杨 桢， 齐庆杰， 李 鑫

(1.辽宁工程技术大学 电气与控制工程学院，辽宁 葫芦岛 125105;2.辽宁工程技术大学 安全科学与工程学院，辽宁 阜新 123000)

新的受载煤岩电磁辐射信号去噪算法*

杨 桢1,2， 齐庆杰1， 李 鑫1

(1.辽宁工程技术大学 电气与控制工程学院，辽宁 葫芦岛 125105;2.辽宁工程技术大学 安全科学与工程学院，辽宁 阜新 123000)

针对煤矿井下现场电磁干扰多，采用煤岩受载产生的电磁辐射(EME)预测煤岩动力灾害效果有待提高，提出一种新的结合自适应集合经验模态分解(AEEMD)和改进小波变换(IWT)的电磁辐射信号去噪算法，克服了模态混叠，弥补了对小波基存在选择性的不足。分别采用IWT、EMD—IWT及AEEMD—IWT对构造的带噪信号进行去噪仿真及试验测试研究，结果表明：AEEMD—IWT算法去噪性能优越，对高信噪比和低信噪比的电磁辐射信号均能有效去噪。

电磁辐射； 受载煤岩； 自适应集合经验模态分解(AEEMD)； 去噪

0 引 言

煤岩受载破裂会产生电磁辐射(electromagnetic emission，EME) ，利用这一特点可以对煤岩动力灾害进行预测。非接触电磁辐射法是一种有效的预测预报冲击地压等煤岩动力灾害现象的方法[1～3]。煤岩电磁辐射信号具有随机性、突发性、频带宽(1 kHz～10 MHz)等特点，而煤矿井下电磁干扰严重，提取信号特征难度较大。煤矿井下电磁干扰主要以人为设备干扰为主，如大功率开采设备、开关设备等，干扰频率也各不相同[4]。目前针对电磁辐射去噪国内学者研究成果较少，而针对煤岩电磁辐射信号去噪的成果更少。中国矿大王恩元、聂百胜[5]分析了实验室实验过程噪声的来源和特征，并利用小波变换(WT)的多尺度分析和非线性软门限方法对噪声进行了滤除。杨桢[6,7]针对煤矿井下干扰源会对煤岩受载破坏产生的电磁场监测造成较大影响，采用小波阈值函数进行信号前期预处理，采用粒子群优化算法进行优化。刘纪坤[8]对原始电磁辐射信号进行集合经验模分解(ensemble empirical mode decomposition,EEMD)，计算各固有模态分量(intrinsic mode function)分量在原始辐射信号中的能量比例，确定原始信号的主要频段及优势频段。张悦等人[8]以研究微弱瞬态电磁辐射信号的探测手段为目的，提出了一种基于加窗四阶累量时延估计的检测算法。

小波阈值去噪算法存在小波基选择性，通用性差的缺点。而EEMD容易出现模态混叠现象，导致不能将非平稳信号分解为平稳信号。同时，煤矿井下现场干扰源众多，这些信号对于准备采集来自煤岩动力灾害的电磁辐射前兆信号都会产生比较大的影响，直接影响对动力灾害的判断、预测效果。前人建立的去噪算法及效果有待改进。

针对煤岩电磁辐射频带宽，提取信号特征难度大的特点，本文提出一种基于自适应EEMD(adaptive EEMD,AEEMD)算法和改进小波阈值(improved wavelet threshold,IWT)去噪算法的电磁辐射信号去噪算法，最大程度呈现原信号的特征，为煤岩动力灾害预测提供基础。

1 信号去噪算法研究

1.1 IWT

硬阈值去噪将有效小波系数的原始数据保留下来，可以完整还原信号的局部细节信息，但是由于算法存在间断，导致重构信号平滑度较差；软阈值算法具有连续性，计算便利，保证了图像边缘的平滑性，但无法保证重构信号的细节精度，可引起信号失真，例如边缘模糊[9]。本文采用一种IWT函数，其定义如下

