CN111161171A - 爆破振动信号基线漂零校正和消噪方法、装置、设备及系统 - Google Patents
爆破振动信号基线漂零校正和消噪方法、装置、设备及系统 Download PDFInfo
- Publication number
- CN111161171A CN111161171A CN201911310124.9A CN201911310124A CN111161171A CN 111161171 A CN111161171 A CN 111161171A CN 201911310124 A CN201911310124 A CN 201911310124A CN 111161171 A CN111161171 A CN 111161171A
- Authority
- CN
- China
- Prior art keywords
- signal
- blasting vibration
- vibration signal
- components
- baseline
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005422 blasting Methods 0.000 title claims abstract description 203
- 238000012937 correction Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000008030 elimination Effects 0.000 title claims abstract description 22
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 22
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 41
- 230000000295 complement effect Effects 0.000 claims abstract description 17
- 229910000831 Steel Inorganic materials 0.000 claims description 33
- 239000010959 steel Substances 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 20
- 230000007246 mechanism Effects 0.000 claims description 17
- 238000009434 installation Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 12
- 239000000523 sample Substances 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 10
- 238000005054 agglomeration Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000009191 jumping Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 14
- 238000000605 extraction Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 17
- 238000003825 pressing Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000003014 reinforcing effect Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 108010076504 Protein Sorting Signals Proteins 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005474 detonation Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
