爆破振动信号降噪方法及系统技术方案

本发明专利技术公开了一种爆破振动信号降噪方法及系统，其通过CEEMDAN对原始含噪爆破振动信号进行分解，并以相关系数阈值对每一个固有模态函数分别进行有效振动和噪声分类，分别重构得到主要固有模态函数分量和次要固有模态函数分量；进一步对主要、次要固有模态函数分量分别进行多种分解层级的小波包阈值降噪并排列组合，获取得到降噪效果最优时的主要固有模态函数分量分解层级和次要固有模态函数分量分解层级；基于相应的最优分解层级分别对主要、次要固有模态函数分量进行降噪，将降噪后的主要、次要固有模态函数分量重构为高精度爆破振动降噪信号；从而在有效降低爆破振动信号中噪声成分的同时，最大限度的保留了原始信号中的有效特征。中的有效特征。中的有效特征。

【技术实现步骤摘要】
爆破振动信号降噪方法及系统


[0001]本专利技术涉及爆破振动信号分析
，特别是涉及一种爆破振动信号降噪方法及系统。

技术介绍

[0002]爆破振动信号是一种典型的非平稳随机信号，蕴含了大量工程爆破关键信息，是工程爆破施工的直接反映。但在实测工程爆破振动信号中存在大量的噪声干扰，使得信号本身的特征被掩盖乃至消除，这将大大降低振动特征识别、振动安全评估等信号分析结果的可靠性，影响了对实际爆破工程的准确判断。因此，对于分析人员来说，从记录的信号中去除不必要的噪声干扰是至关重要的。
[0003]CEEMDAN算法可以根据信号本身的振动特征将非平稳信号分解成一系列固有模态函数(IMF)，再通过将原信号相关性较弱的若干固有模态函数(IMF)视为噪声成分进行消除，以达到降噪的目的。其对于大部分分平稳信号具有适用性，但其对于噪声成分的判定过于绝对，对相关性较弱的固有模态函数(IMF)进行消除时，不可避免的造成了信号有用成分的损失，造成降噪结果并不理想。
[0004]小波包阈值降噪算法，是以一个特定的小波基函数对信号进行分解并获得不同的小波包系数，通过选取一个合适的阀值，大于阀值的小波系数被认为是由信号产生的，应予以保留，小于阀值的则认为是噪声产生的，置为零从而达到去噪的目的。但这也说明小波基函数和小波分解层级的选取对于不同的信号至关重要，选取不当会导致较大的差异。
[0005]申请号为CN 201910812168.5的专利申请，采用的技术方案是提供一种基于EMD与VMD的爆破振动信号降噪方法，首先对原始爆破振动信号进行EMD分解，得到本征模态函数及其数量n，然后求得原始爆破振动信号和每个本征模态函数的功率谱密度，找出每个本征模态函数功率谱密度的最大值及对应频率，判断在此频率下本征模态函数功率谱密度与原始爆破振动信号功率谱密度的比值，若比值小于10％，则视为噪声信号，记噪声信号个数为j。最后对原始爆破振动信号进行VND分解，分解个数K为n
‑
j，将中心频率低于10Hz及高于200Hz的分量滤除，重构剩余信号。
[0006]但是在该方案中，其所适用的EMD分解方法存在缺陷，在实际的分解过程中会产生模态混叠效应，从而容易导致分解结果出现误差和后续结果分析的不准确；同时，其对低于10Hz及高于200Hz的分量直接滤除，其不仅对低频上限和高频上限的判定过于绝对，在实际的爆破振动信号中，其频率分布与监测点距离爆源远近、爆破参数的设置存在明显相关性，并不能保证低于10Hz及高于200Hz的分量就是噪声信号，且直接将与原信号相关性低的为信号的噪声成分并且给予直接删除，只保留与原信号相关性高的为信号的有用成分，忽视了被滤除的部分中仍存在一定程度的有效成分，从而容易造成原信号中在被滤除的部分中分布的有效细节信息丢失，对后续分析的结果会存在影响。