(1)

式中 t为调整因子。

当|ωj,k|≥T时，可以得到如下函数

f(x)=sgn(x)[|x|-tTe(1-t)(T-|x|)]

(2)

且有

(3)

优化后的阈值函数相当于一个介于硬阈值函数和软阈值函数之间的一个函数，通过自适应调整T的大小，可获得更好的去噪效果。本模型可根据不同分解尺度j，设计各层阈值的选取函数。

1.2AEEMD算法

AEEMD算法是对EMD的改进。EMD算法将非平稳非线性信号分解为具有平稳性的从高频到低频的IMF，但IMF会存在因为异常事件而引起的模态混叠现象。EEMD方法的原理是在原信号中加入若干次白噪声，对组合信号进行EMD。HuangNE[10]总结出EEMD中集合平均次数服从下式

(4)

式中 N为集合平均次数；α为添加辅助白噪声的幅值标准差σn与原始信号幅值标准差σ0；εn为期望的信号分解相对误差最大值。

AEEMD算法通过根据信号特点自适应地选择添加辅助白噪声的幅度和次数，克服了因为异常事件而引起的经验模态混叠现象，算法流程如图1所示。

2 基于AEEMD与IWT的电磁辐射信号去噪算法

文献[11]分析，煤岩电磁辐射噪声来源分为采集系统内噪声和系统外噪声。系统外噪声可通过屏蔽系统减少，系统内各个电子元器件噪声相互叠加最终表现为高斯白噪声的形式。携带有高斯白噪声的信号经EMD处理后，高频段IMFs的能量大部分为噪声提供；伴随着分解阶数的提高，IMFs中的噪声能量所占比例逐渐消减。按照噪声能量占总能量的份额，将前k个模态分量判定为噪声主导，而低频信号成分较为纯净，为信号能量主导。EMD去噪方法建立在此理论基础上，将噪声主导模态分量删除，将信号主导模态进行重构即完成了信号的去除[12]。但信号主导模态中依然含有噪声。将AEEMD与IWT去噪结合进来，对信号主导模态分量进行去噪处理。

图1 AEEMD算法流程图

2.1 AEEMD-IWT算法

AEEMD与IWT结合去噪算法具体计算步骤如下：

2)设前k个IMFs为噪声主导模态，判定噪声主导模态分量和信号主导模态分量的界限k；

(5)

由文献[13,14]所述，将模态分量IMF能量的全局极小值位置作为噪声起主导作用和信号起主导作用的分界点，利用连续均方差准则进行计算，则

(6)

基于该准则，分界值k的取值可由下式求得

(7)

该算法对含有大部分噪声能量的主导模态分量进行改进的小波阈值去噪，最后将处理过的高频模态分量与未处理的低频模态分量进行信号重构，有效解决了EMD算法的模态混叠现象，克服了阈值去噪对小波基存在选择性的不足等问题。

2.2 仿真研究

为验证AEEMD-IWT去噪算法的有效性，对加噪的合成信号X(t)，进行优化小波阈值IWT算法、EMD结合优化小波变换(EMD-IWT)与自适应EEMD结合优化小波阈值算法(AEEMD-IWT)进行去噪仿真，其中小波基函数均选用db6，进行3层分解，去噪仿真波形如图2所示；计算去噪前后信号的信噪比和均方差，计算结果如表1所示。

图2 加噪信号去噪仿真

通过计算结果对比可得：在信噪比高和低情况下IWT,EMD—IWT和AEEMD—IWT均能够对含噪信号取得较好的去噪效果；EMD—IWT对高信噪比的信号的处理效果稍好；AEEMD—IWT在三种方法中信噪比最高、均方差最低去噪性能最好，对低信噪比信号的处理性能略优于高信噪比信号。