- G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种爆破振动信号基线漂零校正和消噪方法、装置、设备和系统，方法包括：获取通过采集原始爆破振动信号；对所述原始爆破振动信号进行互补总体经验模态分解，以获得第一各模态分量及残余分量；对所述第一模态分量及残余分量进行基线估计及稀疏化去噪，以获得第二各模态分量及残余分量；对所述第二各模态分量及残余分量进行重构，以获得特征信号；对所述特征信号进行信噪比判别，在所述信噪比小于等于第一预设值时，对所述特征信号进行隐马尔可夫模型消噪，以获得真实爆破振动信号，克服了以往经验模态分解存在的端点效应和模态混叠失真，实现了信号特征的精细化提取，避免了信号基线偏移造成的对信号幅值、主频特征的误判。
Description
技术领域
本发明涉及爆破工程技术领域，尤其涉及一种爆破振动信号基线漂零校正和消噪方法、装置、设备及系统。
背景技术
工程爆破在实现高效施工的同时，产生的爆破振动是其引起的负面效应中最为严重的灾害之一。爆破振动危害控制和评价一直以来是国内外工程技术人员和科研院所关注的热点，而开展振动监测是最为直接和行之有效的手段之一。通过监测振动信号的分析和处理，可达到优化爆破参数和减振降损的目的，对于保障工程爆破安全、爆破灾害源的识别和控制具有积极的现实指导意义。特别的，在爆破近区一定范围内会对周边的建(构)筑物以及人员的安全造成严重威胁。因此，工程技术人员更关注近区结构体对爆振的响应状态，而爆破近区测试信号由于测试环境影响及仪器系统自身原因，往往含有趋势项和噪声分量而使信号受到不同程度的污染，对信号分析精度造成严重影响，所以对于奇异信号的校正和处理需求极为迫切。
目前，国内外学者通过爆破振动信号特征提取对工程爆破振动效应开展了广泛的研究。由于爆破振动信号是瞬态非线性信号，同时受测试环境和地质条件的影响，信号中普遍存在着偏离基线中心的基线(趋势项)和噪声干扰成分。传统的线性信号处理方法，如傅里叶变换等不能真实体现爆破振动的固有属性，并不适合该类信号的基线漂零校正；相对于傅里叶变换，小波分析在处理非线性信号方面具有明显的优势，但小波基选取和分解层数的不同，会导致信号分析结果差异较大；经验模态分解方法则根据信号自身特点将其按照频率由高到低分解为若干固有模态函数子信号，具有自适应性强、分解高效的特点，但在信号波形初始时刻或尾部截止时刻存在明显的模态混叠和交叉项，且对某些分量的处理过于随意导致重构信号误差较大，严重影响了信号基线校正分析结果的精确性。由此可见，现有的信号处理方法难以满足爆破信号分析精度的要求。
发明内容
针对上述问题，本发明的目的在于提供一种爆破振动信号基线漂零校正和消噪方法、装置、设备和系统，旨在解决以往经验模态分解存在的端点效应和模态混叠失真，实现了信号特征的精细化提取，避免了信号基线偏移造成的对信号幅值、主频特征的误判。
本发明第一方面提供了一种爆破振动信号基线漂零校正和消噪方法，包括：
S1，获取通过采集原始爆破振动信号；
S2，对所述原始爆破振动信号进行互补总体经验模态分解，以获得第一各模态分量及残余分量；
S3，对所述第一模态分量及残余分量进行基线估计及稀疏化去噪，以获得第二各模态分量及残余分量；
S4，对所述第二各模态分量及残余分量进行重构，以获得特征信号；
S5，对所述特征信号进行信噪比判别，在所述信噪比小于等于第一预设值时，对所述特征信号进行隐马尔可夫模型消噪，以获得真实爆破振动信号。
优选地，所述原始爆破振动信号包括基线漂零和噪声信号，则对所述原始爆破振动信号进行总体平均经验模态分解，以获得第一各模态分量及残余分量，具体为：
提取所述原始爆破振动信号中基线漂零和噪声成分；
根据基线漂零和噪声信号设置筛分次数和迭代次数；
对原始爆破振动成分进行互补总体经验模态分解，以得到信号频率从高到低分解的不同幅值的第一各模态分量及残余分量。
