趙 奎,楊道學(xué),曾 鵬,王曉軍,鐘 文,龔 囪,閆 雷

(1.江西理工大學(xué) 資源與環(huán)境工程學(xué)院，江西 贛州 341000; 2.江西理工大學(xué) 江西省礦業(yè)工程重點(diǎn)實(shí)驗(yàn)室，江西 贛州 341000)

巖石等固體材料在受到外部應(yīng)力作用時(shí)，其內(nèi)部?jī)?chǔ)存的應(yīng)變能將以彈性波形式被快速釋放，發(fā)出聲響，稱其為聲發(fā)射[1-3]。聲發(fā)射作為一種無(wú)損監(jiān)測(cè)技術(shù)，現(xiàn)在已被廣泛地應(yīng)用到巖石力學(xué)與工程領(lǐng)域中，已成為揭示巖石內(nèi)部不穩(wěn)定性變形、損傷及破壞演化規(guī)律的一種重要手段[4-10]。

AE信號(hào)中包含著巖石內(nèi)部的損傷演化信息，為了研究巖石變形破壞過(guò)程的損傷演化特征，需對(duì)包含巖石內(nèi)部損傷信息的AE信號(hào)(含噪聲)進(jìn)行濾波處理，進(jìn)而準(zhǔn)確地提取AE信號(hào)相關(guān)參數(shù)對(duì)巖石變形破壞過(guò)程中的損傷信息進(jìn)行有效地評(píng)價(jià)。目前，常用的信號(hào)濾波方法主要有：傅里葉變換去噪、小波閾值、經(jīng)驗(yàn)?zāi)B(tài)分解、BSS等方法[11]。由于聲發(fā)射信號(hào)具有低信噪比、隨機(jī)性強(qiáng)、非平穩(wěn)性等特點(diǎn)，傳統(tǒng)的傅里葉變換濾波方法對(duì)周期信號(hào)具有較好的濾波效果，對(duì)非平穩(wěn)信號(hào)濾波效果不佳；小波閾值濾波是目前應(yīng)用較為廣泛的濾波方法，但其濾波效果與小波基函數(shù)類型及閾值的設(shè)置息息相關(guān)[12]，在一定程度上限制了其在AE信號(hào)濾波領(lǐng)域中的應(yīng)用；經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)可以較好地適用于非平穩(wěn)信號(hào)去噪，但是EMD在分解過(guò)程中容易產(chǎn)生模態(tài)混疊現(xiàn)象[13]，為了解決這個(gè)問(wèn)題，Wu等提出了EEMD濾波方法，在一定程度上抑制了模態(tài)混疊問(wèn)題[14]，但EEMD分解是提取信號(hào)時(shí)間序列的局部特征，而且在聲發(fā)射信號(hào)濾波方面效果不佳[15-16]； BSS技術(shù)是近十幾年發(fā)展起來(lái)的一種重要的信號(hào)濾波手段，且在非平穩(wěn)信號(hào)濾波中得到廣泛應(yīng)用[17]，但是盲信號(hào)處理過(guò)程中存在太多未知條件，而且?guī)r石內(nèi)部隨機(jī)分布的微裂紋導(dǎo)致彈性波在傳播過(guò)程中發(fā)生不同機(jī)制的衰減，因此，欠定情況也是聲發(fā)射信號(hào)中普遍存在的問(wèn)題，等等這一系列問(wèn)題都會(huì)導(dǎo)致直接使用BSS的濾波效果不佳[18]。

為了提高BSS技術(shù)在AE信號(hào)中的濾波效果，本文提出了EEMD及SCBSS相結(jié)合的AE濾波方法，該方法對(duì)含噪聲的AE信號(hào)進(jìn)行EEMD分解，得到高頻的噪聲信號(hào)IMF分量，與觀測(cè)信號(hào)一起構(gòu)建虛擬多通道觀測(cè)信號(hào)，再利用FastICA算法對(duì)構(gòu)建的虛擬多通道觀測(cè)信號(hào)進(jìn)行BSS，實(shí)現(xiàn)對(duì)含噪聲的AE信號(hào)進(jìn)行有效地濾波處理。

