基于改进的MEEMD的隧道掘进爆破振动信号去噪优化分析

爆破振动信号受现场条件限制,多为复杂含噪信号,对降噪方法的性能提出更高要求。为了获得真实振动特征,建立了一种基于改进的总体平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)的联合去噪方法。首先,将原始信号进行MEEMD分解得到本征模态分量(intrinsic mode function,IMF),结合相关系数和样本熵(sample entropy,SE)-Hurst指数进行IMF分类;然后,针对含噪IMF分量中的残留噪声,使用最小均方(least mean square,LMS)自适应滤波进行降噪,达到信号去噪的目的。算法对比结果表明:在仿真试验中,MEEMD-LMS相较互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)等方法表现出更优的降噪性能;在隧道掘进爆破的实例分析中,MEEMD-LMS相较MEEMD对高频噪声的降噪效果更好,低频段频谱更清晰,具备良好的适用性。

基于MEEMD-KF-散布熵的油气管道工况识别

针对油气管道泄漏检测过程中,泄漏信号包含大量噪音、特征提取困难等问题,提出一种改进的总体平均经验模态分解联合卡尔曼滤波算法的管道信号去噪方法。首先采用改进的总体平均经验模态算法对采集到的管道负压波信号进行分解,其中利用排列熵和卡尔曼滤波算法对分解后的固有模态分量进行筛选和处理,最后得到重构后的削噪信号。并且提出基于散布熵和峭度的特征提取法,将提取的特征参数作为支持向量机的输入来对输油管道的工况进行分类识别。经采集到的数据验证,改进的总体平均经验模态分解、卡尔曼滤波、散布熵与峭度结合的组合识别方法可以较准确的对管道信号进行分类识别,结果显示其总平均识别准确率达到98.89%,为管道的工况识别研究提供了一种新的途径。

基于PE的MEEMD筛选的LFMCW雷达心率估计算法

针对现有的基于快速傅里叶变换(fast Fourier transform,FFT)和Levenberg-Marquardt(LM)拟合等算法在心率估计中存在稳定性差、精准度低等现状,在分析77 GHz线性调频连续波雷达信号特征的基础上提出一种改进型的心率估计算法。首先,该算法通过速度-距离谱图识别被测人体,通过仿真实验获得心跳区间50~120次/min对应的排列熵(permutation entropy,PE)区间为[0.31,0.44]。然后,提出PE心跳信号区间筛选方法消除微运动信号中的干扰和噪声。通过峰值检测算法实现心率的精准估计。最后邀请30位志愿者进行实验,并从稳定性、准确性和估计误差3方面分别对本文提出的算法、FFT算法和LM拟合算法进行评估和比较。实验表明本文提出的算法的稳定性和估计误差的综合评估指标最优,准确率为98.30%。

GIS隔离开关操作接地网电位差干扰抑制方法

气体绝缘变电站隔离开关操作产生接地网电位差干扰,易与故障信号混淆,致使继电保护装置误动作。针对干扰信号的高频瞬变特性,提出基于最小二乘支持向量机/改进集合经验模态分解的自适应抑制方法。设置阈值启动函数检测干扰信号起始位置,通过极值延拓、多尺度排列熵改善集合经验模态分解算法的端点效应和熵值,采用粒子群算法优化最小二乘支持向量机,将干扰信号经过改进集合经验模态分解算法分解的本征模式分量作为训练样本,构造最优决策函数,对二次电缆耦合信号的本征模式分量序列进行干扰信号自适应识别与抑制。仿真实验表明,所提出的自适应抑制方法能准确识别和滤除接地网电位差干扰信号,保留故障信号特征,信噪比提高了221%,增强继电保护的抗干扰能力。

基于希尔伯特-黄变换的潮汐分析方法研究

经验模态分解(EMD)是希尔伯特-黄变换(HHT)的核心组成部分.在对传统HHT方法研究与分析的基础上,发展了改进的集合经验模态分解的方法(MEEMD)对海洋潮汐进行分析.MEEMD方法根据水位数据序列的特点,通过添加成对白噪声和计算排列熵的方式来剔除分解过程中出现的虚假本征模态函数(IMF),从而抑制了模态混叠现象.数值模拟和实测水位数据实验表明,MEEMD方法可以在有效抑制模态混叠现象的基础上,对含有噪声的原始水位序列实现自适应滤波.MEEMD方法分解得到的高频IMF1和IMF2分量占原始水位数据总能量的90%以上,IMF1和IMF2分量的平均周期和平均振幅分别与调和分析得到的半日分潮与全日分潮结果基本一致.通过分析认为,IMF1和IMF2之和是主要半日分潮、全日分潮以及浅海分潮的叠加.传统的潮汐调和分析方法有赖于长期的水位记录,且需要水位数据的一些先验知识,涉及到的天文知识与数学计算也较为复杂.准调和分析可以处理短期的水位数据,但仍然涉及天文知识与复杂数学计算,对数据的完整性也要求较高.当收集到的水位数据因为存在噪声或者信息缺失,不足以进行传统的调和或准调和分析时,可以使用HHT方法进行有效的补充分析,以获得主要半日分潮、全日分潮和余水位的幅值信息,因此,该方法可以作为一种很好的潮汐分析的补充方法.

基于级联卡尔曼滤波的动基座MIMU初始对准方法

为了实现低成本微惯性测量单元(MIMU)的自对准功能、提高自对准精度,提出了一种基于级联卡尔曼滤波(KCF)的动基座GPS单天线辅助MIMU自对准方法。首先,对GPS单天线测得的速度矢量随机误差进行了总平均经验模态分解(MEEMD),信号重构后使用卡尔曼滤波对其降噪解算得到航向角测量;其次,以基座姿态角和陀螺常值漂移为状态量建立了系统的状态方程,并融合加速度计和GPS单天线测量信息,建立了系统的观测方程;然后,使用自适应无迹卡尔曼滤波进行信息融合,实现了基座姿态角的最优估计。经仿真验证对比,所提算法有效提高了自对准精度。仿真结果验证了所提算法在GPS单天线辅助MIMU自对准中的优越性。