优选地，在对所述特征信号进行信噪比判别，并在所述信噪比小于等于第一预设值时，对所述特征信号进行隐马尔可夫模型消噪，以获得真实爆破振动信号的步骤之后，还包括：
通过连续小波变换分别获取原始爆破振动信号和真实爆破振动信号的时频分布特征；
对比两者的时频分布特征并利用交叉小波变换，以获得原始爆破振动信号和真实爆破振动信号的时频分布特征之间的相关性凝聚谱；
根据所述相关性凝聚谱，以还原真实爆破振动信号的有效信息；
根据所述有效信息验证真实爆破振动信号的可靠性。
优选地，还包括：
对所述真实爆破振动信号进行分析精度的验证；
当所述真实爆破振动信号无法满足分析精度时，则跳转至S2的步骤，直至所述原真实爆破振动信号满足分析精度的验证为止。
优选地，对所述第二各模态分量及残余分量进行重构，以获得特征信号，其中，所述特征信号的表达式为：
为的m个含有基线漂零的分量，
为不含基线漂零的n个分量，m+n为分解分量总数。
第二方面，本发明实施还提供了一种爆破振动信号基线漂零校正和消噪装置，包括：
信号获取单元，用于获取通过采集原始爆破振动信号；
第一各模态分量及残余分量获取单元，用于对所述原始爆破振动信号进行互补总体经验模态分解，以获得第一各模态分量及残余分量；
第二各模态分量及残余分量获取单元，用于对所述第一模态分量及残余分量进行基线估计及稀疏化去噪，以获得第二各模态分量及残余分量；
特征信号获取单元，用于对所述第二各模态分量及残余分量进行重构，以获得特征信号；
真实爆破振动信号获取单元，用于对所述特征信号进行信噪比判别，在所述信噪比小于等于第一预设值时，对所述特征信号进行隐马尔可夫模型消噪，以获得真实爆破振动信号。
本发明第三方面还提供了一种爆破振动信号基线漂零校正和消噪设备，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行以实现上述实施例所述的爆破振动信号基线漂零校正和消噪方法。
本发明第四方面还提供了一种爆破振动信号基线漂零校正和消噪系统，包括爆破振动采集设备以及如上述所述的爆破振动信号基线漂零校正和消噪设备；其中，所述爆破振动采集设备包括具有一收纳腔室的箱体、配置于所述收纳腔室的爆破测振仪以及具有测振探头以及测振接头的测振件；所述测振接头的信号输出端与所述爆破测振仪的信号输入端连接，所述测振探头从所述收纳腔室穿出至箱体外，/以采集原始爆破振动信号；
所述爆破振动信号基线漂零校正和消噪设备，用于获取通过采集原始爆破振动信号；对所述原始爆破振动信号进行互补总体经验模态分解，以获得第一各模态分量及残余分量；对所述第一模态分量及残余分量进行基线估计及稀疏化去噪，以获得第二各模态分量及残余分量；对所述第二各模态分量及残余分量进行重构，以获得特征信号；对所述特征信号进行信噪比判别，在所述信噪比小于等于第一预设值时，对所述特征信号进行隐马尔可夫模型消噪，以获得真实爆破振动信号。
优选地，包括浇筑模板、钢筋壁，所述钢筋壁包括横向钢筋以及纵向钢筋，所述爆破振动采集设备通过安装机构安装于横向钢筋和纵向钢筋的交叉处；所述爆破振动采集设备固定在所述浇筑模板和所述钢筋壁之间的空隙中。
优选地，安装机构包括：安装构件，用于固定所述爆破振动采集设备；以及
两连接构件，分设于所述安装构件的上下两侧且分别卡接在相邻的两横向钢筋上；
所述安装机构包含两对置配置的连接件，所述连接件具有第一安装部以及形成在第一安装部上侧和下侧的第一连接部和第二连接部，两对置的第一连接部和两对置的第二连接部分别形成环形结构的连接构件，两对置的第一安装部形成环形结构的安装构件以固定所述爆破振动采集设备。
本发明第五方面还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述实施例所述的爆破振动信号基线漂零校正和消噪方法。
实施本发明实施例，具有如下有益技术效果：
在上述一实施例中，通过对原始爆破振动信号进行互补总体经验模态分解、然后对分解得到的各模态分量及残余分量进行基线估计和稀疏化去噪，对基线校正和初次去噪的各模态分量及残余分量进行重构得到特征信号，对信号噪声进行判别，并采用隐马尔可夫模型消噪对特征信号进行二次消噪获取真实爆破振动信号，克服了以往经验模态分解存在的端点效应和模态混叠失真，实现了信号特征的精细化提取，避免了信号基线偏移造成的对信号幅值、主频特征的误判，是一种高效便捷的信号基线校正和去噪方法，可用于批量信号的处理。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种爆破振动信号基线漂零校正和消噪方法的流程示意图。
