基于CEEMDAN-SG的爆炸冲击波去噪算法研究

在采集爆炸冲击波超压信号时，由于监测的高温环境、压力传感器的误差以及磁场干扰，爆炸冲击波超压信号中混入了大量的噪声。为了准确地获取超压信号的特征，设计了一种基于融合完全集成经验模态分解与自适应噪声(CEEMDAN)与SG(Savitzky-Golay)去噪算法。首先使用CEEMDAN对爆炸冲击波超压信号进行分解，其次计算每个本征模态函数(IMF)的能量贡献率，利用SG滤波算法将能量贡献率低于0.1%且大于0.05%的IMF进行去噪处理。实验结果表明，CEEMDAN-SG与经验模态分解(EMD)、改进的集合经验模态分解(EEMD)、CEEMDAN以及CEEMDAN-小波阈值去噪所比较，信噪比分别提高了0.85、0.71、3.09、0.25 dB,且均方误差最小。CEEMDAN-SG与CEEMDAN-小波阈值去噪在去除噪声效果较理想，且CEEMDAN-SG在0.16 s时与原信号相似度最高。该算法不仅能有效去除噪声，而且还可以保留原始信号的特征，适用于爆炸冲击波超压信号的去噪处理。