基于LMD-MFE-SVD的松动爆破降噪分析

摘要

为提高松动爆破振动信号分析精度，在局部均值分解(LMD)的基础上，建立一种基于局部均值分解(LMD)-多尺度模糊熵(MFE)-奇异值滤波(SVD)的混合去噪方法。使用LMD方法对松动爆破振动信号进行分解，获得一系列乘积分量(PF);通过计算MFE和相关系数，对爆破振动信号进行初步降噪；针对主要PF分量的残留噪声，使用SVD滤波进行降噪处理，提取真实信号成分。通过上述处理，最终实现松动爆破信号降噪。结果表明：提出的LMD-MFE-SVD降噪方法具有可行性和应用价值，能够对含噪的PF分量进行有效处理；对于含多信号成分、多噪声的仿真信号，LMD类算法相较EMD类改进算法降噪效率更高，信噪比(SNR)、均根方误差(RMSE)和失真百分比(PRD)指标表现显著提升，而相较LMD算法，提出的LMD-MFE-SVD算法降噪效率进一步提高，依次提升11.73%、22.07%和9.25%,降噪效率显著；根据实测松动爆破振动信号去噪后的波形和频谱对比，提出的LMD-MFE-SVD降噪后的信号波形更为集中，能保留多数信号信息，信号频谱图更为清晰，有效显示信号频率波峰，更利于松动爆破振动信号的特征分析。

关键词

松动爆破 / 振动降噪 / 局部均值分解 / 多尺度模糊熵 / 奇异值滤波