基于經驗模態(tài)分解和小波閾值的沖擊信號去噪

蘇秀紅，李 皓

(中國工程物理研究院總體工程研究所，四川 綿陽 621900)

基于經驗模態(tài)分解和小波閾值的沖擊信號去噪

蘇秀紅，李 皓

(中國工程物理研究院總體工程研究所，四川 綿陽 621900)

沖擊信號是非線性的并且容易受到噪聲污染；為研究沖擊信號去噪的問題，針對經驗模態(tài)分解(EmpiricalModeDecomposition,EMD)去噪和小波閾值去噪方法存在的不足，提出了基于EMD的小波閾值去噪方法；單純的EMD去噪方法會在去除高頻噪聲的同時壓制高頻的有效信息；EMD與小波閾值去噪相結合，利用連續(xù)均方誤差準則確定含噪較多的高頻固有模態(tài)函數(IntrinsicModeFunction,IMF)，對高頻IMF分量進行小波閾值去噪，以分離并保留這些分量中的有效信息，同時保持低頻IMF分量不變；對模擬數據和實際沖擊信號進行去噪處理，結果表明，基于EMD的小波閾值去噪方法的去噪效果優(yōu)于單純的EMD去噪方法和小波閾值去噪方法。

小波閾值；經驗模態(tài)分解；沖擊信號；去噪

0 引言

軍用產品及其部件在運輸、發(fā)射、飛行、使用的過程中都會受到機械沖擊的作用。因此在產品的研制過程中，沖擊試驗是必不可少的考核項目。沖擊試驗包括爆炸分離、跌落等試驗項目，主要考核產品的結構特性、評定產品對于沖擊環(huán)境的適應性。實際的沖擊試驗現場環(huán)境比較惡劣，為了保證試驗的安全性，記錄儀器到測試用傳感器之間一般存在一定距離，實際沖擊信號采集過程中易受試驗環(huán)境和測試系統的影響，測試信號中混雜噪聲的情況不可避免，這會影響振動信號的特征提取。因此，如何去除沖擊信號中的噪聲，提高測試數據的可靠性和準確性，是沖擊信號分析研究的基礎。

希爾伯特黃變換是Huang提出的一種時頻分析方法[1]，它是一種自適應的時頻分析方法，不需要事先選定基函數，可根據信號的局部時變特征進行自適應的時頻分解，具有很好的時頻分辨率，因此非常適合于非平穩(wěn)信號的分析。EMD作為希爾伯特黃變換的第一步，指的是將信號分解為有限數目頻率依次遞減的IMF，該方法是從信號本身的尺度特征出發(fā)對信號進行分解，因此是后驗的。EMD作為處理非平穩(wěn)信號的有效方法，已被成功應用到力學、信號分析等多個領域，基于EMD的信號去噪也被廣泛研究。文章[2]利用EMD對脈沖類電磁噪聲進行壓制處理，引入閥值的概念對IMF進行處理，實測數據表明此方法可以有效抑制噪聲干擾；文獻[3]提出一種基于EMD和互信息熵的強噪聲背景下的微震信號提取方法。

小波變換作為一種比較成熟的信號分析方法，因其具有多尺度性、去相關性和低熵性等特性，在信號去噪方面應用廣泛，特別是在隨機噪聲的壓制上具有很好的效果。Donoho[4]在1995年提出基于小波分析的閾值去噪方法，該方法在Besov空間上可得到最佳估計值，因此，在信號去噪領域得到了廣泛的應用。基本的收縮函數包括軟閾值函數和硬閾值函數，這兩種閾值函數在信號降噪處理中效果不錯，但在連續(xù)性和逼近原始信號方面存在一定缺點。針對此，文獻[5-8]分別提出不同的改進閾值函數，并通過仿真驗證了改進閾值函數的性能提升。

本文將小波閾值函數去噪的方法與EMD分解方法相結合，引入連續(xù)均方誤差準則獲取能量分界點，以確定需要降噪的高頻IMF分量，只對高頻IMF分量進行小波閾值去噪，保持低頻IMF分量不變，通過信號重構獲得降噪后的信號。模擬數據仿真和試驗研究均能驗證本文所提聯合去噪方法的性能提升。

1 方法原理及步驟

1.1 EMD方法

經驗模態(tài)分解又稱huang變換，該方法不需要事先選擇基函數，它根據信號的局部時變特征進行自適應的時頻分解。EMD方法將原信號x(t)分解為一系列IMF分量Ci和一個殘余項rn的和[9]，即：

(1)