1 基于EEMD分解單通道聲發(fā)射信號(hào)的盲源分離理論

1.1 盲源分離理論

1.1.1 獨(dú)立分量分析基本理論

BSS理論是近十幾年發(fā)展起來(lái)一種重要的信號(hào)處理技術(shù)，在信號(hào)處理領(lǐng)域中被廣泛地應(yīng)用[19]。其中獨(dú)立分量分析(ICA)是BSS理論中一種重要的統(tǒng)計(jì)學(xué)方法[20]，ICA的核心思想就是使用優(yōu)化算法將觀測(cè)信號(hào)分離成若干個(gè)近似的估計(jì)源信號(hào)，但需滿足源信號(hào)之間相互獨(dú)立的這一前提條件。

假設(shè)巖石變形破壞過(guò)程中產(chǎn)生的含噪聲AE信號(hào)是由n個(gè)相互獨(dú)立的源信號(hào)(AE信號(hào)和噪聲信號(hào))經(jīng)線性混合而成，被m個(gè)接收傳感器所接收，那么每個(gè)AE接收傳感器接收含噪聲的AE信號(hào)就是這n個(gè)源信號(hào)的一個(gè)線性組合信號(hào)，第j個(gè)聲發(fā)射傳感器接收的觀測(cè)信號(hào)可表示如下

(1)

式中:si(t)為第i個(gè)非高斯分布的源信號(hào)；bji為混合參數(shù)(i=1,2,…,n，j=1,2,…,m) ；N為含噪聲AE信號(hào)長(zhǎng)度。m個(gè)含噪聲AE信號(hào)組成觀測(cè)信號(hào)矩陣為X(t)=[x1(t),x2(t),…,xm(t)]，將n個(gè)源信號(hào)組成源信號(hào)矩陣S(t)=[s1(t),s2(t),…,sn(t)]，經(jīng)過(guò)ICA分解可以得到n個(gè)估計(jì)源信號(hào)，n個(gè)估計(jì)源信號(hào)組成源信號(hào)近似解矩陣Y(t)=[y1(t),y2(t),…,yn(t)]。由式(1)可知觀測(cè)信號(hào)矩陣X(t)與源信號(hào)矩陣S(t)存在如下關(guān)系

X(t)=BS(t)

(2)

式中，B是由混合參數(shù)bji組成的混合矩陣。BSS的核心思想就是在混合矩陣B和源信號(hào)矩陣S(t)未知情況下通過(guò)優(yōu)化算法找到一個(gè)分解矩陣W∈Rn×m，使輸出估計(jì)源信號(hào)矩陣盡可能的接近于S(t)，即：

Y(t)=WX(t)=WBS(t)=GS(t)

(3)

式中，G∈Rn×n表示全局矩陣。通過(guò)優(yōu)化迭代算法計(jì)算的全局矩陣G=I(I∈Rn×n)，由于噪聲與源信號(hào)相關(guān)性及迭代算法計(jì)算精度的影響，計(jì)算的估計(jì)源信號(hào)肯定會(huì)存在數(shù)值誤差，所以全局矩陣G的每行每列元素中有且僅有一個(gè)元素接近于1，而其它元素都接近于零，就可以認(rèn)為分離效果較好。

1.1.2 觀測(cè)信號(hào)預(yù)處理

在觀測(cè)信號(hào)進(jìn)行ICA處理之前，需要對(duì)觀測(cè)信號(hào)進(jìn)行預(yù)處理。預(yù)處理主要包括兩個(gè)步驟：中心化處理和白化處理。

中心化又稱去均值，實(shí)際上就是減掉觀測(cè)信號(hào)均值，使觀測(cè)信號(hào)矩陣均值為零。中心化是對(duì)觀測(cè)信號(hào)最基本的預(yù)處理，其處理過(guò)程如下式所示

