基于CEEMDAN-K-means算法的爆破振动信号去噪研究

摘要

针对实测爆破振动信号存在噪声和CEEMDAN方法在去噪过程中容易造成信息缺失的问题，考虑聚类分析方法具有良好的数据处理能力，依据分解—聚类—重构的思想，提出了CEEMDAN-K-means算法的爆破振动信号去噪方法。首先，该方法通过CEEMDAN方法分解爆破振动信号获得不同数量级的IMF分量；然后，利用K-means聚类分析算法将IMF分量为五个不同类别并采用方差贡献率校核；最后，剔除高频噪声类别的IMF分量，获得重构的纯净爆破振动信号。以某露天矿爆破振动信号为例，采用信噪比和均方根误差指标，评价了CEEMDAN-K-means算法信号去噪性能。研究结果表明：与CEEMDAN方法和EMD-小波阈值方法相比，CEEMDAN-K-means信号去噪方法信噪比（20.06 dB）最大，分别提高了1.26 dB和7.7 dB,均方根误差(0.22×10^-3)最小，说明该方法不仅具有良好的信号去噪效果，也具有较好的保真度。通过对比分析不同方法信号去噪效果可知，在有效保留真实信号成分的基础上，CEEMDAN-K-means方法可以有效去除实测爆破振动信号包含的高频成分，在爆破振动信号去噪领域具有实用性和有效性，为爆破振动信号去噪方法研究提供了新思路。

关键词

爆破振动信号 / CEEMDAN / K-means聚类算法 / 去噪