冻结立井爆破振动信号的EMD-DFA去噪研究

"冻结立井爆破振动信号去噪研究" 在煤矿安全施工中，对爆破工程的振动监测至关重要，因为它直接关系到施工的安全性和建筑物的抗震设计。然而，由于爆破过程中复杂的地质水文条件和周围环境，实际记录到的爆破振动信号常常混杂着大量无关干扰，使得直接分析信号会产生较大误差，无法准确揭示爆破的真实信息。因此，对这些信号进行科学的去噪处理显得尤为必要。 针对非平稳的爆破振动信号，本文提出了一种新的去噪方法——经验模态分解-去趋势项波动分析(EMD-DFA)组合法。EMD是一种自适应的数据分析方法，能够分解复杂信号成一系列内在模态分量(IMF)，而DFA则用于分析信号的长期波动性质，二者结合可以有效地处理信号的非线性和短时特性。通过比较EMD-DFA法与小波阈值法、EMD和EEMD（增强经验模态分解）法、小波熵去噪法的去噪效果，研究发现EMD-DFA组合法在提高信噪比、保持信号互相关度以及减小误差方面表现最佳，尤其适合处理高噪声污染的爆破振动信号，能保留原始信号的瞬态非平稳特征，从而达到最优的去噪效果。 过去的研究中，学者们已经尝试了多种去噪技术。例如，熊正明等人通过改进小波阈值去噪方法，解决了“振荡”问题，提升了去噪精度；夏晨曦等对比了基于Shannon熵准则的小波包基和小波变换的去噪性能，证实了小波包基的自适应优势；谢全民则将二代小波引入爆破振动分析，利用最优提升小波包基分解和阈值去噪算法取得了良好效果；刘莹等人改进了EMD分解后的IMF分量去噪阈值函数，解决了信噪分界面的识别难题；邓青林等结合集成经验模态分解和小波变换提出了一种新的去噪策略，同样获得了良好的去噪效果。 对于冻结立井爆破振动信号的去噪，EMD-DFA组合法因其在处理非线性和短期信号上的优越性，成为了一个颇具潜力的解决方案。未来的研究可能继续探索更高效、更适应复杂环境的去噪技术，以进一步提升爆破振动监测的准确性和安全性。