X(t)=X(t)-E(X(t))

(4)

觀測(cè)信號(hào)白化處理的基本原理：是指對(duì)經(jīng)過(guò)中心化處理后的多維觀測(cè)信號(hào)進(jìn)行一個(gè)線性變換，使其生成各維度之間互不相關(guān)的觀測(cè)信號(hào)，觀測(cè)信號(hào)經(jīng)過(guò)白化處理可以提高分離算法的穩(wěn)定性及收斂速度。

由式(4)可知：經(jīng)中心化處理后的觀測(cè)信號(hào)X(t)自相關(guān)函數(shù)矩陣RXX=E[X(t)XT(t)]，其是一個(gè)由m個(gè)特征值組成的對(duì)角矩陣D=diag(d1,d2,…,dm)，m個(gè)特征值對(duì)應(yīng)的特征向量組成特征矩陣U。則去中心化處理后的觀測(cè)信號(hào)X(t)的白化矩陣Q如下式所示

Q=D-1/2UT

(5)

中心化處理后的觀測(cè)信號(hào)X(t)經(jīng)過(guò)白化處理可得

(6)

1.1.3 基于負(fù)熵理論構(gòu)建目標(biāo)函數(shù)

負(fù)熵理論是基于信息論對(duì)信號(hào)隨機(jī)性評(píng)價(jià)參數(shù)熵提出的一種理論。由熵的定義可知：當(dāng)觀測(cè)信號(hào)的方差相同時(shí)，變量的隨機(jī)性越大，則該觀測(cè)信號(hào)的熵也就越大。為了使用方便，定義負(fù)熵作為度量標(biāo)準(zhǔn)，觀測(cè)信號(hào)xi(t)的負(fù)熵表示為[21]

Ji=H(xGauss)-H(xi) (i=1,2,…,m)

(7)

式中：xGauss是高斯變量。負(fù)熵理論就是使負(fù)熵最大化，即觀測(cè)信號(hào)xi(t)熵遠(yuǎn)離xGauss的微分熵，進(jìn)而實(shí)現(xiàn)從觀測(cè)信號(hào)中分離出聲發(fā)射源信號(hào)。

則基于負(fù)熵理論建立的目標(biāo)函數(shù)如下式所示

(8)

1.1.4 快速不動(dòng)點(diǎn)優(yōu)化算法

快速不動(dòng)點(diǎn)優(yōu)化算法又被稱為FastICA算法，是一種基于牛頓迭代法的數(shù)值優(yōu)化算法。其核心思想就是通過(guò)數(shù)值計(jì)算解決基于負(fù)熵理論構(gòu)建的目標(biāo)函數(shù)非高斯性最大值尋優(yōu)問(wèn)題。因?yàn)樨?fù)熵值計(jì)算過(guò)程需使用理論源信號(hào)的分量，因此在實(shí)際應(yīng)用時(shí)需要對(duì)其進(jìn)行近似處理，即：

JG(W)=(E(G(WTυ))-E(G(υ)))2

(9)

式中，υ為一高斯變量，函數(shù)G表示非二次光滑函數(shù)，常用的G函數(shù)如下表示

(10)

(11)

(12)

FastICA算法的迭代過(guò)程。

(13)

(14)

