基于改進EEMD分解的粉塵靜電信號濾波的研究

亢菲菲

摘 要：采用EEMD分解的方法對靜電感應信號進行提取，并用相似極值延拓法改進EEMD算法，通過MATLAB仿真結果表明EEMD分解能夠去除隨機噪聲，保留靜電信號的低頻分量。

關鍵詞：EEMD；靜電信號；去噪

粉塵是指的是空氣中的微小固體顆粒物，是引發霧霾天氣的元兇，時刻威脅著人們的身體健康，危害儀器設備的使用壽命，因此通過靜電傳感器對粉塵濃度進行監測是促進科學防塵、控塵的重要手段。

由于多種因子影響著靜電傳感器的精度，導致采集的靜電信號中包含著大量的隨機噪聲。因此，為了濾除靜電信號中的噪聲，獲得較為真實的粉塵靜電信號，本文提出一種改進的EEMD分解算法實現對靜電信號的濾波。

1 EEMD算法的基本原理

針對EMD分解后不同噪聲對應的本征模態分量之間不相關性，利用噪聲進行輔助分析的形式，向原始信號中添加噪聲以便平滑在EMD分解過程中出現的干擾，抑制了IMF與干擾之間的混肴。同時根據高斯白噪聲頻率均勻分布的特點使得靜電信號被分解為多個多尺度且連續的IMF分量[ 2 ]，從而在一定程度上解決靜電信號分解中容易產生的脈沖和模態相互混淆的問題。

2 EEMD算法的改進

目前常用的延拓算法包括波形延拓法、極值點延拓法等[ 4-5 ]眾多方法。這些方法抑制EEMD端點效應的整體效果還不錯，但是應用于靜電信號濾波中都有各自的局限，使得靜電信號的兩端都會或多或少產生發散現象，產生一定的分析誤差。因此為了抑制靜電信號低頻分量邊緣的問題，本文提出了一種改進的方法，采用改進相似極值延拓的方法，在對靜電數據序列延拓的基礎上，進一步判斷端點處是否是極值點，不僅降低靜電信號邊緣問題和靜電信號內部的極值點對結果的影響，還保證了信號邊緣沒有發散現象的產生，使得處理效果更加完善。

3 基于EEMD的靜電信號濾波

采用改進的EEMD算法對采集到的靜電信號數據序列進行分解，獲得很多連續的IMF分量，由于靜電信號是低頻微弱信號，所以去除頻率較高的虛假成分，篩選出其中的低頻IMF分量重新合成靜電信號。得到靜電信號濾波后的時域圖如圖1所示。

圖1是濾波前后靜電信號的時域圖，通過對比可知本文設計的算法能濾除不相關的噪聲，得到相對比較平滑的靜電信號。

4 小結

本文提出一種改進的EEMD算法，并將其用于靜電信號的濾波中，仿真實驗取得較好的結果，證明本算法能夠濾除靜電信號中不相關的隨機噪聲，并且突出信號的低頻特性，對粉塵的檢測具有重要的現實意義。

參考文獻：

[1] 郭興明，張文英，袁志會，等.基于EMD關聯維數和多重分形譜的心音識別[J].儀器儀表學報，2014，35（4）：827-833.

[2] 趙利強，王建林，于濤.基于改進EMD的輸油管道泄漏信號特征提取方法研究[J].儀器儀表學報，2013，34（12）：2696-2702.

[3] 白春華，周宣赤，林大超，等.消除EMD端點效應的PSO-SVM方法研究[J].系統工程理論與實踐，2013，33（5）：1298-1306.

[4] 石瑞敏，楊兆建.基于改進EMD的多繩摩擦提升機載荷信息特征提取[J].煤炭學報，2014，39（4）：782-788.

[5] 許寶杰，張建民，徐小力，等.抑制EMD端點效應方法的研究[J].北京理工大學學報，2006，26（3）：196-200.