基于小波包與改進EMD的輪軌力信號降噪

張緒景，雷曉燕，劉慶杰

（華東交通大學 鐵路環境振動與噪聲教育部工程研究中心，南昌 330013）

基于小波包與改進EMD的輪軌力信號降噪

張緒景，雷曉燕，劉慶杰

（華東交通大學 鐵路環境振動與噪聲教育部工程研究中心，南昌 330013）

地下列車的輪軌力應變信號在采集過程中，會受到城市上部各種交通車輛、噪聲，以及列車車輪磨耗、軌面不平順等諸多因素的影響。采集的輪軌力信號將失去其準確性。針對輪軌力應變信號中存在的隨機白噪聲，以及在EMD分解過程中出現模態混疊的問題，提出一種改進的信號處理方法，該方法是一種小波包降噪算法與EMD解相關算法相結合的數據處理方法，能夠同時有效抑制模態混疊現象和消除噪聲干擾。運用改進的信號處理方法對仿真信號和實測的地下列車輪軌力信號進行處理分析。研究結果表明：該改進的數據處理方法能有效地消除輪軌力在采集過程中隨機白噪聲的干擾和抑制模態的混疊。對有效地識別輪軌力真實信號具有重要的實際意義。

聲學；輪軌力；小波包；EMD；降噪；白噪聲

在輪軌力測量法中利用電阻應變片測量輪軌力的測試方法是最為簡單和普遍的方法，也稱為測力鋼軌法。相對于測力輪對法，測力鋼軌法有其自身的優勢。測力鋼軌法根據應變片貼片的位置和電橋的連接組橋方式的不同，常用的方法有剪力法，軌腰壓縮法等。其原理是將應變片貼于鋼軌的兩側，然后將應變片按照一定的組橋方式進行連接。當動荷載經過軌道的應變片區域，測得這個區域鋼軌的當量應變，然后再在相同的條件下施加靜荷載進行標定。當標定得到的靜應變與測試的動應變非常逼近時，標定時的靜荷載就等于測試中的動荷載［1］。然而，在輪軌力信號采集過程中，尤其是地下列車，干擾的因素眾多，路面上車輛行駛引起的振動，橋路電壓和應變片絕緣電阻，鋼軌的支撐條件以及現場環境的干擾，都將對采集的到輪軌力信號產生難以避免的噪聲干擾。

白噪聲在測試中是非常普遍的干擾噪聲，在機械，醫學領域都是很經典的問題，傳統的消除噪聲的方法是基于傅里葉變換的帶通濾波實現，但是這種濾波方法容易將信號中的部分非噪聲信號也一并濾掉，因此其濾波效果不理想。近些年，研究和應用小波降噪方面得到了較多的成果［2］。尤其是在識別輪軸轉子信號狀態特征，齒輪故障診斷以及降噪處理等方面具備良好的的效果。另外與小波降噪方法相比EMD在降噪方面也具有其優勢，但是EMD分解存在端點效應問題，均值擬合問題以及模態混疊等難以克服的問題。

本文提出一種基于小波包算法與EMD解相關算法相結合的信號處理方法。首先利用小波包降噪法對仿真信號進行降噪處理，去除信號中噪聲的干擾，然后利用EMD解相關算法對降噪后仍存在嚴重的模態混疊現象進行仿真信號處理。并利用該方法對實測的地下列車輪軌力信號進行分析。證明了該方法的實用性和有效性，對識別真實的輪軌力應變信號具有重要的實際意義。

1　小波包降噪算法

小波包變換是基于小波變換的進一步發展，它將信號的頻帶進行多層次劃分，對多分辨率分析中不存在細節信號的高頻信號部分再進一步分解，并能夠根據被分析信號的特征，自適應地選擇相應頻帶，使之與信號頻譜相匹配，從而提高了時頻分辨率［3］。圖1為3層小波包分解樹。