由于篇幅原因，本文簡(jiǎn)單地?cái)⑹鯢astICA算法的迭代過(guò)程，詳細(xì)地介紹參見(jiàn)文獻(xiàn)[21]。

1.2 EEMD信號(hào)分解理論

Wu等提出了一種信號(hào)處理新算法-希爾伯特黃變換(HHT)理論，該理論中包含了經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)。EMD是一種新的信號(hào)分解方法，其原理就是依據(jù)信號(hào)的局部時(shí)間特性，將信號(hào)分解成一系列單量信號(hào)分量，這種分量被稱為本征模函數(shù)[22]。由于EMD具有良好的時(shí)頻分析能力，在非平穩(wěn)聲發(fā)射信號(hào)處理等許多領(lǐng)域被廣泛的重視。但隨著國(guó)內(nèi)外學(xué)者對(duì)EMD深入的研究，發(fā)現(xiàn)EMD算法在分解信號(hào)過(guò)程中經(jīng)常會(huì)出現(xiàn)模態(tài)混疊問(wèn)題。為了解決這一問(wèn)題，Zheng等[23]對(duì)EMD算法進(jìn)行了一系列的改進(jìn)，提出了EEMD。與EMD不同之處在于在分解觀測(cè)信號(hào)之前，需向觀測(cè)信號(hào)中引入一任意白噪聲，就可以有效地抑制EMD分解的本征模函數(shù)中的模態(tài)混疊現(xiàn)象。

EEMD算法具體分解過(guò)程如下：

將觀測(cè)信號(hào)x(t)中加入隨機(jī)正態(tài)分布的白噪聲υ(t)

(15)

(16)

由于篇幅原因，本文只是簡(jiǎn)單地?cái)⑹隽薊EMD算法分解過(guò)程，EEMD算法詳細(xì)推導(dǎo)過(guò)程參見(jiàn)文獻(xiàn)[17]。

1.3 EEMD-SCBSS理論

巖石力學(xué)實(shí)驗(yàn)室試驗(yàn)過(guò)程中需要采集應(yīng)力、軸向應(yīng)變、側(cè)向應(yīng)變及聲發(fā)射信息，由于巖石試件表面積有限，不能提供足夠的空間同時(shí)安裝多個(gè)聲發(fā)射探頭，而且?guī)r石并不是各向同性介質(zhì)，聲發(fā)射接收傳感器所在位置的不同，也會(huì)導(dǎo)致接收的聲發(fā)射信號(hào)也存在著一定的差異性，巖石在塑性階段的聲發(fā)射事件率較高，分離出不同接收傳感器接受的同一個(gè)聲發(fā)射事件難度較大。因此，研究SCBSS技術(shù)對(duì)實(shí)驗(yàn)室內(nèi)巖石力學(xué)聲發(fā)射試驗(yàn)過(guò)程中的AE信號(hào)濾波具有實(shí)際意義，從方程組的角度出發(fā)SCBSS是一個(gè)病態(tài)方程，直接求解這類方程組難度較大，故本文將通過(guò)EEMD分解觀測(cè)信號(hào)，經(jīng)分解得到一系列IMF分量，AE信號(hào)降噪過(guò)程中，通常把高頻的IMF分量作為噪聲信號(hào)，利用噪聲信號(hào)與觀測(cè)信號(hào)構(gòu)建虛擬多通道觀測(cè)信號(hào)，然后再使用BSS算法對(duì)虛擬多通道觀測(cè)信號(hào)進(jìn)行濾波處理。

因此，基于EEMD-SCBSS算法，具體流程如下：

步驟1 利用EEMD將單通道的AE信號(hào)x(t)分解成多個(gè)本征模函數(shù)IMFi(t)(i=1,2,…,h)，即：

IMF=[IMF1(t) IMF2(t) … IMFh(t)]

(17)

步驟2 使用選取的本征模函數(shù)高頻信號(hào)矩陣IMF1(t)與觀測(cè)信號(hào)x(t)組成虛擬多通道觀測(cè)信號(hào)，即：

IMF1=[x(t) IMF1(t)]

(18)

步驟3 使用FastICA算法對(duì)虛擬多通道觀測(cè)信號(hào)IMF1進(jìn)行BSS，進(jìn)而得到AE信號(hào)與噪聲信號(hào)。

1.4 分離算法性能評(píng)價(jià)標(biāo)準(zhǔn)

本文還需要對(duì)EEMD-SCBSS濾波效果進(jìn)行評(píng)價(jià)，目前常用的信號(hào)濾波效果評(píng)價(jià)參數(shù)有：信噪比、峭度、相關(guān)系數(shù)、信號(hào)標(biāo)準(zhǔn)差等，本文將使用信噪比這一參數(shù)對(duì)該算法的濾波效果進(jìn)行評(píng)價(jià)。

