微震信号FIR–小波联合滤波算法及应用

固定频率干扰和背景噪声是严重影响深部岩石工程岩爆灾害微震监测与预警的难题。为解决这一难题,充分利用经典FIR(finite impulse response)带阻滤波器擅于处理固定频率噪声信号的优势,对干扰进行滤除;针对小波阈值去噪方法存在的不足,提出无偏估计小波阈值去噪方法,解决了小波阈值去噪方法滤除噪声时阈值难以准确确定的难题;对FIR带阻滤波器及提出的无偏估计小波阈值去噪方法进行有机融合,提出微震信号FIR–小波联合滤波算法,并研发了FIR–小波联合滤波模块。利用加噪后的合成正弦信号和微震信号对提出的算法进行验证,结果表明不同信噪比条件下,提出的算法具有较好的滤波效果,且具有良好的鲁棒性。巴基斯坦NJ水电站引水隧洞TBM施工过程中,强环境噪声干扰条件下应用结果表明:提出的算法提高了P波拾取的精度和岩石破裂信号的定位精度,为岩爆的预警与防治提供有力支撑,具有重要的理论与实际意义。     

基于小波系数Laplace模型的混合傅里叶-小波方法在去除电缆瓷套终端红外图像白噪声中的应用

抑制图像噪声是电气设备红外诊断技术的前提。为有效抑制白噪声,本文提出一种用于电缆瓷套终端红外图像的改进混合傅里叶-小波去噪方法。该方法先在傅里叶域中采用维纳滤波器去噪,得到初步去噪后的红外图像;再针对初步去噪后的图像,在小波域中采用考虑小波系数尺度间相关性的拉普拉斯模型对小波系数建模,并在此基础上,运用最大后验概率估计估计出真实图像的小波系数,利用真实图像小波系数的估计值来重构信号,得到最后的去噪图像。数值试验表明,与传统的软阈值方法比较,运用该方法去噪后的图像具有更高的信噪比(SNR)和更小的最小均方误差(MSE)。     

矿震P波到时拾取优化与降低震源定位误差应用研究

多通道微震监测系统采用的定位算法一般是基于P波到时与等速度模型,P波到时拾取的准确与否直接影响着定位精度的高低。然而由于地震波传播衰减与应用环境背景噪声的原因,参与定位的一些通道信噪比偏低,P波到时拾取的随意性较大,导致震源定位结果与实际震源位置相差较大,影响了在矿山的实际应用效果。简要介绍了震源定位方法并开发应用了基于小波理论的离散信号滤噪程序,通过对原始信号进行小波分解、给定阀值与重构处理后,提高了原始信号的信噪比,显著地提高了P波到时拾取准确度。结合某矿山特大采空区采场冒顶实例,应用基于小波理论的信号滤噪方法对信噪比偏低的通道进行了滤噪处理,重新优化拾取了P波到时。所得到的定位结果,与处理前相比,定位误差从47~94 m减小到14~23 m,大大提高了微震监测在矿山的实际应用效果。 方法1的P波到时/ms 方法2的P波到时#br# /ms 方法1 方法2     

基于EMD小波的高速电梯振动信号去噪

结合经验模态分解与小波阈值去噪方法,提出基于EMD小波的高速电梯振动信号去噪方法,并对高速电梯振动信号进行了实例分析。结果表明,应用基于EMD小波阈值去噪方法相比于低通滤波去噪方法与单纯小波阈值去噪方法,具有更高的信噪比,能够提高分析的精度。有效保留了信号特征。     

应用小波分析对监测建筑物变形的GPS数据进行处理的方法研究

介绍了应用小波分析对监测建筑物变形的GPS数据进行处理的方法。通过将监测某建筑物变形的GPS数据结果加入粗差后的信号波形分别进行傅里叶变换去噪和小波变换去噪,结果显示,采用小波变换去噪得到的波形质量要优于采用傅里叶变换得到的波形。可以得出:采用小波分析对监测建筑物变形的GPS数据进行处理具有良好的适应性,可作为GPS变形监测数据处理的主要方法。     

岩石高边坡安全监测数据的小波变换去噪处理

 把小波变换模极大值去噪法和小波变换阀值去噪法应用于noissin模拟噪声信号和某水电站岩石高边坡安全监测资料,根据信号和噪声在小波变换各尺度上的不同传播特性,剔除由噪声产生的模极大值点,保留信号所对应的模极大值点,利用剩余模极大值点重构小波系数,恢复原有监测信号。并通过信噪比、去噪信号能量比、去噪信号与原信号标准差三个性能指标,比较二者的去噪性能。实例应用表明,小波变换模极大值去噪法能够更有效地去除噪音突变信号,保留原始有用信号的突变点,重构信号能够更光滑地重现原始信号,比小波变换阀值去噪法性能更佳,具有更好的实际应用价值。     

