基于EMD 和小波閾值去噪的聲發射信號處理

劉 婷

（中山火炬職業技術學院，廣東中山 528400）

0 引言

聲發射檢測是一種通過聲發射儀器，接收和分析材料或者結構由于損傷導致應變能快速釋放而產生的聲發射信號，繼而評定材料性能以及結構完整性的無損檢測方法。作為一種監測預報技術，聲發射檢測技術是工程無損檢測應用研究的有力手段。它幾乎適用于各種工況及各種工件，對工件表面狀態要求很低，不僅能夠實現高精度的靜態檢測，而且在動態損傷檢測方面十分優秀[1-3]。

史慧揚等[4]通過對疲勞裂紋的聲發射信號進行小波包分解得到疲勞程度變化的頻帶特征；金榕舜等[5]通過EMD（Empirical Mode Decomposition，經驗模態分解）與近似熵相結合，判斷觀覽車滾動軸承是否發生故障；然而由于聲發射信號往往容易受到噪音、畸變等干擾信息的影響，導致實際應用中的后續分析比較困難。因此本文擬對聲發射信號進行特征信息提取并重構，從而獲得更加準確可靠的聲發射信號信息。

1 聲發射信號的獲取

在實際實施的聲發射源模擬的操作中，激光脈沖、落球、斷鉛、以及電火花等都可以用于模擬損傷聲發射信號，考慮到斷鉛激勵聲發射信號具有簡單、經濟、重復性好等優點，所以通過對工程常用的45#鋼進行斷鉛試驗。為了檢驗結果的準確性，本試驗分別測量了10 組數據，并取其平均值，最后對該平均數據進行處理和分析。

2 聲發射信號的處理

與傅里葉分析以及小波變換等傳統的時頻分析方法相比，Hilbert-Huang 變換（“HHT”）[6-8]是一種新型的應用廣泛的完全自適應性的時頻分析的方法，它根據信號自身的特點來提取其固有模態函數，能夠從根本上分析信號的局部特征，而不是局限于線性、平穩信號的假設。基于HHT 變換能夠更好地對非線性非平穩信號進行分析，有利于對特征信號的判別和選取，故本文采用此方法來對聲發射信號進行特征提取。

2.1 EMD 分解

HHT 是由EMD 和Hilbert 譜分析兩部分組成，其中，EMD是HHT 方法的核心。在對信號進行Hilbert-Huang 變換時，由于采樣率不足以及樣條差值可能導致Hilbert 譜中存在一些與原信號特征無關的低頻成分[9-11]，所以實際中往往用過采樣等方式來減少這些低頻的偽頻率分量。然而，由于信號本身的頻率高的原因，過采樣的計算量會太大。因此，首先對采集到的聲發射信號進行EMD 分解，然后采用相關系數的方法去除偽分量。

設兩個時間序列x1（n），x2（n），則其相關系數Q 定義為：Q=。

具體操作步驟：首先將斷鉛信號與各階IMF（Intrinsic Mode Function，基本模式分量）分量進行相關系數計算，然后通過閾值比較各階IMF 分量，這里的閾值取相關系數序列中最大值的十分之一。

下面對斷鉛點處采集到的聲發射信號進行具體分析。

首先該信號進行EMD 的過程中產生了8 個IMF，其中包含一個剩余分量（圖1）。

為了去除其中的偽分量，對各個IMF 分量和原信號進行相關系數分析，結果如表1 所示。

圖1 斷鉛點EMD 分解結果

表1 7 個模量的相關系數

從表中可以看出，前兩個高頻率IMF 分量的相關系數較大，可粗略推知斷鉛信號聲發射頻率較大，頻率的大小可依據其頻譜顯示。此時，閾值為0.085，所以只有IMF1 和IMF2 留下，其他的為偽分量，不計入后續分析。

2.2 小波降噪

由于試驗過程中一定會有斷鉛操作的影響，因此圖1b中的IMF1 的頻譜特征可以看出存在高頻噪聲的干擾。此時，如果直接舍棄IMF1 分量來重構信號，必然會在一定程度上引起聲發射信號中高頻有用信息的損失。所以，采用小波閾值方法對IMF1 分量進行降噪處理，然后將其與低頻IMF 來重構信號。這樣，得到的數據不僅得到了降噪處理，而且改善了小波閾值降噪直接作用于整個信號的缺陷（圖2、圖3）。

從圖2 中可以看出，小波閾值去噪能夠比較明顯的去除IMF1 中因為斷鉛試驗特性而產生的高頻噪聲；同時，從圖3 中的重構后聲發射信號可以看出，該信號不僅保存了原信號的基本特征，并且使其更加明顯，使利用聲發射信號進行進一步分析處理時，其結果能夠更加準確。

圖2 IMF1 小波消噪后時頻圖

圖3 斷鉛信號消噪后時頻圖

3 結論

由于干擾信息的影響，無論何種工況下獲取的聲發射信號進行后續分析處理時，往往都會存在不同程度的誤差，因此，采用EMD 對聲發射信號進行特征提取，然后對提取后的信號再進行小波去噪處理，使獲得的信號在保持原始信息特征的前提下，還能夠保留高頻有效信息，使得信息特征更加明顯。