基于经验模态分解的超声波管外测压信号去噪

　　0 引言

　　由于液压系统管路内介质特性(压力场、温度场、流场等)的不确定性以及不同信号源的影响，如超声波源信号、不同界面回波信号以及环境噪声等，导致超声波管外测压回波信号呈现出时频有限的非平稳特性。同时在超声波的传播过程中信号会发生衰减并引入各种噪声干扰，因此，要想获取反映目标参数的特征量，就必须对回波信号进行去噪，以减小噪声干扰的影响。

　　小波变换通过小波基的伸缩和平移，实现了信号的时频分析局部化，利用其多分辨特性可以实现干扰背景下信号的有效检测。因其具有传统降噪方法不可比拟的优越性，在信号去噪中被广泛应用。但由于小波变换存在基函数选取、分解层次确定、频域重叠和阈值不确定等问题，所以，小波变换对信号的局部没有自适应性，不具备自适应的信号分解特性[1]。

　　经验模态分解(Empirical Mode Decomposition,EMD)[2]是由Norden E. Huang于1998年提出的一种新的信号时频分析方法，该方法基于信号的局部特征时间尺度，可以把信号分解为若干个本征模态函数(Intrinsic Mode Function, IMF)之和，各IMF分量突出了数据的局部特征。该方法与小波变换的区别在于它是后验的，不需要事先选定基函数，而是根据信号本身的特性自适应产生合适的模态函数，这些模态函数很好地反映信号在任何时间局部的频率特性[3]，因此经验模态分解是自适应的信号处理方法，非常适合处理非线性和非平稳信号。超声波回波信号具有较强的非平稳特征，采用适当的经验模态分解对其进行分析，可以更准确、有效地把握信号特征信息。本文将经验模态分解应用到超声波管外测压信号的去噪中，对EMD去噪方法进行了分析和实验。

　　1 经验模态分解的基本原理

　　经验模态分解可以将复杂的信号分解成一系列具有不同时间尺度的本征模态函数，每个本征模态函数必须满足以下2个条件：

　　(1) 在整个数据段内，局部极值点数与过零点数目必须相等或者至多相差1;

　　(2) 在任何一点，由局部极大值点形成的包络线和由局部极小值点形成的包络线的均值为零，即信号关于时间轴局部对称。

　　第一个条件是显然的，它与传统上平稳Gaussian 过程的“窄带”要求相似;第二个条件是种新的思想，它将经典的全局条件修改成为局部条件，这种限定可以去除由于波形不对称而造成的瞬时频率的波动。满足以上两个条件的模态分量，其连续两个过零点之间只有一个极值点，即只包括一个本征模态的振荡，没有复杂的叠加波存在。如此定义的本征模态函数并不被限定为窄带信号，可以是具有一定带宽的非平稳信号。