图2是本发明实施例提供的原始爆破振动信号原始波形图。
图3是本发明实施例提供的原始爆破振动信号经CEEMD分解各模态分量图。
图4是本发明实施例提供的经基线估计及稀疏化去噪后的信号波形图。
图5是本发明实施例提供的经隐马尔可夫模型消噪后的信号波形图。
图6是本发明实施例提供原始爆破振动信号与处理后真实爆炸信号的时频相关谱图。
图7是本发明第二实施例提供的一种爆破振动信号基线漂零校正和消噪装置的结构示意图。
图8为本发明一实施例，爆破振动采集设备的结构示意图。
图9为本发明一实施例，爆破振动采集系统的结构示意图。
图10为图9在P处的结构示意图。
附图标记：1-箱体，2-爆破测振仪，3-测振接头，4-供电电源，5-第一压紧机构，6-第二压紧机构，11-主体部，12-盖体，121-旋转件，51-第一压紧件，52-第一锁紧构件，61-第二压紧件，62-第二锁紧构件，7-钢筋壁，71-横向钢筋， 72-纵向钢筋，8-浇筑模板，9-连接件，91-第一安装部，92-第一连接部，93-第二连接部。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
实施例中提及的“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
实施例一：
请参阅图1至图6，本发明第一实施例提供了一种爆破振动信号基线漂零校正和消噪方法，其可由爆破振动信号基线漂零校正和消噪设备(以下简称校正和消噪设备)来执行，特别的，由校正和消噪设备内的一个或多个处理器来执行，并至少包括如下步骤：
S1，获取通过采集原始爆破振动信号。
在本实施例中，所述原始爆破振动信号含有基线漂零和噪声信号，其波形如图2所示。
S2，对所述原始爆破振动信号进行互补总体经验模态分解，以获得第一各模态分量及残余分量。
在本实施例中，互补总体经验模态分解(CEEMD)是对传统的EMD分析进行改进而提出的一种噪声自适应的完备算法。其利用噪声进行辅助分析，有效解决了经验模态分解(EMD)以及集合经验模态分解(EEMD)算法中的模态混叠问题。其中，互补总体经验模态分解算法的具体步骤为：
1)向原始爆破振动信号S中加入n组正、负成对的辅助白噪声，从而生成两组集合信号：
其中，x(t)为原始爆破振动信号；n(t)为辅助噪声，其幅值可选择0.2倍～ 0.5倍原始爆破振动信号的标准差或者可随噪声的强度而适当调整增大。m1，m2分别为加入正负成对噪声后的信号，从而得到集合信号的个数为2n个。
2)对集合中的每一个信号做EMD分解，每个信号均得到一组IMF分量，其中第i个信号的第j个IMF分量表示为imfij(t)。
3)通过将多组分量组合便得到信号分解形式为：
其中，imfj(t)为信号经CEEMD分解后最终得到的第j个IMF分量。该方法保证了信号分解的完备性，且计算效率得到极大的提高。
具体地，通过如下步骤可获得第一各模态分量及残余分量：
S21，提取所述原始爆破振动信号中基线漂零和噪声信号；
S22，根据基线漂零和噪声信号设置筛分次数和迭代次数；
S23，对原始爆破振动信号进行总体平均经验模态分解，以得到信号频率从高到低分解的不同幅值的第一各模态分量及残余分量。例如，假设初始白噪声标准差为0.2，筛分次数n为5，最大筛分迭代次数m为100，则原始爆破振动信号的IMF分量越复杂，迭代次数也越多，包含的信息越丰富，对原始爆破振动信号信息的继承度也越高，最终原始爆破振动信号经CEEMD运算被分解为 11个IMF分量和1个残余项R，具体如图3所示。
S3，对所述第一模态分量及残余分量进行基线估计及稀疏化去噪，以获得第二各模态分量及残余分量。
在本实施例中，对于给定的基线偏移和含噪信号y，其稀疏化的形式表达为：
y＝Φx+w