信噪比定義如下

(19)

式中：x(t)為模擬原始AE信號(hào)；d(t)為降噪后的AE信號(hào)；T為AE信號(hào)采樣長(zhǎng)度；RSN為信噪比，信噪比是描述含噪聲AE信號(hào)濾波效果的量化評(píng)價(jià)參數(shù)，信噪比越高表明信號(hào)中的真實(shí)AE信號(hào)的信息量越大，濾波效果越好。

2 仿真分析

為了驗(yàn)證本文提出的基于EEMD-SCBSS的AE信號(hào)濾波方法的可行性及有效性，利用含噪聲模擬AE信號(hào)在MATLAB計(jì)算平臺(tái)上進(jìn)行濾波實(shí)驗(yàn)，將與小波閾值濾波后的模擬AE信號(hào)時(shí)域波形及頻譜圖進(jìn)行比較。

(20)

式中:Ai表示第i個(gè)疊加信號(hào)的振幅；Qi表示第i個(gè)疊加信號(hào)的衰減因子；fi表示第i疊加信號(hào)的主頻；ti表示第i個(gè)疊加信號(hào)的延遲時(shí)間；n表示模擬聲發(fā)射信號(hào)中疊加信號(hào)的個(gè)數(shù)。本文模擬AE信號(hào)選用的參數(shù)如下所示：n=2，A1=A1=2，Q1=6.14×108，Q2=1.48×108，t1=4×10-4s，t1=5×10-4s，f1=80 kHz，f2=50 kHz。模擬AE信號(hào)采樣率設(shè)置為1MSPS，在巖石力學(xué)AE試驗(yàn)過(guò)程中會(huì)受到各種背景噪聲對(duì)采集的AE信號(hào)產(chǎn)生干擾，為了更真實(shí)地模擬巖石力學(xué)AE試驗(yàn)過(guò)程中采集的AE信號(hào)，在模擬AE信號(hào)中加入一組白噪聲。為了分析白噪聲對(duì)模擬AE信號(hào)頻域信息的影響，利用快速傅里葉變換方法對(duì)模擬AE信號(hào)及含噪聲模擬AE信號(hào)的頻譜特征進(jìn)行分析。模擬AE信號(hào)的時(shí)域波形及頻譜圖與含噪聲模擬AE信號(hào)的時(shí)域波形及頻譜圖如1所示。

(a) 模擬原始聲發(fā)射信號(hào)(b) 模擬原始聲發(fā)射信號(hào)頻譜圖

(c) 含噪聲模擬聲發(fā)射信號(hào)(d) 含噪聲模擬聲發(fā)射信號(hào)頻譜圖圖1 模擬聲發(fā)射信號(hào)的時(shí)域波形及頻譜圖與含噪聲模擬聲發(fā)射信號(hào)的時(shí)域波形及頻譜圖Fig.1 Time domain waveform and spectrum diagram of simulated acoustic emission signal and time domainwaveform and spectrum diagram of simulated acoustic emission signal with noise

由圖1可知：含噪聲模擬AE信號(hào)的頻譜也出現(xiàn)了雙峰現(xiàn)象，主頻所對(duì)的振幅譜值低于模擬原始AE信號(hào)的振幅譜值，高頻部分出現(xiàn)了明顯的振幅譜值“振蕩”現(xiàn)象；噪聲影響了模擬AE信號(hào)到時(shí)、振鈴計(jì)數(shù)、上升時(shí)間、持續(xù)時(shí)間及能量等參數(shù)的提取，對(duì)AE參數(shù)在定性分析巖石內(nèi)部微裂紋演化特征中的應(yīng)用產(chǎn)生嚴(yán)重地干擾。

對(duì)圖1中的含噪聲模擬AE信號(hào)進(jìn)行EEMD自適應(yīng)分解，得到IMF分量以頻率的高低依次排列，由于篇幅原因，在這里只畫(huà)出了前4個(gè)IMF分量時(shí)域波形圖，如圖2所示。