基于质量寻优与归一化STA/LTA方法的微震P波到时拾取技术研究

微震信号P波初至拾取是微震数据处理的关键步骤之一。为了实现微震信号P波初至到时的精确拾取,针对微震信号不同信道各时段受噪声污染程度不同的特点,使用归一化后的信噪比、信号的明显程度和信号初至起跳点的明显程度叠加的信噪指数代替单一信噪比来量化微震信号的质量。以信噪指数作为判定条件选取质量较高的信号作为输入来提高P波到时准确度,设计一种基于质量寻优与归一化STA/LTA方法的微震P波初至到时拾取算法(QONSL方法)。为了验证该方法的可行性和有效性,分别对测试数据和阜新市五龙矿微震监测数据进行处理。对测试数据的处理结果表明,在量化微震信号的质量时,信噪指数比信噪比更准确,且信噪指数越大,到时拾取结果越接近准确到时。对阜新市五龙矿三分向数据处理结果表明,QONSL方法可以通过信噪指数快速锁定信号质量较高的信号通道并快速拾取微震P波初至到时,综合120个微震信号的到时拾取结果来看,与准确到时的误差保持在5 ms之内,将86个微震事件的到时误差控制在2 ms以内。与STA/LTA算法相比,QONSL算法拾取精度整体提升72%,整体误差范围波动减少75%。QONSL方法受噪声影响较小,具有较高的拾取...     

非线性小波变换阈值法去噪在工程中的应用

利用基于非线性小波变换阈值去噪算法,对变形监测数据进行去噪处理,对模拟数据的处理结果表明,基于非线性小波变换阈值去噪方法与传统的阈值去噪方法相比,能有效地去除伪吉布斯现象,提高信噪比,剔除变形监测数据中的噪声,识别被噪声疏忽的有用信号。     

基于阻尼耗散能功率的微震P波到时拾取新方法研究

现有微震P波到时拾取算法在实际应用中往往需要根据具体实际情况选择阈值和计算时窗,阈值与计算时窗设置不合理将导致拾取误差变大,基于此提出一种基于追踪阻尼耗散能量功率的方法,以克服传统方法的不足。该方法是将信号转化为具有黏性阻尼的线弹性固定基单自由度振子的响应并提出通过直方图法与AIC法联合追踪阻尼耗散能量功率来拾取P波到时。该方法具有能够识别噪声信号、无需检测阈值、检测时窗设置的优点。利用加噪后的信号测试方法的抗噪性能,结果表明,在不同的信噪比下该方法较传统方法相比具有较优的抗噪性能。应用该方法对实际中监测的40个不同信噪比波形进行P波到时拾取,以局部放大后人工拾取为标准,并将结果与长短时均值比法(STA/LTA)对比分析得到该方法误差均值为1.17 ms,误差2 ms以内占比87.5%,4 ms以内占比100%;STA/LTA法误差均值为3.46 ms,误差2 ms以内占比55%,误差4 ms以内占比82.5%,综合可见所提出该方法更好。柿竹园微震监测应用结果表明:该方法能够显著提高微震事件的定位精度,具有重要的理论与实际意义。     

基于EEMD阈值的绝缘子泄漏电流去噪的研究

绝缘子泄漏电流信号的采集受很多噪声信号的干扰,直接使用将影响准确地提取其特征量,本文对基于EEMD(Ensemble Empirical Mode Decomposition)阈值的绝缘子泄露电流去噪方法进行研究,借鉴小波去噪的4种阈值方法对泄漏电流信号进行去噪,分别是自适应阈值、固定阈值、启发式阈值和极大极小阈值,对EEMD阈值的去噪方法进行研究,通过对去噪前后信号的波形、有效值和谐波幅值比这3个特征量进行分析比较,综合比较仿真和实测信号去噪前后的效果,得出固定阈值是EEMD去噪方法的最佳阈值。     

融合小波和形态学的避雷器在线监测方法研究

泄漏电流是对避雷器进行在线监测及运行状态评估的重要方法,但泄漏电流信号易受外界噪声干扰,而传统去噪方法存在去噪效果不理想的问题。本文提出了一种融合小波阈值去噪和形态学去噪的新型自适应去噪方法,该方法利用了小波阈值法在去除低幅值噪声和形态学法在去除高幅值噪声上的不同独特优势,并采用最速下降法对小波法的阈值和形态学法的权系数进行自适应优化确定。通过避雷器泄漏电流仿真信号和现场实测信号的去噪对比试验,结果表明:本文小波和形态学相融合的去噪方法具有很好的优越性和稳定性,可为避雷器泄漏电流信号处理及其在线监测提供有效的技术参考和指导。     