其中，Φ为过完备稀疏运算，w为信号中包含的标准差σ>0的高斯白噪声。在分析过程中为了降低基线校正过程对信号分量幅值的影响，引入正则化系数λ(regularizationparameter)和具有非对称补偿罚值功能的对称罚函数φ(cost function)。为了从y中提取x，问题转化为下述优化问题，也称为基追踪去噪 (Basic Pursuit Denoising，BPD)过程：
其中，φ:R→R为罚函数，参数λ决定了该过程中信号稀疏化程度，根据上述，对所述第一各模态分量及残余分量分别进行稀疏化基线估计和噪声处理 (BaselineEstimation and Denoising with sparsity，BEADS)，以获得第二各模态分量及残余分量，例如，由于基线成分主要位于信号低频分量中，分析时设置信号截止频率fc为0.002Hz，滤波器阶数d取为0～2，罚函数非对称性参数r 取为6。正则化参数幅值为0.8，不同阶正则化参数λ0～λ2分别为：0.4、3.2和4。根据上述对分解得到的12个固有模态分量(原始爆破振动信号经CEEMD运算被分解为11个IMF分量和1个残余项R)分别进行稀疏化基线估计和噪声处理，得到基线校正和初次消噪后的第二各模态分量及残余分量，如图4所示。
S4，对所述第二各模态分量及残余分量进行重构，以获得特征信号；
S5，对所述特征信号进行信噪比判别，在所述信噪比小于等于第一预设值时，对所述特征信号进行隐马尔可夫模型消噪，以获得真实爆破振动信号。
在本实施例中，基线估计及稀疏化去噪算法对原始爆破振动信号中的基线漂零和低频噪声处理效果较好，而原始爆破振动信号中的高频噪声却无法完美地滤除，因此，为了寻求最优信号消噪效果，分别先对所述第二各模态分量及残余分量进行重构、然后对所述特征信号进行信噪比判别，在所述信噪比小于等于第一预设值时，采用隐马尔可夫模型消噪((Hidden Markov Models De-noising，HMMD))，以获得真实爆破振动信号，HMMD方法能够提高了运算过程中的收敛性，误差小精度高，使得原始爆破振动信号的信息损失量最小，对局部信号的消噪效果好，消噪后的校正波形见图5。
其中，对所述第二各模态分量及残余分量进行重构，以获得特征信号，其中，所述特征信号的表达式为：
为的m个含有基线漂零的分量，
为不含基线漂零的n个分量，m+n为分解分量总数。
需要说明的是，在本发明其他实施例中，也可以采用形态学消噪 (MorphologicalDe-noising，MD)、奇异值消噪(Singular Value De-noising， SVD)、小波熵消噪(WaveletEntropy De-noising，WED)和对基线校正信号进行消噪处理。其中，形态学消噪方法充分利用信号波形的形态特征实现其消噪过程，具有运算速度快，自适应强的特点，奇异值消噪方法通过构建信号奇异值矩阵，利用信号和噪声的能量可分性，在信号重构过程中将光滑信号所产生的奇异值保留，噪声信号奇异值置零，从而实现消噪信号特征的最优化估计；小波熵方法选取“db8”小波基函数，进行3层分解，计算得到各层的熵值，最后利用wdencmp函数实现对信号噪声的压制。在此，本发明不再赘述。
需要说明的是，所述第一预设值为90dB，当然，可以理解的是，在本发明其他实施例中，所述第一预设值可以根据实际情况进行设置，例如95dB、80dB 等，在此，本发明不做具体限制。
综上，本发明对原始爆破振动信号进行互补总体经验模态分解、然后对分解得到的各模态分量及残余分量进行基线估计和稀疏化去噪，对基线校正和初次去噪的各模态分量及残余分量进行重构得到特征信号，对信号噪声进行判别，并采用隐马尔可夫模型消噪对特征信号进行二次消噪获取真实爆破振动信号。本发明克服了以往经验模态分解存在的端点效应和模态混叠失真，实现了信号特征的精细化提取，避免了信号基线偏移造成的对信号幅值、主频特征的误判，是一种高效便捷的信号基线校正和去噪方法，可用于批量信号的处理。同时，隐马尔可夫模型消噪具有自适应强、收敛速度快等特点，能够简便快捷地获取真实信号，为爆破信号的频谱、能量等变化规律的深入分析提供前提保证，同时对爆破参数的调整和振动效应的控制也有积极的现实意义。
为了便于理解，以下以实际应用场景举例进行说明：