依據(jù)EEMD-SCBSS濾波理論，利用IMF1的高頻噪聲信號(hào)與含噪聲模擬AE信號(hào)構(gòu)建虛擬多通道觀測(cè)信號(hào)，利用BSS算法對(duì)構(gòu)建的虛擬多通道觀測(cè)信號(hào)進(jìn)行去噪，進(jìn)而得到噪聲信號(hào)及模擬AE信號(hào)，其時(shí)域波形及頻譜圖如圖3所示。由于巖石內(nèi)部微裂紋非均勻分布及各向異性，在受載荷過(guò)程中產(chǎn)生數(shù)以萬(wàn)計(jì)的AE信號(hào)也將具有較大的差異性，因此在小波閾值對(duì)AE信號(hào)濾波時(shí)，使用默認(rèn)設(shè)置，以便實(shí)現(xiàn)對(duì)AE信號(hào)自動(dòng)化處理。含噪聲模擬聲發(fā)射信號(hào)經(jīng)小波閾值濾波后的時(shí)域波形及頻譜圖，如圖4所示。應(yīng)用式(18)計(jì)算含噪聲模擬AE信號(hào)經(jīng)EEMD-SCBSS和小波閾值濾波前后的信噪比，計(jì)算結(jié)果如表1所示。

(c) IMF3(d) IMF4圖2 含噪聲模擬聲發(fā)射信號(hào)EEMD分解結(jié)果Fig.2 EEMD decomposition results of simulated acoustic emission signals with noise

(a) 盲源分離后的噪聲信號(hào)(b) 盲源分離后的噪聲信號(hào)頻譜圖

(c) 盲源分離去噪后的模擬聲發(fā)射信號(hào)(d) 盲源分離去噪后的模擬聲發(fā)射信號(hào)頻譜圖圖3 EEMD-SCBSS濾波后的信號(hào)時(shí)域波形及其頻譜圖Fig.3 Time domain waveform and spectrum diagram of signal after EEMD-SCBSS denoising

(a) 小波閾值去噪后的模擬聲發(fā)射信號(hào)

表1 不同濾波方法的濾波效果對(duì)比

由表1可知：模擬原始AE信號(hào)中加入白噪聲后的信噪比為1.172 dB，此時(shí)模擬AE信號(hào)嚴(yán)重失真，小波閾值與EEMD-SCBSS濾波后的模擬AE信號(hào)信噪比相差較小，基本維持在5 dB左右。但由圖3與圖4可知：EEMD-SCBSS濾波后的模擬AE信號(hào)主頻為50 kHz，次主頻為80 kHz，次主頻特征顯著；小波閾值濾波后的模擬AE信號(hào)主頻為50 kHz，但是其次主頻特征不明顯，說(shuō)明小波閾值濾波干擾了模擬AE信號(hào)的次主頻特征；模擬原始AE信號(hào)的最大振幅值在400 μs，EEMD-SCBSS濾波后的模擬AE信號(hào)最大振幅值在400 μs，而小波閾值濾波后的模擬AE信號(hào)最大振幅值在500 μs左右，濾波后的時(shí)域波形也發(fā)生了變形失真，影響了利用AE信號(hào)上升時(shí)間，能量等參數(shù)對(duì)巖石內(nèi)部損傷演化規(guī)律研究的準(zhǔn)確性。

3 實(shí)測(cè)數(shù)據(jù)分析

3.1 巖石單軸壓縮聲發(fā)射試驗(yàn)