表1 去噪效果对比表

3 试验研究

3.1 实验室模拟测试

在试验室利用自主研制的煤岩电磁辐射采集系统进行了去噪试验。

使用函数发生器产生两路不同频率的正弦函数信号，并叠加噪声。采用铁氧体磁棒天线产生电磁辐射信号，使用新型煤岩电磁辐射采集系统采集此信号。为尽量减少外界电磁干扰，磁棒天线发送、接收均在坡莫合金制成的屏蔽罩内进行。将信号数据采集到PC进行信号去噪，并计算两者的信噪比和信号均方差，具体步骤不再详细说明。

试验采用5组由不同频段的信号叠加的加噪信号及点频加噪信号进行去噪研究，限于篇幅，这里各给出1组数据予以说明。图3是对300 kHz和400 kHz的合成加噪信号进行去噪的分析波形，图4是对300 kHz点频的加噪信号进行去噪的分析波形。去噪前后数据如表2和表3所示。可知：对于高、低信噪信号比去噪后信噪比均有大幅提升，均方差均减小，去噪效果良好。

图3 300 kHz与400 kHz合成信号去噪

图4 300 kHz点频信号去噪

组合信号/kHzx1x2 去噪前信噪比信号均方差 去噪后信噪比信号均方差3004004.52254.324421.03550.93861502506.25883.256419.57670.587720030010.22312.568120.78880.663835040012.78942.734320.47420.748940050011.78961.987522.35470.6561

3.2 煤岩电磁辐射试验去噪研究

在煤矿现场，煤岩体多为复合煤岩层，且大多处于蠕变、应力松弛等复杂应力状态下。本文试验测试试样为在实验室加工顶板砂岩、煤体、底板砂岩，然后按1∶1∶1的比例粘结成直径为50 mm、高为100 mm的圆柱体的复合煤岩体试样。复合煤岩受载破裂电磁辐射试验系统由加载系统、煤岩电磁辐射采集系统、小型屏蔽仓和屏蔽网等组成。试验装置示意图如图5所示，环形天线套在煤样外侧。加载系统采用SANS公司电子万能实验机CMT系列万能试验压力机，加载速率为0.5 mm/min。电磁屏蔽系统为小型电磁屏蔽仓和200目紫铜屏蔽网，铜网屏蔽层直接接地。

表3 点频信号去噪效果对比表

图5 煤岩单轴加载系统

以200 kHz频率为例说明去噪效果。如图5所示分别为底噪和去噪后的频率图。可知：压密阶段(AB)、弹性阶段(BC)、屈服阶段(CD)电磁辐射强度微弱，整体较为稳定，压密阶段电磁信号强度略高于弹性阶段和屈服阶段；塑性阶段(DE)电磁辐射强度明显提升，信号强度波动丰富，并与应力基本同步达到峰值；破坏阶段电磁辐射强度随应力的极速下降而骤降，电磁辐射特征与前人研究成果呈一致性。

图6 电磁辐射信号(200 kHz)去噪

4 结 论

1)提出了AEEMD-IWT电磁辐射信号去噪算法，不但解决了EMD算法的模态混叠现象还对处理信号具有自适应性；IWT去噪算法是对传统小波去噪的改进，优化了软硬阈值公式，克服了小波基选择及分解层数问题。

2)分别采用IWT,EMD—IWT,AEEMD—IWT进行去噪仿真研究，结果显示AEEMD—IWT在三种方法中信噪比最高、均方差最低去噪性能最好，对低信噪比信号的处理性能略优于高信噪比信号。

3)在实验室采用磁棒天线产生含噪电磁辐射信号，采用自主研制的电磁辐射采集系统进行采集分析，无论去噪前信号的信噪比高或低，去噪后信号的信噪比均在20以上，信号均方差均小于1，说明该算法能有效去除信号中的噪声，还原电磁辐射信号的有效信息。进行煤岩受载试验，去噪后的信号特征与前人研究具有一致性，本算法具有一定可行性及实用性。研究成果为煤岩动力灾害电磁辐射前兆信号特征的可靠提取提供基础。

[1] Frid V.Electromagnetic radiation methed water-infusion control in rock burst-prone strata[J].Journal of Applied Gcophysics,2000,43(l):5-13.