例一：针对某地区深厚表土层冻结立井钻爆法施工，在爆破过程大药量多频次的爆破作业对井壁结构的振动影响和损伤破坏，对爆破近区井壁的振动响应情况进行了监测，实现了冻结立井井壁爆破振动信号的长期、稳定和实时监测。例如，测试选用TC-4850型测振仪，测试前设定其采样频率为8000Hz，其 Nyquist频率为4000Hz。监测到的含有基线的原始爆破振动信号，对该信号进行 CEEMD分解得到各模态分量，再该信号中的基线成分进行分离。进一步地，对信号噪声进行消除，得到基线校正和初次消噪、二次消噪后的真实爆炸信号。
例二：针对某浅埋地铁隧道爆破，在爆破过程中考虑到爆破负面效应会对地表建筑物产生不利影响，在掘进掌子面上方地表布置监测点，监测到的爆破振动信号，由于含有明显的基线偏移成分，通过上述方法对爆破振动信号进行基线校正和初次消噪处理后，对信号进行二次消噪处理后的得到真实爆破信号。
在上述实施例基础上，本发明一优选实施例中，为了获得最佳分析信号，这里采用交叉小波变换进行不同信号序列间的相关性系数来评价不同去噪方法的消噪效果。具体地，通过连续小波变换分别获取原始爆破振动信号和真实爆破振动信号的时频分布特征；对比两者的时频分布特征并利用交叉小波变换，以获得原始爆破振动信号和真实爆破振动信号的时频分布特征之间的相关性凝聚谱；根据所述相关性凝聚谱(如图6)，以还原真实爆破振动信号的有效信息；根据所述有效信息验证真实爆破振动信号的可靠性。本发明采用交叉小波变换进行不同信号序列间的相关性分析时可行的，且能够更加清晰描述两信号序列相关关系在时域和频域变化的细部特征和共振相位差异。
其中，交叉小波变换(Cross Wavelet Transform，CWT)融合了小波变换和交叉谱分析的功能，可用以揭示两个随机信号在时域和频域中的相关关系。假定
和
为两个随机信号X＝{x1,x2,…,xn}与Y＝{y1,y2,…,yn}的连续小波变换，则二者间的交叉小波变换可表示为：
其中，
为
的复共轭，s为信号时移。交叉小波谱可定义为
其清晰展示了两个信号在时频空间域上相关程度。在时频域上的值越大，表明两个信号之间的相关程度越高。对于任意给定的两个非平稳随机信号，交叉小波变换的互相关系数为：
其中，选取Morlet小波作为小波基函数，以反映两个爆破振动信号经小波变换后在时频域上的相关振荡的时频结构特征。
其中，对于给定的两个时间序列X和Y，假定其期望谱为傅里叶红噪声谱
和
则其交叉小波功率谱分布为：
其中，σx、σy分别为时间序列的标准差；Zv(p)是与概率p有关的置信度。对于实小波，v＝1，而对于复小波，v＝2。在显著性水平α＝0.05条件下， Z1(95％)＝2.182，Z2(95％)＝3.999。通过了显著性水平α＝0.05条件下红噪声标准谱的检验，则认为两者之间显著相关。
在上述实施例基础上，本发明一优选实施例中，还包括：
对所述真实爆破振动信号进行分析精度的验证；
当所述真实爆破振动信号无法满足分析精度时，则跳转至S2的步骤，直至所述原真实爆破振动信号满足分析精度的验证为止。
本发明第二实施例：
参见图7，本发明实施还提供了一种爆破振动信号基线漂零校正和消噪装置，包括：
信号获取单元100，用于获取通过采集原始爆破振动信号；
第一各模态分量及残余分量获取单元200，用于对所述原始爆破振动信号进行互补总体经验模态分解，以获得第一各模态分量及残余分量；
第二各模态分量及残余分量获取单元300，用于对所述第一模态分量及残余分量进行基线估计及稀疏化去噪，以获得第二各模态分量及残余分量；
特征信号获取单元400，用于对所述第二各模态分量及残余分量进行重构，以获得特征信号；
真实爆破振动信号获取单元500，用于对所述特征信号进行信噪比判别，在所述信噪比小于等于第一预设值时，对所述特征信号进行隐马尔可夫模型消噪，以获得真实爆破振动信号。
本发明第三实施例：
本发明第三实施例还提供了一种爆破振动信号基线漂零校正和消噪设备，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行以实现如上述实施例所述的爆破振动信号基线漂零校正和消噪方法。
本发明第四实施例：
