煤岩微弱电磁信号噪声识别与分源去噪技术

"这篇科研论文探讨了煤岩微弱电磁信号的噪声源识别及去噪方法，主要针对在煤岩破坏过程中产生的微弱电磁信号，这些信号对于预测煤岩动力灾害具有重要意义。然而，由于信号微弱，容易受到外界干扰。论文提出了多种噪声识别和去除策略，包括循环带阻滤波、基于白噪声统计特性的均值滤波、利用EMD（经验模态分解）的均值滤波、以及模态分量自相关函数频谱的准周期特征识别和带阻滤波。此外，还引入了一种在信号源未知情况下的噪噪比（NNR）方法来评估去噪效果。实验结果显示，分源去噪方法在处理煤岩受载微弱电磁信号时，其噪噪比仅为0.1366，优于单一的小波和EMD去噪技术，证明了该方法的有效性。该研究由中国矿业大学（北京）资源与安全工程学院的研究团队完成，得到了国家自然科学基金的支持。" 在本文中，研究人员首先指出了分析煤岩破坏产生的电磁信号特征对于预测煤岩动力灾害的重要性。然而，当这些信号很微弱时，环境噪声会严重影响分析的准确性。为了克服这一挑战，他们进行了深入的实验研究，识别了各种噪声源，并研究了它们的特性。 提出的去噪方法包括： 1. 循环带阻滤波：通过特定频率范围内的滤波来抑制不需要的噪声成分。 2. 基于白噪声统计特征的均值滤波：利用白噪声的统计特性，如高自相关性，来去除噪声。 3. 基于EMD的经验模态分解均值滤波：EMD是一种自适应信号分解方法，通过分解信号为一系列本征模态函数（IMF），然后应用均值滤波来减少噪声。 4. 基于模态分量自相关函数频谱的准周期特征识别及带阻滤波：通过对模态分量的自相关函数进行频谱分析，识别出准周期噪声，并用带阻滤波器去除。 此外，研究人员还提出了一种噪噪比（NNR）指标，在信号源未知的情况下评估去噪效果。通过比较不同去噪方法处理后的结果，发现分源去噪方法的噪噪比低至0.1366，显示出显著的性能优势，这表明分源去噪策略更适用于处理煤岩受载微弱电磁信号的噪声问题。 该研究的成果对于提高煤岩动力灾害预测的准确性具有实际意义，尤其是在噪声环境下，提供了一种有效的信号处理手段。这些方法不仅适用于煤岩领域，也可能被其他类似领域的微弱信号检测和分析所借鉴。