工程尺度下微震信号及P波初至自动识别AB算法

 为提高工程噪音环境中低信噪比微震信号的自动识别率及其P波自动拾取准确率,结合Allen算法能快速自动拾取震动信号的优点及Bear算法善于拾取低信噪比震动信号P波初至的优势,在Allen算法的基础上,引入Bear算法的加权因子和特征函数,对Allen算法进行改进,提出适用于工程尺度的微震信号及P波初至自动识别的AB(Allen coupled with Bear algorithm)算法。分析AB算法对信号振幅或频率变化的敏感性以及拾取效果,结果表明：(1) AB算法能准确识别微震信号也能同时准确自动拾取信号的P波初至;(2) AB算法的加权因子K、特征函数CF, 值对频率和振幅变化的敏感性高于Allen算法;(3) AB算法对振幅变化比对频率变化敏感;(4) 工程尺度下AB算法微震信号的拾取率高于Allen算法,且P波自动拾取准确率也高于Allen算法。将AB算法用于分析锦屏深部地下实验室实测微震信号：对于弱信号,基于AB算法拾取结果进行微震源定位,定位结果具有更高的可靠性与稳定性;AB算法是一种行之有效,计算简单,适合实时监测微震信号识别及其P波初至拾取。     

流星余迹突发信号盲检测

在非合作流星余迹突发通信环境中,研究了基于频率域的短时傅里叶变换幅度谱熵的检测算法,先将观测的数据进行短时傅里叶变换,然后定义每一频率分量的谱概率密度函数,最后得出每段观察信号的谱熵,然后研究了复数高斯白噪声信道中流星余迹突发信号存在性检测的问题,将谱熵值门限进行比较,从而检测信号的存在与否。仿真结果表明,该方法具有较好的鲁棒性且不受调制方式的影响,尤其是在低信噪比时能够获得较高的检测概率。     

煤层水力压裂微震信号P波初至的自动拾取方法

水力压裂技术是矿山领域防冲、消突以及瓦斯抽采等的绿色技术,煤层水力压裂过程的微震监测可实现对压裂裂缝追踪和效果评价。为了实现对煤层水力压裂微震信号P波初至到时的精确拾取,针对水力压裂微震信号的频域特性,提出一种基于改进小波包阈值去噪(MWPT)的和改进AIC法(IAIC)的初至到时精确拾取方法。该方法首先提出对原有WPT去噪模型进行改造,建立基于多去噪规则的多阈值去噪方法;然后对原AIC算法进行改进,提出构建联合快速搜索和精确拾取两大模块的IAIC快速、精确拾取算法。以典型煤层压裂微震数据为例,以人工拾取结果为参照,利用IAIC,ER,MER,WFM以及PAI-S/K五种算法对该数据进行处理,结果表明:MWPT算法适用于背景干扰少、频率范围集中的煤层水力压裂信号,信噪比提升至12.67 d B,信号能量特征保留高达97.15%;在到时拾取方面,除PAI-S/K外其余4种算法在去噪后的到时拾取精度均得到有效提高,其中尤以IAIC法最为明显,到时平均误差由34.17 ms锐减至7.08 ms;ER,MER,WFM算法对波形的起伏较为敏感,但由于时窗因素影响,其到时往往滞后于手动拾取值。总而言之,IAIC法对去噪结果更为敏感,在12通道波形的拾取精度(约7.08 ms)和速度(约0.124 s)远优于人工拾取和其他4类方法,误差分布方面也较理想(-10~10 ms误差范围内可达62.5%,-20~20 ms范围高达100%)。所提出方法一定程度上提升了煤层水力压裂微震信号P波初至的拾取效率和精度,可为后续的微震自动、高精定位计算提供借鉴。     

基于经验模态分解空域相关滤波的脉冲星信号消噪

针对脉冲星信号信噪比极低,且信号中有色噪声成分远大于高斯白噪声的特点,提出了一种基于经验模态分解(empirical mode decomposition,EMD)的脉冲星信号空域相关滤波消噪方法。首先建立脉冲星信号的分形高斯噪声模型,根据双对数功率谱密度估计分形高斯噪声的Hurst参数值;然后,结合脉冲星累积信号的窗口辐射特性和分形高斯噪声经EMD分解后的噪声分布特点,估计脉冲星信号各层内蕴模态函数(intrinsic mode function,IMF)中噪声的方差;最后,以IMF噪声方差为基础,建立EMD空域相关滤波方法并应用于脉冲星累积轮廓消噪。实验结果表明,与经典的平移不变小波阈值消噪法、平移不变小波空域相关滤波消噪法以及EMD模态单元比例萎缩消噪法相比,改进的EMD空域相关滤波消噪法在抑制脉冲信号中的噪声和保留更多的微脉冲特征细节信息方面更加有效。     

