在公路隧道爆破中,为了获得准确、真实的振动特征,基于鲁棒性局部均值分解(robust local mean decomposition,RLMD)和经验小波变换(empirical wavelet transform,EWT),建立了一种RLMD-EWT联合降噪方法。首先,将实测信号进行RLMD分解,得...在公路隧道爆破中,为了获得准确、真实的振动特征,基于鲁棒性局部均值分解(robust local mean decomposition,RLMD)和经验小波变换(empirical wavelet transform,EWT),建立了一种RLMD-EWT联合降噪方法。首先,将实测信号进行RLMD分解,得到若干乘积函数(product functions,PF)分量,结合相关系数和样本熵(sample entropy,SE)对PF分量进行分类,对含噪分量进行EWT分解,进而实现降噪目标。通过降噪效果对比,RLMD-EWT联合降噪方法具备可行性,相较LMD、EWT、RLMD和LMD-WT方法,表现出更优的降噪性能、更高的降噪效率和准确度。结合HHT频谱图,RLMD-EWT方法对于30~50 Hz、250 Hz以上2个频段的噪声可实现有效滤除,具备良好的信号适用度。展开更多
文摘在公路隧道爆破中,为了获得准确、真实的振动特征,基于鲁棒性局部均值分解(robust local mean decomposition,RLMD)和经验小波变换(empirical wavelet transform,EWT),建立了一种RLMD-EWT联合降噪方法。首先,将实测信号进行RLMD分解,得到若干乘积函数(product functions,PF)分量,结合相关系数和样本熵(sample entropy,SE)对PF分量进行分类,对含噪分量进行EWT分解,进而实现降噪目标。通过降噪效果对比,RLMD-EWT联合降噪方法具备可行性,相较LMD、EWT、RLMD和LMD-WT方法,表现出更优的降噪性能、更高的降噪效率和准确度。结合HHT频谱图,RLMD-EWT方法对于30~50 Hz、250 Hz以上2个频段的噪声可实现有效滤除,具备良好的信号适用度。