式(1)中Ci表示各階IMF，rn為殘余項。Ci一般通過包絡擬合的方式求得，分別代表了原始信號中不同時間尺度上的特征信號。

1.2 小波閾值去噪

小波閾值去噪首先將信號變換到小波域，在小波域內進行閾值處理，壓制包含隨機噪聲的小波系數。最后通過小波系數重構，得到去噪后的信號。閾值處理方法包括硬閾值和軟閾值方法，硬閾值方法是保持高于閾值的小波系數不變，將各子空間低于閾值的小波系數置零；軟閾值方法是將小波系數按某一固定量向零收縮，由新的小波系數進行重構得到去噪后的信號。硬閾值表達式為

(2)

軟閾值函數的表達式為

(3)

2 基于EMD的小波改進閾值去噪

2.1 聯合去噪算法

由于EMD去噪方法是舍棄一個或多個的高頻分量，因此在去除高頻噪聲的同時也將相應分量上的有效信息一并去除，進而導致信號的嚴重失真[11]；而小波閾值去噪的方法在去除大部分噪聲的同時，會將小幅度的有效信號一并去除。本文將EMD和小波閾值去噪結合在一起，首先將信號進行EMD分解得到頻率由高到低的IMF分量，只對高頻分量進行小波閾值去噪，保持低頻IMF不變。最后將去噪后的高頻IMF和低頻分量以及殘余量合并，即得到去噪后的信號。

(4)

式中Ci(t)為信號x(t)經EMD所得的第i個IMF分量。信號的連續(xù)均方誤差定義為[12]：

(5)

其中N為信號x(t)的長度，Ck(t)為信號x(t)經EMD分解后所得的第k個IMF分量?；谝陨戏治?，可以確定信號能量分界點為：

(6)

確定分界點Cis之后，對劃分出的高頻段內IMF分量進行小波閾值去噪，而低頻段內IMF分量則認為其不含噪聲，不作去噪處理。這樣既可以避免直接舍棄高頻分量造成的有用信息丟失，同時由于小波去噪僅作用于高頻IMF分量，因此能夠較大程度克服小波閾值去噪的缺陷?；谝陨戏治?，本文提出的去噪算法的具體步驟如下：

1)對受干擾的振動信號x(t)進行EMD分解，得到各模態(tài)分量Ci；

2)根據連續(xù)均方誤差準則，確定is的取值；

算法相應的流程圖見圖1。

圖1 基于EMD的小波閾值去噪方法流程圖

2.2 模擬信號仿真分析

為了驗證所提去噪算法的性能，在對實測沖擊信號進行去噪處理之前，首先在Matlab環(huán)境下構建信號模型，對模擬含噪信號分別用EMD低通去噪法、小波閾值去噪法和本文提出的去噪方法進行仿真。模擬非平穩(wěn)信號采用仿真模擬地震Ricker子波，Ricker子波的數學表達式為：

(7)

上式中，f(t)為振幅，fp=50 Hz為譜峰頻率。信號在去噪之前疊加高斯白噪聲。不加噪聲的Ricker子波初始信號和含噪噪聲如圖2和圖3所示。

圖2 原始信號

圖3 加噪信號

圖4 EMD低通去噪后的信號

圖5 小波去噪后的信號

圖6 聯合去噪后的信號

分別采用EMD低通去噪法、小波閾值去噪和本文所提聯合去噪方法對加噪后的信號進行去噪處理，得到如圖4～6所示的結果。其中小波函數選取dB5小波，分解層次為5層，小波閾值函數采用軟閾值函數，并且閾值確定規(guī)則相同。從圖2(c)中可以看出，由于噪聲主要分布在第一個高頻分量中，經EMD低通法去噪后，能夠有效的壓制噪聲，去噪后的信號平滑，幾乎無毛刺。但由于高頻分量中仍含有有效信息，舍棄高頻分量，使得信號在降噪的同時幅值有所降低。

從圖5和圖6中可以看出，信號經過小波閾值去噪和聯合去噪方法去噪后，都能有效地壓制噪聲，較好恢復信號的原貌，并且本文所提方法去噪后的信號更加平穩(wěn)，毛刺更少。由此可以直觀的看出聯合去噪算法的優(yōu)勢。

為定量評估去噪算法的去噪性能，引入均方根值(Root-Mean-Square Error，RMSE)和信噪比(Signal to Noise Ratio, SNR)的概念，公式如下

(8)

(9)

分別按照公式(8)和(9)計算3種算法的RMSE和SNR，所得結果見表1。從表1中能更好地看出3種算法的差異。對比兩個指標的性能可以看出，本文所提算法顯著的降低了RMSE，相對于小波直接去噪算法，信噪比提升了約6個dB，而相對于EMD低通去噪法提升了8個dB。

