基于小波阈值降噪与能量比值法的改进HHT算法

基于小波阈值降噪与能量比值法的改进hht算法
技术领域
1.本方法提出一种基于改进hht算法的微震信号时频分析方法，属于信号处理领域。该方法通过小波阈值去降噪降低原始信号的噪声，然后通过能量比值法识别出emd分解后的虚假imf分量，从而提高信号处理的准确性。


背景技术：

2.目前国内外对于微震信号的时频分析方法，主要有三种不同的方法：短时傅里叶变换法。它能够提供信号的频谱分析，且计算简单，易于实现和理解。但是这种方法对于非平稳信号的时频分析能力较差，难以同时获得高分辨率的高频与低频信息，并不适用于微震信号的分析。
3.小波变换法，具有多维度分析的能力，可以同时提供时域和频域的信息。小波变换法对于非平稳信号具有较好的时频局部分化特性。但是小波变换的选择和参数设置需要经验，且一旦确定后就无法更改，因此无法适用于所有类型的微震信号。其次小波基函数的选择对分析结果有很大的影响，不同小波基函数适用于不同频率范围的信号。
4.希尔伯特变换法，能够处理非线性、非平稳的信号，适用于微震信号这种的时频分析方法。并且它具有较高的时频局部化能力，可以提供信号的局部特征信息。但是希尔伯特变换对噪声十分敏感，噪声会对hht的分析结果产生很大的影响。同时imf分量的提取容易受到虚假分量的干扰，需要进行虚假imf分量识别。
5.改进hht算法继承了hht对微震信号的分析优势，同时去除了原始信号中的大量噪声，并能够有效识别虚假imf分量。从而极大的提高了分析结果的可靠性和准确性。


技术实现要素：

6.本发明要解决的问题是提供一种基于小波阈值降噪与能量比值法的改进hht算法，该算法首先对输入的原始数据进行优化，采用预处理分方式，减小噪声对分析结果的影响。然后识别出虚假imf分量，从而进一步提高分析结果的准确性。
7.为解决上述技术问题，本发明采用的技术方案是：
8.如图1所示，一种基于小波阈值降噪与能量比值法的改进hht算法的微震数据信号处理主要分为以下几个步骤：
9.步骤1：数据预处理：使用小波阈值降噪对原始含噪信号进行降噪操作，从而获得降噪后的信号。小波阈值降噪流程如图2所示。
10.步骤2：emd分解：将降噪后的信号做归一化处理后进行emd分解。
11.步骤3：剔除虚假分量：使用能量比值法鉴定emd分解后的各imf分量是否为虚假分量。
12.步骤4：信号重构：去除虚假imf分量后，将剩下的真实分量进行信号重构，组成不含噪声以及虚假分量的重组信号。
13.步骤5：hilbert分析：对重构信号进行hilbert分析，在时域内可以形成边际谱，频
域内可以变换成瞬时频率与瞬时幅值。
14.所输入的原始信号数据中包含的信号有：微震信号、噪声信号。
15.对输入的原始信号采用小波阈值降噪算法进行噪声去除。其中小波基选用sym6，阈值函数选用的是硬阈值函数，阈值选用的是通用阈值。
16.对降噪后的信号进行归一化处理，然后进行emd分解。emd分解过程实质是一个筛分过程，如图3所示。它将复杂信号分解成多个单一频率的分量信号。
17.经过emd分解后会产生多个imf分量，由于噪声的干扰会出现虚假分量现象，因此需要进行虚假分量识别。通过能量比值法能够有效识别出虚假分量。能量比值法的原理是：真实分量所含的能量一定与原始信号的能量值相近，而虚假分量所含的能量值则与原始信号的能量值相差很大。
18.去除掉虚假分量后，对剩余的真实分量进行信号重构，并对重构信号进行hilbert分析，生成对应的边际谱、时频图以及瞬时频率图等。
19.本发明的有益之处在于使用小波阈值降噪法极大的降低了噪声对原始信号的干扰，提高了信号的质量和准确度；同时使用了能量比值法有效的鉴定出虚假分量，大大降低了这些因素对最后的分析结果得干扰，极大地提高了信号分析得准确性。
附图说明
20.图1是本发明的基于小波阈值降噪与能量比值法的改进hht方法示意图。
21.图2是本发明的小波阈值降噪流程图。
22.图3是本发明的emd分解流程图。
具体实施方式
23.下面结合附图和具体实施方式来对本发明作进一步的说明：
24.如图1所示，一种基于小波阈值降噪与能量比值法的改进hht方法主要分为以下几个步骤：
25.步骤1：数据预处理：使用小波阈值降噪对原始含噪信号进行降噪操作，从而获得降噪后的信号。小波阈值降噪流程如图2所示。
26.步骤2：emd分解：将降噪后的信号做归一化处理后进行emd分解。
27.步骤3：剔除虚假分量：使用能量比值法鉴定emd分解后的各imf分量是否为虚假分量。
28.步骤4：信号重构：去除虚假imf分量后，将剩下的真实分量进行信号重构，组成不含噪声以及虚假分量的重组信号。
29.步骤5：hilbert分析：对重构信号进行hilbert分析，在时域内可以形成边际谱，频域内可以变换成瞬时频率与瞬时幅值。
30.实施例1：
31.以改进hht算法为基础，通过对微震信号数据进行时频分析为例，来说明本发明的使用方法。
32.将采集到的微震信号数据作为原始数据，使用matlab绘制出原始数据的信号分布图以及频谱。
33.对原始信号进行小波阈值降噪。
34.对降噪后的微震信号进行emd分解，得到10各imf分量。计算出各imf分量的能量比值如表1所示。根据计算结果能够得出：imf1,imf2以及imf3为真实分量。
35.imf1imf2imf3imf4imf5rat(i)0.33340.30070.21950.09750.0456imf6imf7imf8imf9imf10rat(i)0.00590.00292.7305e-041.5204e-053.3983e-07
36.对真实分量进行信号重构，对重构信号进行hilbert变换，将所得到的希尔伯特谱以图形的形式展示出来就是hilbert谱，它能够反映信号时间、频率计以能量幅值三者的关系。绘制出其图形。
37.重构信号的能量分布更为集中，且与原始信号能量分布趋势相同。因此通过小波阈值降噪和能量比值法处理后的改进hht算法所得出的分析结果清晰度更高，可靠性更强。
38.以上所述的实施方式较为具体详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。


