爆破震動信號分析技術現(xiàn)狀及進展

，

(中國水利水電第七工程局有限公司，成都，610081)

1 引言

炸藥在巖土等介質中爆炸時，一部分能量轉化為地震波在巖土中傳播，導致鄰近的建(構)筑物震動并由此可能產(chǎn)生破壞，這種現(xiàn)象稱為爆破震動效應[1，2]。隨著我國經(jīng)濟建設的飛速發(fā)展，爆破技術被廣泛地應用在隧道開挖、礦山開采、公路與鐵路路塹開挖、水利水電設施建設等各種工程領域。爆破震動效應對周邊建(構)筑物產(chǎn)生危害，從而導致的“擾民”及“民擾”問題屢見不鮮，已經(jīng)成為工程和學術界越來越關注的重大問題。然而，由于爆破地震波的不確定性和隨機性，即使是爆破地震波在巖土中的傳播規(guī)律也沒有得到完整的認識，所以如何對爆破震動信號進行分析，已經(jīng)成為爆破領域內眾多國內外專家研究和探索的重大前沿課題[3]。

2 國內外信號分析技術的現(xiàn)狀及進展

信號分析與處理是對信號進行分析、變換、識別等加工處理，從而達到提取相關信息加以利用的目的。目前，隨機信號的分析預處理受到了各個領域特別是工程領域的很大重視，并產(chǎn)生了明顯的作用。近年來，隨著科技的發(fā)展及新型數(shù)學工具的車險，信號的時——頻表示方法已經(jīng)廣泛地應用于各個工程領域，小波變換、HHT變換、人工神經(jīng)網(wǎng)絡分析等非平穩(wěn)隨機信號，廣泛激起了人們研究的熱潮，并且取得了長足的進展[4，5]。

2.1 傅里葉變換和短時傅里葉變換

傅里葉分析技術是信號處理中的經(jīng)典技術，開創(chuàng)了信息處理和分析學科的新紀元。傅里葉變換是將信號從時域轉化為頻域的工具，其實質是把f(t)信號的波形分解為許多不同頻域的正弦波的疊加，從而將波形轉化為F(w)的研究。然而，傅里葉變換只能分別從時域和頻域對信號進行分析，但卻不能將兩者相結合。1946年，Gabor引入了短時傅里葉變換(FFT變換)，克服了標準傅里葉變換只在頻域內有局部分析能力，而在時域內不具備局部分析能力的缺陷，并在很長時間內成為了分析非平穩(wěn)信號的一種有力工具[6]。但是，短時傅里葉變換也具有不可克服的缺陷，即短時傅里葉變換實質上是具有單一分辨率的分析。如果改變分辨率，則必須重新選擇窗函數(shù)，如果選擇的窗函數(shù)窄，頻率分辨率則低，如果選擇的窗函數(shù)寬，則為平穩(wěn)假設的近似程度便會變差。因此，短時傅里葉變換用來分析平穩(wěn)信號猶可，但對于信號變化劇烈的非平穩(wěn)信號，必然對應于含有迅速變換的高頻分量，要求較高的時間分辨率，而在變換比較平緩的時刻主要是低頻，則要較高的頻率分辨率，短時傅里葉變換不能兼顧兩者。

2.2 小波變換和小波包變換

20世紀80年代初，法國地球物理學家Morlet提出了小波變換(wavelettransform)的概念。小波變換將信號f(t)分解成不同的頻道和頻率分析，并且通過伸縮、平移聚焦到f(t)的任一細節(jié)進行分析，這種“顯微鏡”作用使得小波變換成為了信號分析，特別是時頻分析的有效工具。然而，由于小波分析其尺度是按二進制離散的，所以在高頻段其頻率分辨率較差，而在低頻段其時間分辨率較差。為了解決這一問題，Wickerhauser和Coifman等在小波變換的基礎上進一步提出了小波包變換(wavelet packetanalysis)，對小波沒有分解的高頻部分也進行了分解，因此比小波分解更加精細，具有廣泛的應用價值。