圖1　小波包3層分解樹

圖中A表示低頻，D表示高頻，末尾的數字表示分解的層數（尺度數）。

尺度函數與小波函數的雙尺度關系

式中u0（t）=φ（t）、u1（t）=φ（t）。φ（t）、φ（t）分別為小波函數和尺度函數。h（k）和g（k）為正交共軛濾波器系數。

小波包分解算法

小波包重構算法

2　改進的EMD算法

經驗模態分解（EMD）作為一種自適應的時頻數據分解方法，被廣泛地應用于非線性和非平穩過程的噪聲中提取特征信號。但在實際的分析當中，EMD分解得到的本征函數容易出現模態混疊。經過許多學者的研究，發現產生模態混疊的因素有三種：

①信號中存在高頻間斷的弱信號干擾；

②信號中由于噪聲的影響，改變了非噪聲信號的極值點分布；

③混合信號中組合分量的頻率過于接近。其中第②種問題，信號中噪聲的干擾可通過小波，EEMD等方法降噪處理。第③種問題在模態混疊中是比較難以解決的問題。關于這類問題，文獻［4］給出了利用EMD可以完全分解信號而不出現模態混疊的條件，稱為AFDE（Almost Fully Decomposed by EMD）條件。如多分量信號中包含兩個單分量信號，EMD能夠完全分解的條件為：（a）其中一個單分量信號的瞬時頻率不小于另一個單分量信號瞬時頻率的2倍，即 f1≥2f2；（b）兩個單分量信號瞬時頻率與幅值之積a1f1≥a2f2，其中a1和a2分別表示兩個單分量信號的幅度。其中條件（a）是必要條件，聯合條件（a）和條件（b）構成充分條件。

Huang針對信號的模態混疊問題，在研究中認為［5］：信號的不連續是導致模態混疊產生的主要原因。其通過在EMD操作前加入一個間斷測試［6］，用于解決模態混疊問題。但是由于測試本身存在不足，所以問題并沒有很好地解決。為解決模態混疊問題，許多學者做了大量的研究［7-9］：如基于差分與累加求和的分解方法，聚合經驗模態分解（EEMD），基于多分辨率分析的經驗模態分析法（MEMD）等。本文采用文獻［10］中的解相關EMD算法（DEMD），抑制在EMD分解過程中的IMF分量的模態混疊。文中首先定義了解相關算法定義相關系數為

其中rc2（n）代表了c1（n）與c2（n）相關部分，由此可求得c1（n）中不包含c2（n）的部分，表示為

則消除EMD模態混疊的原理如下：

步驟一：用EMD分解信號（x）t得到M個IMFci（t）；

步驟二：根據公式（5）求c1（t）和c2（t）的相關系數，利用公式（6）解相關處理得到

步驟四：重復步驟2和步驟3直到所有IMF分量間的系數小于設定的閾值δ。

3　仿真信號分析

本文討論信號EMD分解在不滿足AFDE條件時產生的模態混疊現象，并考慮信號中噪聲的干擾。此仿真信號由兩個頻率分別為f1=60 Hz和f1=90 Hz的正弦信號，以及信噪比SNR=5 dB的噪聲信號x（t）構成。信號的采樣頻率fs=1 000 Hz。

由于信號中存在白噪聲，本文重點研究噪聲干擾且在不滿足AFDE條件下，信號的去噪以及抑制EMD分解產生的模態混疊。所以考慮首先利用上述小波包降噪方法消除信號中噪聲的影響。圖2為信號x（t）的信號圖以及頻譜圖。

圖2　x（t）信號與頻譜分析

從圖2的信號頻譜分析中可看到信號中存在噪聲的干擾，利用上述的小波包降噪方法對信號降噪處理，其降噪結果如圖3所示。

圖3　降噪后信號與頻譜分析

利用下列公式（7）計算得到信號經過上述小波包降噪后信號的信噪比SNR=15.314 dB。由此可知經過降噪后信號的信噪比是原始含噪信號信噪比的3倍左右，極大地消除了信號中噪聲的影響。

