基于改进的MEEMD的隧道掘进爆破振动信号去噪优化分析

作者：周红敏; 赵事成; 赵文清; 王双; 郝广伟; 张宪堂^*

来源：振动与冲击, 2023, 42(10): 74-81.

DOI：10.13465/j.cnki.jvs.2023.010.010

• 隧道掘进
• 爆破振动
• 改进的总体平均经验模态分解(MEEMD)
• 最小均方(LMS)滤波
• 本征模态分量(IMF)评价

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。

• 出版日期2023
• 单位山东科技大学; 山东省路桥集团有限公司; 山东省土木工程防灾减灾重点实验室