参见图8至图9，本发明第四实施例还提供了一种爆破振动信号基线漂零校正和消噪系统，包括爆破振动采集设备以及如上述所述的爆破振动信号基线漂零校正和消噪设备；其中，所述爆破振动采集设备包括具有一收纳腔室的箱体1、配置于所述收纳腔室的爆破测振仪2以及具有测振探头以及测振接头3的测振件；所述测振接头3的信号输出端与所述爆破测振仪2的信号输入端连接，所述测振探头从所述收纳腔室穿出至箱体1外，以采集原始爆破振动信号。
所述爆破振动信号基线漂零校正和消噪设备，用于获取通过采集原始爆破振动信号；对所述原始爆破振动信号进行互补总体经验模态分解，以获得第一各模态分量及残余分量；对所述第一模态分量及残余分量进行基线估计及稀疏化去噪，以获得第二各模态分量及残余分量；对所述第二各模态分量及残余分量进行重构，以获得特征信号；对所述特征信号进行信噪比判别，在所述信噪比小于等于第一预设值时，对所述特征信号进行隐马尔可夫模型消噪，以获得真实爆破振动信号。
参见图9和图10，在本实施例中，还包括钢筋壁7以及浇筑模板8，所述钢筋壁7包括横向钢筋71以及纵向钢筋72，还包括上述所述的爆破振动采集设备，所述爆破振动采集设备通过安装机构安装于横向钢筋71和纵向钢筋72的交叉处；所述爆破振动采集设备固定在所述浇筑模板8和所述钢筋壁7之间的空隙中。
在本实施例中，安装机构包括用于固定所述爆破振动采集设备的安装构件以及分设于所述安装构件的上下两侧且分别卡接在相邻的两横向钢筋上的两连接构件。优选地，所述安装机构包含两对置配置的连接件，所述连接件9具有第一安装部91以及形成在第一安装部91上侧和下侧的第一连接部92和第二连接部93，两对置的第一连接部92和两对置的第二连接部93分别形成环形结构的连接构件，两对置的第一安装部91形成环形结构的安装构件以固定所述爆破振动采集设备。其中，两对置的第一连接部92形成一截面为横向钢筋的截面的仿形结构，例如，横向钢筋的截面为圆形结构，两对置的第一连接部92围拢形成的截面为圆形结构以卡接并固定在横向钢筋上。同样地，两对置的第二连接部93围拢形成的截面为横向钢筋的截面的仿形结构。两对置配置的第一安装部 91形成所述箱体1的截面的仿形结构，例如，箱体1的截面的外轮廓为矩形结构，两对置配置的第一安装部91围拢形成的截面为矩形结构以固定所述爆破振动采集设备。通过该两个连接构件，将爆破振动采集设备稳定地固定在横向钢筋和纵向钢筋构成的钢筋壁7上，可以解决如果只将爆破振动采集设备单独固定在一横向钢筋或纵向钢筋上时，爆破振动采集设备会随着横向钢筋或纵向钢筋自身振动而导致采集到的信号不准确的技术问题。其中，本实施例进一步将爆破振动采集设备固定在横向钢筋和纵向钢筋的交叉处，可以解决若配置在远离交叉处的位置时，钢筋会因不稳固而晃动较大以及浇筑振捣过程中爆破振动采集设备易发生偏斜和移位，最后导致采集到的振动信号不准确的技术问题。
需要说明的是，所述爆破振动采集设备固定好后，通常对钢筋壁浇筑混凝土，可以将所述传感器包裹在混凝土内，防止外界对它的干扰，以避免受飞石等影响。所述爆破振动采集设备箱体1的盖体朝向浇筑模板8，脱模后，箱体1 的盖体12可自由锁止，实现爆破振动采集设备机回收和电池电源更换，达到爆破振动长期、稳定和不间断监测的目的。
参见图8，在本实施例中，测振传感器，具有三向振速信息监测功能的测振探头(图未示出)以及测振接头3；所述测振接头3的信号输出端与所述爆破测振仪2的信号输入端连接；所述测振探头从所述收纳腔室穿出至箱体外，用于采集爆破振动信号，可实现爆破监测的目的，通过将爆破测振仪2、具有测振探头以及测振接头3配置于箱体1的容纳腔室内，解决了接头部位的防水和绝缘问题，实现了冻结立井井壁爆破振动信号的长期、稳定和实时监测。
其中，所述爆破测振仪2的型号为2TC-4850，当然，也可以根据实际情况选择，例如UBOX-8016，在此，本发明不做具体限制。
在本实施例中，所述箱体1包含具有开口主体部11、用于封闭所述开口，以形成所述收纳腔室的盖体12以及具有锁止功能并用于将盖体12锁紧在主体部11上，以封闭所述开口的开闭机构，其中，开闭机构包括支撑于盖体12上旋转件121以及配置于主体部11上，所述旋转件121受力转动时能够勾接于所述固定部，以使所述盖体12锁紧在主体部11上的固定部。