表1 3種去噪算法參數對比

3 實測沖擊信號分析

為了考核某產品在惡劣環(huán)境條件下的生存能力，現開展跌落試驗，以模擬實際工作中的沖擊環(huán)境，分析沖擊對產品的破壞程度。本文選取一段跌落試驗中的測試數據作為原始信號，從圖7中可以看出，背景噪聲很強，實測信號受噪聲干擾明顯。

圖7 原始含噪信號

3.1 小波閾值去噪

圖8所示為直接對沖擊信號進行小波降噪的結果，降噪過程選取dB5小波，分解層數為5，采用軟閾值去噪方法。從圖8中可以看出，直接運用小波閾值去噪的方法基本上可以將信號從噪聲中還原，去噪效果比較理想，但是去噪后的信號部分尖點仍然較模糊，信號仍存在較多毛刺。

圖8 小波閾值去噪后的信號

3.2EMD低通去噪

對沖擊信號進行EMD分解，沖擊信號分解為imf1～imf11共11個分量和1個殘余量res，分量圖見圖9～10。從圖中可以看出噪聲主要存在于imf1、imf2和imf3三個分量中。

按照EMD低通濾波去噪方法的原理，將前3個高頻分量去除，剩余分量重構的信號見圖11。從圖11中可以看出，去噪后的信號清晰光滑，噪聲被有效去除，但信號幅度明顯降低。這是由于被舍棄的前3個分量在含有噪聲的同時，也包含有用信息在內。EMD去噪法在去除噪聲的同時，高頻分量中的有效信息被誤作噪聲而舍掉。直接EMD去噪的方法在去除高頻噪聲的同時會削減有用信號，造成信息丟失，因此這種去噪方法是比較粗糙的。圖12為EMD低通去噪后的信號差值，從圖12中可以看出，信號差值有明顯尖峰部分，這也說明部分有用信號被誤作噪聲，在去噪的同時被舍掉。

圖9 原始信號EMD分解的IMF分量(imf1～imf6)

圖10 原始信號EMD分解后的IMF分量及殘余量(imf7～imf11、res12)

圖11 EMD低通去噪后的信號

圖12 EMD低通去噪后的信號差值

3.3EMD-小波閾值聯合去噪

為避免EMD低通去噪法中將高頻分量中有用信息誤作噪聲的弊端，將EMD分解和小波閾值去噪相結合，對含噪的沖擊信號進行去噪處理。首先通過連續(xù)均方誤差準則得出分界點is=3，因此對分量imf1、imf2和imf3進行小波閾值去噪處理，其余分量則不作處理，保持不變。去噪前和去噪后的前3個imf分量見圖13～14。將去噪后的3個分量和其余分量相加，得到重構后的信號，即為聯合算法去噪后的信號，重構信號見圖15。從圖15中可以看出，噪聲被有效去除，聯合去噪后的信號較平緩，基本無毛刺，去噪效果理想。并且從圖16中可以看出，與EMD低通濾波相比較，信號的去噪差值平緩，無尖峰，說明去除的基本是噪聲，原始沖擊信號中的有用信號得以保留。

圖13 去噪前的前3個imf分量

圖14 去噪后的前3個imf分量

圖15 聯合去噪后的信號

圖16 聯合去噪后的信號差值

3.4 去噪效果對比

為了對比3種去噪算法的去噪性能，分別對原始信號、EMD低通法、小波閾值法和聯合去噪法去噪后的信號做傅里葉變換，得到信號的頻譜圖，見圖17～20。

分析可知:

1)原始信號頻率分布散亂，充滿整個頻率坐標軸，高頻部分分量明顯。小波閾值法去噪后，信號大于50 kHz的部分，頻率幅值大幅減小，但仍有分布；EMD低通濾波法和聯合去噪法去噪后，大于50 kHz的部分，頻率幅值分布大幅減少，趨近于0。因此，頻譜分布說明小波閾值法去噪能力相對有限，而EMD低通去噪法和聯合去噪法去噪效果更完全。

2)對比原始信號和去噪后的信號頻譜圖可知，EMD低通法去噪后信號在低頻段的能量明顯降低，也即，部分真實信號連同噪聲被一起去除，造成信號失真現象。而聯合去噪法去噪中的有用特征信息MF1、MF2和MF3被有效提取，并與其他IMF分量重構，從而避免了信號失真。