2.3 HHT變換

1998年，美籍華人Huang等提出的稱為希爾伯特-黃(HHT)變換的信號處理方法，是近年來對線性和穩(wěn)態(tài)譜分析的一個重大突破。該方法本質上是對信號進行平穩(wěn)化處理，將時間信號經(jīng)過經(jīng)驗模態(tài)分解(empirical mode decomposition，EMD)，使真實存在的不同尺度波形或趨勢逐級分解開來，產(chǎn)生一系列具有不同尺度的數(shù)據(jù)序列，每個序列都是一個固有模態(tài)函數(shù)(intrinsic mode function，IMF)，然后分別對每個經(jīng)驗模態(tài)分解后的IMF進行希爾伯特變換，從而得到信號的時頻分布。

HHT變換具有諸如自適應性、且由EMD分解得到的各IMF分類都是平穩(wěn)的，能反映真實的物理過程，適合處理強間歇性信號，其三維普能準確的用波內調制機制反映出系統(tǒng)的非線性變換特性，這是以往的各種信號處理方法不能比擬的。

2.4 人工神經(jīng)網(wǎng)絡分析(artificial neural networks nanlysis)

借助人工神經(jīng)網(wǎng)絡，可以對信號進行特征提取、信號分類、由殘缺信號模式“回憶”原信號模式、語音及圖像處理等許多工作。人工神經(jīng)網(wǎng)絡信號分析方法很快應用于許多涉及信號處理、數(shù)據(jù)分析的其他學科領域，已成為信號處理領域內不可或缺的工具，正日益受到科技人員的矚目。由于人工神經(jīng)網(wǎng)絡自學習、自組織的特性，它已成為一個充滿希望的新研究方向。

3 信號分析技術在爆破震動信號分析中的應用

由于傅里葉變換對于分析非平穩(wěn)信號有著其固有的缺陷，所以目前運用小波、小波包分析及HHT分析已成為爆破領域內眾多研究者關注的對象，關注的焦點主要集中在信號的分解及信息重構、信號的頻譜分析、爆破震動信號突變成分(奇異性)的檢測與分析、頻率成分特征分析、消噪與濾波等方面。以下對運用小波和HHT對爆破震動信號分析進行對比。

3.1 信號的頻譜分析

基于小波函數(shù)的連續(xù)小波變換和HHT法對應的小波譜和Hilbert能量譜都能表現(xiàn)出良好的局部化特征，在小波譜中，由于小波變基有限長并受到測不準原理的限制，使得時頻域同時為緊支區(qū)間，從而發(fā)生能量泄露，造成小波譜上的能量呈分散特征，局部特征欠佳。即使是低頻成分，通過多次改變不同尺度來表征小波變換就會得到許多高頻成分，導致能量分散。而Hilbert能量譜能清晰地表明能量隨時頻的具體分布，具有更好的局部化能力，能量主要集中在有限的能量譜線上。小波變換與HHT法比較見圖1與圖2。

圖1 原始信號基于db3小波函數(shù)的小波譜

圖2 HHT變換的Hilbert三維能量譜

3.2 信號突變檢測

信號突變檢測用于爆破延時時間的識別。微差爆破具有效降低爆破震動效應、控制單響藥量、合理利用爆破能力、改善爆破塊度等優(yōu)點，目前在工程爆破中已得到廣泛應用。但是，起爆網(wǎng)絡本身的精度以及雷管在生產(chǎn)、運輸、儲存和操作中的影響，使得理論微差間隔時間與實際中有一定的誤差甚至“跳段”，所以確定微差爆破的實際延時時間具有重要的意義。