式中Pn和Ps分別表示噪聲信號和原始信號的有效功率。

信號經過降噪后，得到新的信號數據序列。因為仿真信號中的兩個單分量信號的頻率和幅值不滿足AFDE的條件，在EMD分解的時候容易產生模態混疊，如圖4。

圖4　降噪信號EMD結果

分析圖4中的imf1和imf2分量，可知本屬于兩個不同頻率段的頻率出現在了一個imf中。imf4，imf5也出現了不同程度的模態混疊。

上述分析中首先通過小波包算法對仿真信號進行降噪處理，然后對處理后的信號進行EMD分解，再對信號重構。利用公式（7）計算小波包結合EMD算法處理信號后的SNR值，結果見表1。

表1　SNR及NMSE計算結果

從表1和圖4可見，小波包結合EMD算法有一定的降噪效果，但是由于圖4中存在嚴重的模態混疊，干擾了對真實信號特征的判斷。

為了抑制模態混疊，本文采用上述的EMD解相關算法對信號進行處理。在信號處理過程中設定的相關系數閾δ=0.005。處理結果如圖5所示。

圖5　降噪信號的DEMD結果

從上圖5可以看出，信號經過小波包降噪后，再用EMD解相關算法處理信號能夠有效地克服分解過程中的模態混疊現象。該方法能夠很快有效地分解得到IMF分量，并且在分解過程中沒有產生殘余分量。為進一步證明使用EMD解相關算法抑模態混疊過程中并未使信號失真，引入文獻［4］中的評價方法NMSE，即標準均方差，其計算方法如下

由表1可知，小波包與EMD解相關（DEMD）相結合的算法在信號處理方面具有更好的性能。

4　應用實例

為了將本文小波包降噪結合EMD解相關的方法應用于實際中，本文采用的數據是南昌地鐵1號線上實測的一段輪軌力信號，如圖6所示，輪軌力應變值為圖中橢圓標記所示。測試時采用測力鋼軌法，利用剪力法的貼片方式，組橋連接，實現輪軌力的測試。信號的采集設備采用的是美國國家儀器公司NI的Labview數據采集系統，數據的采樣頻率為5 120 Hz。

圖6　原始信號

從圖6中可以看出，原信號中存在明顯噪聲的干擾，使得信號看起來較為粗大。這些干擾噪聲將影響對真實的輪軌力數值的提取，對鋼軌的輪對的狀態信息也有一定的干擾。分析原始信號的頻譜圖，發現輪軌力應變信號頻率為低頻信號，且有一定的頻率范圍。從多分量信號的角度考慮，此信號不符合EMD分解的AFDE的條件。為此，運用前述的小波包降噪方法結合EMD解相關算法對此實測的輪軌力應變信號進行處理。從而得到真實的輪軌力信號。輪軌力經過處理的結果如下7圖所示。

圖7　降噪實測信號的DEMD結果

從上圖7可以看出，輪軌力應變信號經過本文的數據處理方法后得到更為平滑，精確的信號。南昌地鐵1號線的車輛共6節車廂。車輛在運行時，每節車廂的乘客分布基本是均勻的。而考慮地鐵剛開通，其車輪和軌道狀態良好。所以用剪力法在測試輪軌力應變時，應變理論上為均勻變化的，但在圖6發現測試得到的應變信號變化規律不是很均勻，且信號受到很嚴重的噪聲干擾。運用小波包降噪結合EMD解相關算法處理后，如圖7，可以明顯地看出信號噪聲得到了有效的消除，得到的輪軌力應變信號更加平穩。因此，利用本文的小波包降噪結合EMD解相關算法能提高了利用鋼軌應變和鋼軌標定計算地鐵輪軌力的準確性。同時可為利用處理后的信號分析鋼軌的特征、輪對的狀態提供了可靠的數據。