技术实现思路

[0007]为了克服现有爆破振动信号分析存在的问题，本专利技术提供一种爆破振动信号降噪方法及系统，能够实现在去除噪声的同时，最大限度的保留了原始信号中的有效特征的目的。
[0008]为解决上述技术问题，本专利技术采用的技术方案是：提供一种爆破振动信号降噪方法，其包括如下步骤：
[0009]通过CEEMDAN将原始含噪爆破振动信号分解为若干固有模态函数和一个残差；
[0010]计算每一个固有模态函数与原始含噪爆破振动信号的相关系数，以相关系数阈值对每一个固有模态函数分别进行有效振动和噪声的分类，并分别重构得到主要固有模态函数分量和次要固有模态函数分量；
[0011]对主要固有模态函数分量和次要固有模态函数分量分别进行多种分解层级的小波包分解并应用基于固定阈值技术和软阈值函数方法设置阈值进行降噪处理，对得到的主要固有模态函数分量和次要固有模态函数分量在不同分解层级下的降噪结果进行排列组合，获取降噪效果最优时的主要固有模态函数分量分解层级和次要固有模态函数分量分解层级；
[0012]基于降噪效果最优时的主要固有模态函数分量分解层级和次要固有模态函数分量分解层级，分别对主要固有模态函数分量和次要固有模态函数分量进行小波包阈值降噪，得到噪声最小化的主要固有模态函数分量和次要固有模态函数分量；
[0013]将噪声最小化的主要固有模态函数分量和次要固有模态函数分量分别与残差求和，并重构为高精度爆破振动降噪信号。
[0014]优选的，所述通过CEEMDAN将原始含噪爆破振动信号分解为若干固有模态函数和一个残差，具体包括：
[0015]将一系列高斯白噪声分别加入到原始含噪爆破振动信号中，生成一系列含高斯噪声爆破振动信号；
[0016]找到每个含高斯噪声爆破振动信号的上下包络的平均值，并从含高斯噪声爆破振动信号中减去该平均值，得到一个新序列，检验新序列是否符合预设分解特征，将不符合预设分解特征的新序列作为原始含噪爆破振动信号进行重新分解；将符合预设分解特征的新序列作为该含高斯噪声爆破振动信号下获得的固有模态函数；对固有模态函数分量进行集合求平均值，作为原始含噪爆破振动信号的固有模态函数；
[0017]从原始含噪爆破振动信号中减去该固有模态函数，得到残差序列，检查残差序列是否符合预设分解特征；将符合预设分解特征的残差序列作为原始含噪爆破振动信号进行重新分解；将不符合预设分解特征的残差序列作为最终残差，最终输出所有获得的固有模态函数和最终残差。
[0018]优选的，所述预设分解特征包括：
[0019](1)在整个数据集中，极值的数量和零点交叉的数量必须等于或最多相差一个；
[0020](2)在任何一点，由局部最大值定义的包络和由局部最小值定义的包络的平均值为零。
[0021]优选的，所述计算每一个固有模态函数与原始含噪爆破振动信号的相关系数，以相关系数阈值对每一个固有模态函数分别进行有效振动和噪声分类，并分别重构得到主要
固有模态函数分量和次要固有模态函数分量；其具体包括：
[0022]计算每一个固有模态函数与原始含噪爆破振动信号的相关系数，将相关系数大于或等于相关系数阈值的固有模态函数归类为有效振动模态函数分量，将相关系数小于相关系数阈值的固有模态函数归类为噪声模态函数分量，其中，有效振动模态函数分量中有效振动成分的占比大于噪声成分的占比，噪声模态函数分量中噪声成分的占比大于有效振动成分的占比；
[0023]分别对有效振动模态函数分量、噪声模态函数分量进行求和重构，得到有效振动成分的占比大于噪声成分的占比的主要模态函数分量和噪声成分的占比大于有效振动成分的占比的次要模态函数分量。
[0024]优选的，所述计算每个固有模态函数与原始含噪爆破振动信号的相关系数的计算公式为：
[0025][0026]其中，k表示固有模态函数的阶数，n为数据序列的数据个数，X
i
为原始含噪爆破振动信号的第i个数据点，为原始含噪爆破振动信号各数据点的平均值，IMFk
i
