于小波变换的TEM信号处理中小波基函数的选择

瞬变电磁法(TEM)作为一种时间域电磁勘探方法,具有探测深度大,受地形影响小等优点。随着对数据处理精度要求越来越高,近些年出现了使用小波变换来对TEM信号去噪的方法。由于小波基的选择对于小波变换是一个重要问题,小波基函数对去噪的效果好坏影响也很大。通过试验MATLAB小波工具箱中Coif及Bior小波函数的去噪效果,从去噪结果上分析,Coif小波函数去噪效果更好。     

小波变换方法消除热重实验噪音信号

由于受实验条件的影响,在用等温热重法进行稀土氧化物脱除烟气中SO₂的动力学实验过程中有噪音信号的干扰,因而采用Daubechies(N=3)小波函数和Matlab软件讨论了小波变换方法消除热重实验噪音信号的影响因素.研究发现阀值的选取规则和软硬阀值处理方式对消除噪音信号的影响不大,分解层数则对消除噪音信号的影响较大.当信噪比变化平缓时所对应的分解层数是最佳分解层数.经Daubechies(N=3)小波函数消噪后得到的信号能够比较真实地反映等温热重实验的动力学过程.     

基于数据降噪的冷轧板形调控功效系数获取

 针对轧制过程实际数据噪声大、难以获取准确板形调控功效系数的问题,提出了一种融合集成经验模态分解(EEMD)和小波变换(WT)的数据降噪方法。将含有噪声的实际生产数据经过EEMD分解后,利用小波变换方法对噪声主导的本征模态分量(IMF)进行降噪处理,处理后的噪声分量与其余分量重构得到降噪后数据,并结合结构方程模型(SEM)计算得到板形功效系数。利用1 450 mm五机架冷连轧生产线实际数据进行试验,结果表明,EEMD-WT-SEM方法可以有效降低数据噪声,有效提升板形调控功效系数的准确性。     

基于EEMD形态谱和支持向量机复合的滚动轴承故障诊断方法

针对滚动轴承的内圈、外圈和滚动体故障提出了一种新的诊断方法,该方法融合了集总经验模态分解(EEMD)、形态谱和支持向量机(SVM)三种方法的优势.首先,利用经验模态分解对滚动轴承故障振动信号进行分解,得到若干个具有物理意义的内禀模态分量(IMF);其次,基于最大能量法筛选出含有故障特征信息最丰富的一个内禀模态分量为故障诊断数据源;再次,对数据源在选定尺度范围内进行形态谱的提取,从而构造故障特征向量;最后,利用支持向量机对滚动轴承的三种故障进行诊断.研究结果表明,该方法能够有效地诊断出滚动轴承的三种故障,且具有很高的故障诊断正确率.     

基于EEMD的轧辊偏心补偿控制

针对傅里叶变换、小波算法等传统信号处理方法在非线性信号的提取与重构中存在的缺陷,提出了基于聚合经验模态分解的轧辊偏心信号提取新方法。另外,针对传统自动厚度控制系统(AGC)在偏心补偿控制中的不足,设计了有偏心补偿环节的 AGC系统。新方法将轧制力信号分解为多个不同特征模态函数,从中提取表征偏心信号的特征模态函数,并用此重构偏心信号,最后将新方法重构的偏心信号投入到此系统中控制轧件厚度。仿真及实验结果表明,利用聚合经验模态分解方法重构得到的轧辊偏心模型可以很大程度减小厚度波动,补偿效果优于小波算法。     

一种基于互相关函数的小波系数相关阈值去噪方法

针对传统的小波系数相关去噪方法中,在对含噪信号进行小波变换后,各尺度上的小波系数会产生微小偏移的问题,提出了一种基于互相关函数的小波系数相关去噪方法.采用互相关算法,计算各个尺度与原始含噪信号产生的偏移量,再把偏移后的尺度进行相关分析,得出准确的突变信号;为了去除信号突变附近附带的少量噪声信号,再采用临界阈值去噪方法对相关分析后的尺度信号进行阈值处理,最后经过信号重构可以得到精确的有用信号.