基于改进EMD与CMSE的风机叶片音频信号去噪方法

• 作者: 周克印 姚恩涛 彭媛宁 石玉
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 风机叶片 经验模态分解 连续均方误差 去噪
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 数据采集及信号处理
• 页码范围: 93-100
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1701067

摘要

风机叶片旋转产生气动噪声,其特征参数与叶片的表面裂纹大小分布、表面平整度等损伤存在必然的关系.但是实测的风机叶片气动噪声不可避免地受到周围环境噪声的干扰,如何在强背景噪声下提取气动噪声,是利用音频信号实现监测风机叶片损伤的前提.由于环境噪声相对于气动噪声属于低频噪声且二者频带部分重合,针对待测信号的这一特性提出一种基于改进EMD和CMSE的风机叶片音频信号去噪方法,先将信号经验模态分解(empirical mode decomposition,EMD)为若干个表征不同频率的本征模态函数(intrinsic mode function,IMF),然后利用改进的连续均方误差(consecutive mean square error,CMSE)准则筛选出有用信号占主导的本征模态函数,重构得到去噪后的信号.在信噪比极小的情况下,CMSE准则失效,需要在EMD分解时对IMF分量辅以循环随机排列-重构-累加-平均算法,提高信号的信噪比.为了验证所提方法的有效性,分别以一种传统的EMD去噪方法(EMD+相对熵去噪方法)和所提出的改进EMD和CMSE的去噪方法对实测的风机叶片音频信号进行去噪.实验结果表明,该方法可以有效地去除噪声,优于传统的去噪方法,不受主观参数的影响.创新性地将循环随机排列-重构-累加-平均算法应用到所提出的去噪方法中,保证了该方法可以广泛适用于不同信噪比信号的去噪中,具有自适应的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周克印		57	403	12.0	16.0
2	姚恩涛		74	390	11.0	15.0
3	石玉		37	338	11.0	17.0
4	彭媛宁		1	0	0.0	0.0