为第k阶固有模态函数分量的第i个数据点，为第k阶固有模态函数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种爆破振动信号降噪方法，其特征在于，包括如下步骤：通过CEEMDAN将原始含噪爆破振动信号分解为若干固有模态函数和一个残差；计算每一个固有模态函数与原始含噪爆破振动信号的相关系数，以相关系数阈值对每一个固有模态函数分别进行有效振动和噪声的分类，并分别重构得到主要固有模态函数分量和次要固有模态函数分量；对主要固有模态函数分量和次要固有模态函数分量分别进行多种分解层级的小波包分解，并应用基于固定阈值技术和软阈值函数方法设置阈值进行降噪处理，对得到的主要固有模态函数分量和次要固有模态函数分量在不同分解层级下的降噪结果进行排列组合，获取降噪效果最优时的主要固有模态函数分量分解层级和次要固有模态函数分量分解层级；基于降噪效果最优时的主要固有模态函数分量分解层级和次要固有模态函数分量分解层级，分别对主要固有模态函数分量和次要固有模态函数分量进行小波包阈值降噪，得到噪声最小化的主要固有模态函数分量和次要固有模态函数分量；将噪声最小化的主要、次要固有模态函数分量和残差求和，并重构为高精度爆破振动降噪信号。2.根据权利要求1所述的爆破振动信号降噪方法，其特征在于，所述通过CEEMDAN将原始含噪爆破振动信号分解为若干固有模态函数和一个残差，具体包括：将一系列高斯白噪声分别加入到原始含噪爆破振动信号中，生成一系列含高斯噪声爆破振动信号；找到每个含高斯噪声爆破振动信号的上下包络的平均值，并从含高斯噪声爆破振动信号中减去该平均值，得到一个新序列，检验新序列是否符合预设分解特征，将不符合预设分解特征的新序列作为原始含噪爆破振动信号进行重新分解；将符合预设分解特征的新序列作为该含高斯噪声爆破振动信号下获得的固有模态函数；对获得的一系列固有模态函数进行集合平均，作为原始含噪爆破振动信号的固有模态函数；从原始含噪爆破振动信号中减去该固有模态函数，得到残差序列，检查残差序列是否符合预设分解特征；将符合预设分解特征的残差序列作为原始含噪爆破振动信号进行重新分解；将不符合预设分解特征的残差序列作为最终残差，最终输出所有获得的固有模态函数和最终残差。3.根据权利要求2所述的爆破振动信号降噪方法，其特征在于，所述预设分解特征包括：(1)在整个数据集中，极值的数量和零点交叉的数量必须等于或最多相差一个；(2)在任何一点，由局部最大值定义的包络和由局部最小值定义的包络的平均值为零。4.根据权利要求1所述的爆破振动信号降噪方法，其特征在于，所述计算每一个固有模态函数与原始含噪爆破振动信号的相关系数，以相关系数阈值对每一个固有模态函数分别进行有效振动和噪声分类，并分别重构得到主要固有模态函数分量和次要固有模态函数分量；其具体包括：计算每一个固有模态函数与原始含噪爆破振动信号的相关系数，将相关系数大于或等于相关系数阈值的固有模态函数归类为有效振动模态函数分量，将相关系数小于相关系数阈值的固有模态函数归类为噪声模态函数分量，其中，有效振动模态函数分量中有效振动
成分的占比大于噪声成分的占比，噪声模态函数分量中噪声成分的占比大于有效振动成分的占比；分别对有效振动模态函数分量、噪声模态函数分量进行求和重构，得到有效振动成分的占比大于噪声成分的占比的主要模态函数分量和噪声成分的占比大于有效振动成分的占比的次要模态函数分量。5.根据权利要求1所述的爆破振动信号降噪方法，其特征在于，所述计算每个固有模态函数与原始含噪爆破振动信号的相关系数的计算公式为：其中，k表示固有模态函数的阶数，n为数据序列的数据个数，X
i
为原始含噪爆破振动信号的第i个数据点，为原始含噪爆破振动信号各数据点的平均值，IMFk
i
为第k阶固有模态函数分量的第i个数据点，为第k阶固有模态函数分量各数据点的平均值。6.根据权利要求1所述的爆破振动信号降噪方法，其特征在于，所述对主要固有模态函数分量和次要固有模态函数分量分别进行多种分解层级的小波包分解，并应用基于固定阈值技术和软阈值函数方法设置阈值进行降噪处理，对得到的主要固有模态函数分量和次要固有模态函数分量在不同分解层级下的降噪结果进行排...

【专利技术属性】
技术研发人员：周子龙，张金坤，潘荣建，陈璐，程瑞山，王培宇，
申请(专利权)人：中南大学，
类型：发明
国别省市：