2014年來，許多學者運用小波分析和EMD識別法在爆破震動信號突變檢測方面做了許多研究。例如，運用小波分析模極大值(modulus maximum of wavele ttransform)識別信號奇異性的研究，基于小波變換的時-能密度分析(time-energy analysis based on wavelet transform)來檢測信號中的突變成分，爆破微差延時的EMD識別法等。研究證明，這幾種方法在分析信號的奇異性方面都具有較好的效果。圖3、圖4是以EMD識別法對爆破震動信號進行分析的實例。

圖3 爆破震動信號時程曲線

圖4 爆破震動信號經(jīng)EMD后的第2個IMF分量

圖5 第二個IMF分量的包絡

由圖5中可以清晰地看出20個突峰，即微差爆破各個段位的起爆時刻，表明該爆破震動信號是由20段爆破地震波疊加而成。通過實際各段延時實際與設計各段延時時間的對比，即可較好地識別各段雷管的誤差精度，正確地把握實際微差爆破延時。

3.3 消噪與濾波

由于受信號檢測背景的干擾以及受信號形式和處理方法的影響，爆破地震波信號廣泛存在著噪聲，因此對信號進行消噪和濾波是爆破震動信號分析的一項重要內容。

傳統(tǒng)的傅里葉消噪方法要求被分析對象是線性周期和平穩(wěn)的，而且不能同時提取信號的時頻特性，所以它對包含有許多突變信號的非平穩(wěn)信號無能為力。

與傅里葉方法相比，小波分析具有同時對信號進行時頻分析的能力，且具有局部化和濾波基靈活性的特點，能有效地區(qū)分非平穩(wěn)信號中的突變部分和噪聲。但小波消噪時須先選擇合適的小波基，雖然具有時頻局部化特點和濾波基選擇的靈活性，但是還沒有擺脫以傅里葉變換為基礎帶來的缺陷。

HHT法主要由EMD和Hilbert變換組成，其EMD即Huang變換，不需要選擇基函數(shù)且具有多分辨率和自適應的特點?？梢詮男盘柋旧淼某叨忍卣?，對分解的某些IMF進行組合，構成高通、低通、帶通濾波器以消除噪聲或進行特定的分析。這種IMF分量充分保留了信號本身的非平穩(wěn)特性，減少和消除了信號中的噪聲。

基于EMD的濾波、消噪方法，已在某些方面取得了較好的應用。

4 總結與展望

4.1 經(jīng)過近年來爆破震動信號分析方面的研究表明，HHT法相比于小波分析方法，能夠更好地揭示出地震波的特性，有利于爆破震動效應的進一步研究。

4.2 EMD方法具有自適應性、高效性的特點，不必預先選擇基函數(shù)，能將原始信號分解成少量的IMF分量，且大部分具有物理意義。信號經(jīng)過HHT法后能夠定量描述時間與瞬時頻率的關系。Hilbert能量譜能清晰地刻畫出信號能量隨時間、頻率的分布。

4.3 EMD是基于經(jīng)驗，缺少理論推理上的嚴密性，并且分離過程中存在端點污染問題，有待深入研究。

4.4 人工神經(jīng)網(wǎng)絡具有自學習、自組織的特性，目前在信號處理領域正日益受到科技人員的關注。運用人工神經(jīng)網(wǎng)絡分析爆破震動信號，需要進一步探討和研究。

〔1〕張雪亮，黃樹棠.爆破地震效應.北京：地震出版社，1981.

〔2〕李冀祺，馬素貞.爆炸力學.北京：科學出版社，1992.

〔3〕李夕兵，凌同華，張義平.爆破震動信號分析理論與技術.北京：科學出版社，2009.

〔4〕張賢達，保 錚.非平穩(wěn)信號分析與處理.北京：國防工業(yè)出版社，1998.

〔5〕胡昌華，張軍波，夏 軍等.基于MATLAB的系統(tǒng)分析與設計——小波分析.西安:西安電子科技大學出版社，2000.

〔6〕余英林，謝勝利，蔡 漢等.信號處理新方法導論.北京:清華大學出版社，2004.