5　結語

本文通過用小波包降噪結合EMD解相關算法，對實驗仿真信號和實測的輪軌力應變信號進行分析處理。證明了該方法在信號降噪，提高信號分析的精度，突顯信號的特征方面的有效作用。在實際應用中，改進的該組合方法能有效地消除輪軌力在采集過程中產生的隨機白噪聲和抑制模態的混疊，對有效地識別真實的輪軌力信號具有重要的實際意義。同時為利用降噪信號分析鋼軌的特征、輪對的狀態提供了可靠的數據。

［1］曾樹谷.鐵路軌道動力測試技術［M］.北京：中國鐵道出版社，1988：145-182.

［2］王大凱，彭進業.小波分析及信號處理中的應用［M］.北京：電子工業出版社，2006：45-67.

［3］張德峰.Mtalab小波分析［M］.北京：機械工業出版社，2009：181-195.

［4］徐冠雷，王孝通，徐曉剛，等.多分量到單分量可用EMD分解的條件及判據［J］.自然科學進展，2006，16（10）：1356-1360.

［5］楊永峰，吳亞峰.經驗模態分解在振動分析中的應用［M］.北京：國防工業出版社，2013：33-49.

［6］HUANG N E，SHEN Z，LONG S R，et al.The empirical modedecompositionandthehilbertspectrumfor nonlinear and non-stationary time series analysis［J］. Proceedings of the Royal Society，1998，454（1971）:903-995.

［7］高云超，桑恩方，許繼友.分離EMD中混疊模態的新方法［J］.哈爾濱工程大學學報，2008，29（9）：963-966.

［8］鞠萍華，秦樹人，秦毅，等.多分辨EMD方法與頻域平均的齒輪早期故障診斷中的研究［J］.振動與沖擊，2009，28（5）：97-101.

［9］齊天，裘淼.利用聚合經驗模態分解抑制振動中的模態混疊［J］.噪聲與振動控制，2010，30（103）：106.

［10］肖瑛，殷福亮.解相關EMD消除模態混疊的新方法［J］.振動與沖擊，2015，34（4）：25-29.

Wheel/Rail Force Signal Denoising Based on Wavelet Packet and Improved EMD

ZHANG Xu-jing，LEI Xiao-yan，LIU Qing-jie
（Railway Noise and Vibration Engineering Research Center of the Ministry of Education，East China Jiaotong University，Nanchang 330013，China）

In the wheel/rail force acquisition process of the underground trains，the strain signal is greatly affected by various traffic vehicles on the ground surface，noise，and the train wheel wear，rail surface irregularity and so on.Thus，the collected wheel/rail force signal may include some disturbance.In view of the random white noise in the wheel/rail force strain signal and the problem of mode mixing in the process of EMD decomposition，an improved signal processing method combining the wavelet packet denoising with the EMD solution algorithm is proposed.This method can restrain the mode mixing phenomenon and eliminate the noise disturbance.Using the improved signal processing method，the simulated signal and the collected signal of the wheel/rail force are analyzed.The results show that the improved data processing method can effectively eliminate the random white noise generated in the process of wheel/rail force acquisition and suppress the modal mixing.This work has a good practical significance for effective identification of real signals of the wheel/rail forces.

acoustics；wheel/rail force；wavelet packet；EMD；noise reduction；white noise

O422.6

ADOI編碼：10.3969/j.issn.1006-1335.2016.05.022

1006-1355（2016）05-0104-04+143

2016-05-03

國家自然科學基金資助項目（51478184）；國家自然科學基金資助項目（51368021）；江西省優秀科技創新團隊計劃資助項目（20133BCB24007）

張緒景（1990-）男，貴州省凱里人，碩士研究生，主要研究方向為鐵路環境振動與噪聲。E-mail:329739752@qq.com

雷曉燕（1956-）男，教授，博士生導師，主要研究方向為鐵路環境振動與噪聲。E-mail:xiaoyanlei2013@163.com