圖17 原始沖擊信號的頻譜圖

4 結論

本文針對沖擊信號呈現非平穩(wěn)性以及信噪比低的特點，提出了一種小波閾值降噪和經驗模態(tài)分解相結合的信號去噪方法。首先對含噪信號進行EMD分解，得到頻率由高到低的IMF分量后，利用均方誤差準則獲得高頻與低頻的分界點，對高頻部分進行小波閾值降噪，并保留低頻段的有用信息，使得降噪重構后的信號較好地保留了原始信號的波形特征。本文所提的聯合去噪方法兼顧了小波閾值去噪方法和EMD去噪方法的優(yōu)點，通過仿真可以看出，信噪比和均方根值都有明顯改善，證明所提去噪方法可以獲得較理想的效果。最后通過對工程沖擊信號進行去噪處理，從分析上也可以看出，本文所提方法相較于另外兩種方法有較明顯的性能提升，從而說明本文所提方法可以應用于實際的沖擊信號去噪處理。新的去噪方法簡單易實現，為實測沖擊信號中的數據去噪和特征信號提取提供了一種較好的解決方法。

圖18 小波閾值去噪后信號頻譜圖

圖19 EMD低通去噪后信號頻譜圖

圖20 聯合去噪后信號頻譜圖

[1]HuangNE,ShenZ,LongSR,etal.TheempiricalmodedecompositionandtheHilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis[C].ProcRoySocLondA，1998: 903-995.

[2] 王正海，耿 欣，姚卓森，等.基于經驗模態(tài)分解的MT數據脈沖類電磁噪聲處理[J].吉林大學學報：地球科學版，2014，44(1)：344-349.

[3] 梁 喆, 彭蘇萍, 鄭 晶. 基于EMD和互信息熵的微震信號自適應去噪[J]. 計算機工程與應用,2014，50(4):7-11.

[4]MallatSG.Atheoryformultiresolutionsignaldecomposition:thewaveletrepresentation[J].IEEETrans.Pat.Anal.Mach.Intel, 1989, 11(7): 674-693.

[5] 張 弦, 李世平, 孫浚清, 等. 一種改進的小波閾值去噪方法[J].微計算機信息, 2007, 23(11): 309-311.

[6]WalkerJ.S.APrimeronWaveletsandtheirScientificApplications[M].London.CRCPress, 1999.

[7]PoornachandraS.,Wavelet-baseddenoisingusingsubbanddependentthresholdforECGsignals[J].DigitalSignalProcessing, 2008, 18: 49-55.

[8] 張 通, 張 駿, 張 怡. 基于改進小波閾值的激光陀螺漂移信號降噪[J]. 儀器儀表學, 2011, 32(2): 258-263

[9]HuangNE,ShenZ.TheempiricalmodedecompositionandtheHilbertspecturmfornonlinearandnon-stationarytimeseriesanalysis[Z].

[10]S.Vafaei，H.Rahnejat.Indicatedrepeatablerunoutwithwaveletdecomposition(IRR-WD)foreffectivedeterminationofbearing-inducedvibration[J].JournalofSoundandVibration，2003，260: 67 - 82.

[11]唐進元，陳維濤，陳思雨，等.一種新的小波閾值函數及其在振動信號去噪分析中的應用[J]. 振動與沖擊，2009，28(7): 118-121.

[12]DonohoDL,JohnstoneIM.Idealspatialadaptationbywaveletshrinkage[J].Biometrika, 1994, 81 (3): 425-455.

[13]DonohoDL.Denoisingbysoft-thresholding[J].IEEETransactionsonInformationTheory, 1995, 41(3): 613-627.

[14]BoudraaAO，CexusJC.EMD-basedsignalfiltering[J].IEEETransactionsonInstrumentationandMeasurement，2007，56(6): 2196-2202.

[15]朱瑞賡，李 錚.爆炸地震波的現場測量及其安全距離[J].爆炸與沖擊，1982(1):60-67.

Denoising of Shock Signal Based on EMD and Wavelet Threshold

Su Xiuhong, Li Hao

(Institute of System Engineering, CAEP, Mianyang 621900, China)

Shock signal is easily interfered by noise. As Empirical Mode Decomposition(EMD) denoising method and wavelet threshold denoising method both have their disadvantages, a new denoising method is proposed when they are combined. When removing high-frequency noise, EMD denoising method also suppresses effective high-frequency information. In the proposed denoising method, continuous square error rule is used to define IMF components with higher frequency, and the wavelet threshold method is applied in those components. Meanwhile the other IMF components retains the same. Firstly the performance of proposed denoising method is validated by simulation, then the proposed method is applied in shock signal. The results show that the denoising effect of the proposed method is better than both single methods.

wavelet threshold; EMD; denoising; shock signal

2016-08-03；

2016-09-13。

蘇秀紅(1988-)，女，碩士，工程師，主要從事動態(tài)測試技術與數字信號處理方向的研究。

1671-4598(2017)01-0204-05DOI：10.16526/j.cnki.11-4762/tp

O322;TN

A