本文進(jìn)行了單軸壓縮聲發(fā)射試驗(yàn)，試驗(yàn)過(guò)程中的紅砂巖試件都是取自中國(guó)贛州地區(qū)，試驗(yàn)中的紅砂巖試件都取自于同一塊質(zhì)地均勻的紅砂巖巖體。依照國(guó)際巖石力學(xué)學(xué)會(huì)(ISRM)試驗(yàn)規(guī)程在實(shí)驗(yàn)室內(nèi)制作了Φ50 mm×100 mm標(biāo)準(zhǔn)圓柱狀紅砂巖試件，如圖5(a)所示。AE接收傳感器采用UT1000，AE前置放大器閾值設(shè)置為35 dB，采樣率設(shè)置為1MSPS。

圖5(b)和(c)展示本次試驗(yàn)使用的試驗(yàn)設(shè)備，其中包括力學(xué)加載系統(tǒng)、AE采集系統(tǒng)。加載試驗(yàn)在RMT-150C巖石力學(xué)試驗(yàn)系統(tǒng)中完成，本次試驗(yàn)加載方式為位移控制方式，位移加載速率為0.002 mm/s，直至紅砂巖試件發(fā)生破壞。AE采集系統(tǒng)是美國(guó)聲學(xué)公司生產(chǎn)開(kāi)發(fā)的Micro-II Digtial AE System硬件和AEwin軟件。

圖5 試驗(yàn)試件及設(shè)備Fig.5 Test specimens and equipment

3.2 AE信號(hào)去噪

AE信號(hào)中包含著巖石內(nèi)部的損傷演化信息，為了研究巖石在變形破壞過(guò)程中的損傷演化特征，需對(duì)包含巖石內(nèi)部損傷信息的AE 信號(hào)進(jìn)行濾波處理，小波閾值與EEMD-SCBSS濾波后的AE信號(hào)及頻譜圖如圖6所示。

(a) 含噪聲聲發(fā)射信號(hào)(b) 含噪聲聲發(fā)射信號(hào)頻譜圖

(c) 盲源分離去噪后的聲發(fā)射信號(hào)(d) 盲源分離去噪后的聲發(fā)射信號(hào)頻譜圖

(e) 小波閾值去噪后的聲發(fā)射信號(hào)(f) 小波閾值去噪后的聲發(fā)射信號(hào)頻譜圖圖6 聲發(fā)射信號(hào)經(jīng)不同濾波方法處理后的時(shí)域波形及頻譜圖Fig.6 Time domain waveform and spectrum diagram of acoustic emission signals processed by different denoising methods

由圖6可知，基于EEMD-SCBSS濾波后的AE信號(hào)高頻噪聲基本完全濾除，其頻譜特征與含噪聲AE信號(hào)的頻譜特征較為相似，經(jīng)EEMD-SCBSS濾波后的AE信號(hào)頻域特征基本保持不變；但是經(jīng)小波閾值濾波后的AE信號(hào)頻譜特征完全改變，濾波后的AE信號(hào)頻域波形發(fā)生了失真變形。上述試驗(yàn)結(jié)果表明：本文方法可以高效地對(duì)實(shí)際AE信號(hào)進(jìn)行濾波處理，能夠較好地抑制AE信號(hào)中的非平穩(wěn)隨機(jī)噪聲，并能夠有效地保護(hù)AE信號(hào)中的頻譜信息。

4 結(jié) 論

針對(duì)AE信號(hào)的低信噪比、隨機(jī)性強(qiáng)、非平穩(wěn)性等特點(diǎn)，本文提出了一種基于總體經(jīng)驗(yàn)?zāi)B(tài)分解及SCBSS濾波算法。通過(guò)對(duì)含噪聲的模擬聲發(fā)射信號(hào)及AE信號(hào)頻譜分析可知，小波閾值濾波方法會(huì)導(dǎo)致濾波后的AE信號(hào)頻域信息失真變形，影響濾波后的AE信號(hào)上升時(shí)間，能量等參數(shù)識(shí)別；EEMD-SCBSS可以對(duì)含噪聲AE信號(hào)進(jìn)行有效地濾波處理，能夠較好地抑制AE信號(hào)中的非平穩(wěn)隨機(jī)噪聲，并且能夠保護(hù)濾波后的AE信號(hào)頻域信息。