低信噪比下采用感知语谱结构边界参数的语音端点检测算法

提出了一种采用感知语谱结构边界参数(PSSB)的语音端点检测算法,用于在低信噪比环境下的语音信号预处理。在对含噪语音进行基于听觉感知特性的语音增强之后,针对语音信号的连续分布特性与残留噪声的随机分布特性之间的不同点,对增强后语音的时-频语谱进行二维增强,从而进一步突出连续分布的纯净语音的语谱结构。通过对增强后语音语谱结构的二维边界检测,提出PSSB参数,并用于端点检测。实验结果表明,在白噪声-10 dB到10 dB的各种信噪比环境下,采用PSSB参数的端点检测算法,相对于其它端点检测算法,更有效地检测出语音的端点。在-10 dB的极低信噪比下,提出的方法仍然有75.2%的正确率。采用PSSB参数的端点检测算法,更适合于低信噪比白噪声环境下的语音端点检测。     

ECG信号改进阈值函数小波去噪算法研究

本文针对心电信号(ECG)微弱、频率范围低、易受噪声干扰等问题,提出一种改进小波阈值去噪算法。不但能通过可变参数h调节自身软、硬特性从而确定合适的阈值函数,而且根据分解层数不同,自适应地调整通用阈值。通过选取MIT-BIH库的部分数据,结合常见的三种小波基,进行实验验证。结果表明改进的小波阈值去噪算法可以有效抑制心电信号噪声,得到较好的信噪比,同时对MSE也有所改善。     

模态相关法在MOA泄漏电流去噪中的应用

针对MOA泄漏电流幅值小,易受噪声干扰的问题。基于模态相关法基本原理,以求取相关系数第一极小值点为目标,首先使用检验模态分解法(empirical mode decomposition,EMD)对采集的含噪声泄漏电流信号进行固有模态函数(intrinsic mode functions,IMF)分解,求取各层IMF分量与原始信号之间的相关系数,得到第一极小值点,进而得到信号与噪声主导的IMF分量的分界点。最后通过重构有用信号的模态函数实现对MOA泄漏电流的去噪。计算发现:当泄漏电流信号信噪比分别为-1.1 d B、-3.2 d B、-5.1 d B和-6.7 d B时,使用模态相关法去噪后可将信号信噪比提高26.08 d B、24.17 d B、24.42 d B和23.80 d B;使用小波阈值去噪则可以分别提高21.06 d B、18.20 d B、17.48 d B和15.71 d B。两种算法的去噪效果明显。与小波阈值去噪法相比,模态相关法有较好的自适应能力,灵活度更高。对于准确监测MOA泄漏电流,及时发现MOA老化情况有指导意义。     

基于EEMD阈值去噪的电能质量多扰动分类

针对含噪声的电能质量多扰动分类识别问题,提出一种基于EEMD阈值去噪的分类识别方法。首先依据源噪声信号在电能基波上不同频率和不同幅值叠加的特性,采用EEMD去噪法对信号源分解得到固有模态函数(IMF),消除高斯白噪声后,将得到的IMF分量转化为IMF能量值;最后,运用人工蜂群算法(ABC)优化在线极限学习机(OSELM)实现多扰动分类识别。MATLAB实例证明了提出方法的能够准确的对于扰动信号进行分类识别。     

瞬变电磁信号去噪方法对比分析与评价

在瞬变电磁法(TEM)的野外工作中,经常会遇到数据采集时的外部电磁噪声干扰。通常情况下,深部地质体的瞬变电磁响应被淹没于噪声之中,使得中晚期信号较弱且剧烈震荡,导致观测到的信号失真或不能真实反应较深的地下情况。因此,研究瞬变电磁噪声去噪方法有着重要的意义。本文就瞬变电磁信号的特点采用三点指数逼近非线性平滑去噪法、快速独立成分分析法(FastICA)、小波分析法和快速独立成分分析法与小波分析联合算法,通过数值模拟和实测瞬变电磁信号去噪实验,对比分析并评价了这四种去噪方法的有效性与优越性。实验表明采用快速独立成分分析法与小波分析联合算法,得到的数据均方根误差更小、信噪比更高、平滑度更小,对实测资料的处理带来有益的帮助,是一种实用可行的方法。