Page 133 - 《应用声学》2025年第1期

第 44 卷 第 1 期 张润锋等： 改进 CEEMD-WPT 的裂纹声发射信号降噪方法 129

降噪结果也会有浮动，甚至会出现较差的降噪结果；
0 引言 (2) 因为添加白噪声是全时段的，所以在非突变点
也添加了白噪声，存在引入新噪声的风险。本文提
裂纹作为严重影响力学性能的损伤，广泛存在
出的改进 CEEMD-WPT 降噪方法将传统 CEEMD
于各种材料和结构中。但如果裂纹尺寸极小或者位
的单一 EMD 降噪改进为 WPT-EMD 降噪，其优点
于结构视觉死角，就会增加检查的难度，并埋下安全
在于先对加噪信号进行 WPT 处理可以有效缓解添
隐患。声发射 (Acoustic emission, AE) 是指当材料
加随机白噪声产生的两个问题，然后对分解后的
或结构产生形变或裂纹时，通过结构介质释放出的
IMF 分量进行相关系数阈值判断，并对弱相关分量
弹性波 [1−2] 。AE 技术是一种结构健康监测技术 [3] ，
再次进行 WPT 降噪，最后将降噪后的弱相关分量
其有着在线监测、高灵敏度、早期和快速的缺陷检
与强相关分量进行信号重构得到降噪信号。此方
测等优点 [4−6] ，广泛应用于机械、地质、材料等领域
法经过实验表明其相对于传统 CEEMD 降噪有更
并获得了大量成果 [7] 。AE 技术的应用也存在困难，
好的降噪效果，并能极大地提升降噪稳定性。除此
AE 信号的记录可能会受环境和接触区的影响产生
之外，本文针对目前真实信号降噪效果没有可靠
噪声 [8] ，为此学者们陆续提出了多种降噪方法。
的量化评价指标这一问题设计了 “信号主区间系数
最常用的降噪算法有小波和经验模态分解
(Signal principal interval coefficient, SPIC)”，并用
(Empirical mode decomposition, EMD) 及其衍生
实验证明了其可靠的量化性能。
算法，如小波包变换 (Wavelet packet transform,
WPT)、集合经验模态分解 (Ensemble empirical 1 基本理论
mode decomposition, EEMD)、互补集合经验模
态分解(Complementary ensemble empirical modal 1.1 CEEMD降噪
decomposition, CEEMD)、自适应噪声完备集合经 (1) 为了解决EMD 中的模式混叠问题，学者们
验模态分解(Complete ensemble empirical node de- 提出了 EEMD，其采用了先对原信号添加多组白噪
composition with adaptive noise, CEEMDAN)等。 声，然后重复EMD，最后对整体的IMFs分量求平均
其中王建国等 [9] 发现，先进行短时傅里叶捕获 AE 的方法，但并没有完全解决模式混叠问题，反而导致
信号特征，再使用特征挑选合适的小波基函数进 计算量增大和噪声残留。与 EEMD 方法不同的是，
行小波降噪，可有效提高降噪效果。刘忠等 [10−11] CEEMD采用成对添加白噪声的方法来解决噪声残
在处理水轮机随机噪声时，提出了 EMD 阈值降噪 留问题，其流程如下：
法。He 等 [12] 发现采用单基函数的小波降噪方法 首先在原信号中成对添加白噪声。

面对有同频干扰的低信噪比 (Signal-to-noise ratio,  x(t) + ε (t),
i
SNR) 信号效果较差，并针对此问题提出了基于 x i (t) = i i = 1, 2, · · · , n, (1)
 x(t) − ε (t),
EMD 和 WPT 的降噪方法。胡龙飞等 [13] 提出了
i
式 (1) 中，x(t) 为原信号；ε (t) 为白噪声；x i (t) 为添
结合 CEEMD 和改进小波阈值降噪方法的自适应
加噪声后的信号对。
降噪方法。孙育晖等 [14] 在水电机组振动研究中
对x i (t)信号对进行EMD。
提出的结合 CEEMDAN、长短期记忆递归神经网
络、改进粒子群算法的预测模型，杨智中等 [15] 在 IMFs = EMD(x i (t)). (2)
混凝土 AE信号的研究中提出的 CEEMDAN-WPT (2) 计算得到 2n 组 IMFs 分量的平均值，即为
降噪算法，它们与目前大多数基于EMD [16−18] 的改 CEEMD结果。
进算法都有着相同的特点 “对分解后的固有模态函 2n
1 ∑
数(Intrinsic mode function, IMF) 分量进行选择处 IMF = IMF ij (t), (3)
2n
理”，并没有在分解流程上做创新。 i=1
式(3)中，IMF ij (t)为第i个信号分解的第j 个分量。
传统的 CEEMD 降噪算法为了解决突变点引
发的模态混叠问题在全时段添加了白噪声，虽然在 1.2 WPT降噪
大量的 AE 研究中有着不错的表现，但是也因此产 WPT 是由小波变换改进而来的，其通过对高
生了两个问题：(1) 因为添加白噪声是随机的，所以 频部分的分解改善了小波分解 (Wavelat) 高频分辨