马 泽， 张志杰

(1. 中北大学 仪器与电子学院， 山西 太原 030051； 2. 中北大学 仪器科学与动态测试教育部重点实验室， 山西 太原 030051)

动态压力测试中传感器幅频特性平直段是否能够覆盖被测信号的频谱决定了测试结果是否失真[1,2]， 故传感器动态特性分析是动态测试的前提， 是评价和分析测试精度的基础[3,4]. 激波管是比较理想的阶跃信号激励源[5,6]， 在传感器动态特性分析中有较多应用[7-8]. 但由于激波衰减不均匀、 管体振动和破膜振动等因素， 激波管系统存在系统性误差， 故需对激波管系统测试数据进行处理[9,10].

经验模态分解(Empirical Mode Decomposition， 简称EMD)是黄锷(N. E. Huang)等人在1998年提出的一种新的自适应的信号时频处理方法. 与传统信号分析方法不同， 该方法不受Heisenberg测不准原理限制， 能够获得很高的频率分辨率， 并且它不需要事先选择基函数， 能够自适应产生“基”[11,12]， 即由“筛选”过程产生IMF(Intrinsic Mode Functions)， 且这些本征模态函数能很好地反映信号在任何时间局部的频率特征[13-15].

本文阐述了一种基于EMD分解的激波管系统误差识别与消除方法， 可将测试数据中激波管系统误差识别并消除， 确保测试数据更好地反应传感器的动态特性.

1 EMD分解理论

设原始信号为s(t)， 则经验模态分解为

(1)

式中：cn(t)是一组IMF信号;rN(t)是趋势函数， 且IMF需满足如下条件： ① 极大值点和极小值点数目必须相等或者相差1； ② 由极大值点和极小值点分别定义的上下包络线取平均要接近为0.

因此， IMF类似于正弦波， 其波形局部对称， 均值为0. EMD分解的具体分解步骤为：