技术特征：
1.基于小波阈值降噪与能量比值法的改进hht算法步骤主要包括以下几个方面：步骤1：数据预处理：使用小波阈值降噪对原始含噪信号进行降噪操作，从而获得降噪后的信号；步骤2：emd分解：将降噪后的信号做归一化处理后进行emd分解；步骤3：剔除虚假分量：使用能量比值法鉴定emd分解后的各imf分量是否为虚假分量；步骤4：信号重构：去除虚假imf分量后，将剩下的真实分量进行信号重构，组成不含噪声以及虚假分量的重组信号；步骤5：hilbert分析：对重构信号进行hilbert分析，在时域内可以形成边际谱，频域内可以变换成瞬时频率与瞬时幅值。2.一种采用权利要求1所述的基于小波阈值降噪与能量比值法的改进hht算法对微震信号的时频分析，其特征在于：对原始微震信号进行小波阈值降噪的数据预处理操作。3.一种采用权利要求1所述的基于小波阈值降噪与能量比值法的改进hht算法对微震信号的时频分析，其特征在于：对emd分解后生成的各imf分量计算能量比值，识别其中的虚假分量。4.一种采用权利要求1所述的基于小波阈值降噪与能量比值法的改进hht算法对微震信号的时频分析，其特征在于：经过emd分解后会产生多个imf分量，由于噪声的干扰会出现虚假分量现象，因此需要进行虚假分量识别。通过能量比值法能够有效识别出虚假分量。能量比值法的原理是：真实分量所含的能量一定与原始信号的能量值相近，而虚假分量所含的能量值则与原始信号的能量值相差很大。5.一种采用权利要求1所述的基于小波阈值降噪与能量比值法的改进hht算法对微震信号的时频分析，其特征在于：去除掉虚假分量后，对剩余的真实分量进行信号重构，并对重构信号进行hilbert分析，生成对应的边际谱、时频图以及瞬时频率图等。

技术总结
本发明公开了一种基于改进HHT算法的微震信号时频分析方法，改进HHT算法的内容包括：使用小波阈值降噪进行数据预处理，能量比值法识别虚假IMF分量。能够实现：去除原始微震数据中的大量噪声信号，有效识别出虚假的IMF分量。从而使得最后的分析结果更加精准、可靠。可靠。可靠。


技术研发人员：刘成安 柏易欣 谢磊 伍春 林波
受保护的技术使用者：西南科技大学
技术研发日：2023.05.29
技术公布日：2023/8/16