基于hilbert变换的数字信号_基于Hilbert一Huang变换的信号滤波降噪技术——短时强噪声干扰的消除...

短时强噪声干扰的消除

通常情况下,噪声干扰可认为是一直存在的,它们连续分布于整个时间段的信号中,且频率较高。对含这类噪声的信号,实现信噪分离或提高信噪比相对容易。但是,如果在信号的测量过程中,传感器受到来自于周围环境诸如雷电、高压电网、通信工程中的电磁辐射等的影响,则产生的噪声就可能不是连续而是间断的。图3-6所示为实测的南京长江大桥南京联靠近南京岸边跨跨中斜腹杆有对讲机信号干扰的一段应变响应。可以看到,干扰存在的时间很短,呈脉冲型,其幅值远大于结构的真实应变值。如果直接采用这种存在短时强噪声干扰的数据进行分析,显然会造成结果的失真。

对于这类短时强噪声干扰,采用现有的方法进行消除是非常困难甚至是不可能的。因为结构的响应信号和噪声干扰都趋于非平稳,且频率成分很复杂,这在滤波时是无法事先确定并区分开来的,从而使得干扰不能有效地从实测信号中消除。同时,由于短时强噪声干扰造成了信号中含有不连续的物理过程,使EMD的结果也受到了影响。图3-7所示为实测应变响应分解得到的七阶IMF和残余项,可以发现,除了第一阶IMF外,其它的六阶IMF都出现了明显的模态混叠(modemixing),而且越到后面的IMF,干扰对其影响范围越大,特别是对第七阶IMF,干扰产生的波动几乎扩散到了整个长度范围。

1 模态混叠

在利用EMD分解信号时,如果信号中包含有不连续的物理过程,即存在间断成分,那么可能会导致EMD无法识别正常尺度的IMF,造成模态混叠。图3-8(a)所示为一个连续的、频率为2.25Hz的简谐信号,(b)和(c)所示分别为两个间断的、频率为1Hz和4Hz的简谐信号,(d)所示为由(a)、(b)和(c)线性叠加而成的信号。直接利用EMD筛选得到的结果如图3-9所示,Hilbert谱如图3-10所示。

可以看到,由于被分解的信号中存在间断成分,各阶IMF都受到了严重的影响。在间断的高频信号出现的地方,正常信号被推移到了下一阶IMF中,将原本连续的时间过程分割成了两段,分别出现在不同的IMF中,使得时间尺度相差过大的波动存在于同一个IMF中,模态发生了混叠。然而,Hilbert谱的能量在时间一频率平面上的分布依然是正确的,只是在过渡区段由于模态混叠引入了虚假的波动,从而引起了瞬时频率的混淆失真。

模态混叠是EMD的一个不可回避的、必须妥善解决的问题。一方面,EMD方法的优点是可将信号分解为有限阶IMF,且每阶IMF都可望与一定的物理过程相对应,但模态混叠破坏了这种优点。间断的高频信号占据了正常信号的位置,致使每阶IMF都不能反映真实的物理过程,妨碍了人们对分析结果的正确理解。在这种情况下,各IMF之间虽然是正交的,却不是相互独立的。另一方面,当发生模态混叠时,尽管通过Hilbert变换后,各IMF中所包含的信息仍然可以出现在Hilbert谱所表征的振幅一频率一时间三维空I司的相应位置处,能量的分布并没有因模态混叠而产生错误,但实际上人们更感兴趣的往往是在某个频率范围内信号的变化特征,模态混叠常常使任何一阶IMF或几阶IMF的组合都无法较好地提供这种特征。因此,若能够找出时间尺度相差不大的波动作为IMF,则EMD的结果将会更好地体现信号在特定频率范围内的变化情况。

2 间断检验

模态混叠问题一般可通过在提取IMF时限制连续极值点间的最大尺度的方法来解决,也就是在EMD的筛选过程中引入间断检验,其具体做法为:

引入间断检验后信号分解所得的结果如图3-11所示。与原来的结果相比,间断检验后的结果仅在模态混叠的过渡点附近产生了一定的畸变,总体上可以比较准确地展现信号中所蕴涵的物理机制。

间断检验通过设定一个时间尺度来除去周期大于该尺度的波动,从而使得所有具有相近尺度的振荡成分可以被包含在特定的IMF中,这个过程从本质上讲也是一种滤波的过程。值得注意的是,虽然通过间断检验可以得到频率相近的波动作为IMF,从而更好地休现信号的物理背景,也使EMD对不同现象的研究结果便于相互比较,但这必然会给EMD方法带进主观的因素,所以任何信号都应首先不经过间断检验而直接进行分解,只有当所得IMF表现出明显的模态混叠后,再利用带有间断检验的EMD重新进行分解。

图3-12所示为实测的南京长江大桥南京联靠近南京岸边跨有火车通过时跨中斜腹杆的一段应变响应,直接利用EMD分解共得到了十三阶IMF分量,如图3-13所示,从这些IMF分量中,我们可以容易地看到火车过桥时该斜腹杆应变响应内涵的各种物理机制。第一阶IMF的频率约为在22Hz,根据以往的经验,它通常与火车的激振频率密切相关,而其它的低频分量通常对应车一桥祸合振动。但是仔细观察也可以发现,前几阶IMF中存在着模态混叠,代表火车激振的分量被分散到了c1(t),c2(t)和c3(t)中,造成了随后发生的模态混叠,这是由于在信号的采集过程中发生了未知的间断高频干扰而引起的。计算表明,通过增加EMD的筛选次数,这种模态混叠的现象也无法得以改善,事实上,筛选的次数越多,模态混叠就会表现得越为严重,还会分解出更多的IMF分量。

3 短时强噪声干扰的消除方法

短时强噪声干扰可使EMD的分解结果发生模态混叠,但是从图3-7中可以看到,异常干扰并不只存在于高频的IMF,而是分布在分解得到的各阶IMF中,因此,利用间断检验的方法消除由短时强噪声干扰引起的模态混叠是不可行的,这样势必会使得正常的物理过程也产生间断。通过对HHT的研究发现,当信号中含有短时强噪声干扰时,其基于Hilbert变换的瞬时振幅和瞬时频率会表现出明显的异常。根据这一特性,本文基于HHT提出了一种消除实测信号中短时强噪声干扰的方法,进一步拓展了HHT方法的应用范畴。

x(t)的时域波形如图3-15所示。

利用EMD对x(t)进行分解,考虑到研究的需要,当正常信号的振幅和频率的主要信息提取完毕后即停止分解,这样共得到两阶IMF,如图3-16中的c1(t)和c2(t)所示,从图中可以清楚地看到两个IMF都出现了模态混叠,残余项r2(t) 主要包含了干扰的信息。

为了表现干扰的消除效果,图3-20绘出了重构信号与真实信号在12s-14s之间的波形曲线。可以看到, 重构的信号与真实信号十分接近,计算得两者在此区段的相关系数为0.9988。

《来源科技文献，经本人分析整理，以技术会友，广交天下朋友》