[2] Frid V,Vozoff K．Electromagnetic radiation induced by mining rockfailure[J]．International Journal of Coal Geology,2005,64(1-2):57-65．

[3] 王恩元,刘晓斐,李忠辉,等.电磁辐射技术在煤岩动力灾害监测预警中的应用[J].辽宁工程技术大学学报:自然科学版,2012,31(5):642-645.

[4] 廖志强,陈东春,刘水文.煤矿井下电磁干扰源及抗干扰技术研究[J].工矿自动化,2012,7(7):25-28.

[5] 聂百胜,何学秋,何 俊,等.电磁辐射信号的小波变换去噪研究[J].太原理工大学学报2006, 37(5):557-560.

[6] 杨 桢,李 艳,李 鑫,等.改进小波变换的煤岩电磁辐射信号去噪方法[J].辽宁工程技术大学学报：自然科学版,2015,34(3):410-413.

[7] 杨 桢,齐庆杰,叶丹丹,等.复合煤岩受载破裂内部红外辐射温度变化规律[J].煤炭学报，2016,41(3):620-626.

[8] 刘纪坤.煤岩动力灾害电磁辐射信号特征研究[J].中国安全科学学报,2015,25(12):105-110.

[9] Yannis Kopsinis,Stephen McLaughlin.Development of EMD-based denoising methods inspired by wavelet thresholding[J].IEEE Transactions on Signal Processing,2009(4):1351-1362.

[10] Huang N E,Shen Z,Long S R，et al.The empirical mode decomposition and the Hilbert spectrum fornonlinear and non-stationary time series analysis[J]．Proc R Soc Lond A,1998(454):903-995.

[11] 撒占友,王恩元.煤岩破坏电磁辐射信号的短时分形模糊滤波[J].电波科学学报,2007,22(2): 191-195.

[12] 刘尚坤,唐贵基.自适应MED结合EMD诊断滚动轴承早期故障[J].噪声与振动控制,2015,35(6): 159-162.

[13] 吕艳新,李海涛,邓 冬,等.基于EEMD的多传感器信息融合降噪方法[J].传感器与微系统,2014,33(10):5-10.

[14] 丁国君, 王立德,申 萍,等.基于EEMD能量熵和LSSVM的传感器故障诊断[J].传感器与微系统,2013,32(7):22-25.

New signal denoising algorithm of loading coal-rock electromagnetic emission*

YANG Zhen1,2, QI Qing-jie1, LI Xin1

(1.College of Electrical and Control Engineering,Liaoning Technical University,Huludao 125105,China;2.College of Safety Science and Engineering,Liaoning Technical University,Fuxin 123000,China)

Aiming at coal mine field electromagnetic interference，non-contact electromagnetic emission(EME)produced by loading coal-rock is used to predict coal-rock dynamic disasters,but the effect remains to be improved.A new EME signal denoising algorithm combined with adaptive ensemble empirical mode decomposition(AEEMD)and improved wavelet transform(IWT)is put forward.Overcome the modal aliasing and make up for selectivity deficiency of wavelet base,the IWT,EMD—IWT and AEEMD IWT are used for denoising simulation and test research on tectonic of signal with noise.Results show that denoising performance of AEEMD—IWT algorithm is superior,denoising on high signal-to-noise ratio and low SNR of EME signals are effective.

electromagnetic emission(EME); loading coal-rock; adaptive ensemble empirical mode decomposition(AEEMD); denoising

10.13873/J.1000—9787(2017)03—0132—04

2016—04—06

国家自然科学基金青年基金资助项目(51204087,51604141)

TD 608

A

1000—9787(2017)03—0132—04

杨 桢(1980-)，男，工学硕士，副教授，主要从事煤矿安全监测与监控、智能电网技术研究工作。