其中，所述箱体1具有通孔，以供所述测振探头穿出至箱体1外，优选地，所述通孔内周配置一防水胶圈，夹设于测振探头与通孔之间用于防水。其中，所述防水胶圈由橡胶材料或硅胶材料制备。
其中，爆破测振仪2通过第一压紧机构5来固定在箱体1上；所述第一压紧机构5包含第一压紧件51以及第一锁紧构件52，所述第一压紧件52能够在第一锁紧构件52锁紧箱体1时将所述爆破测振仪2压紧并牢靠固定在箱体1上，以避免爆破造成爆破测振仪2的损坏。在其它实施例中，爆破测振仪2通过螺丝锁紧在箱体上，第一压紧件51通过第一锁紧构件52锁紧在箱体1上时，将爆破测振仪2压紧在箱体1上，以解决爆破测振仪2在振动过程中，爆破测振仪2与箱体1之间振动时螺丝会松动的技术问题。其中，第一锁紧构件52有螺栓或螺丝等紧固件构成。
其中，还包括用于供电的供电电源4，所述供电电源4分别与所述爆破测振仪2以及测振传感器3电连接；所述供电电源4通过第二压紧机构6来固定在箱体1上；所述第二压紧机构6包含第二压紧件61以及第二锁紧构件62，所述第二压紧件61能够在第二锁紧构件62锁紧箱体1时将所述供电电源4压紧在箱体1上。需要说明的是，所述供电电源4为煤矿许用锂电池，当然，在其他实施例中，也可以是根据实际情况选择的供电电源，例如防爆铝电池等，在此，本发明不再赘述。
本发明第五实施例：
本发明第五实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的爆破振动信号基线漂零校正和消噪方法。
示例性的，所述计算机程序可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在爆破振动信号基线漂零校正和消噪设备中的执行过程。
所述爆破振动信号基线漂零校正和消噪设备可包括但不仅限于处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是爆破振动信号基线漂零校正和消噪设备的示例，并不构成对爆破振动信号基线漂零校正和消噪设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述爆破振动信号基线漂零校正和消噪设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述爆破振动信号基线漂零校正和消噪设备的控制中心，利用各种接口和线路连接整个爆破振动信号基线漂零校正和消噪设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述爆破振动信号基线漂零校正和消噪设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述爆破振动信号基线漂零校正和消噪设备集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种爆破振动信号基线漂零校正和消噪方法，其特征在于，包括：
S1，获取通过采集原始爆破振动信号；
S2，对所述原始爆破振动信号进行互补总体经验模态分解，以获得第一各模态分量及残余分量；
S3，对所述第一模态分量及残余分量进行基线估计及稀疏化去噪，以获得第二各模态分量及残余分量；
S4，对所述第二各模态分量及残余分量进行重构，以获得特征信号；
S5，对所述特征信号进行信噪比判别，在所述信噪比小于等于第一预设值时，对所述特征信号进行隐马尔可夫模型消噪，以获得真实爆破振动信号。
2.根据权利要求1所述的爆破振动信号基线漂零校正和消噪方法，其特征在于，所述原始爆破振动信号包括基线漂零和噪声成分，则对所述原始爆破振动信号进行互补总体经验模态分解，以获得第一各模态分量及残余分量，具体为：
提取所述原始爆破振动信号中基线漂零和噪声成分；
根据线漂零和噪声成分设置筛分次数和迭代次数；
对原始爆破振动信号进行互补总体经验模态分解，以得到信号频率从高到低分解的不同幅值的第一各模态分量及残余分量。
3.根据权利要求2所述的爆破振动信号基线漂零校正和消噪方法，其特征在于，在对所述特征信号进行信噪比判别，并在所述信噪比小于等于第一预设值时，对所述特征信号进行隐马尔可夫模型消噪，以获得真实爆破振动信号的步骤之后，还包括：
通过连续小波变换分别获取原始爆破振动信号和真实爆破振动信号的时频分布特征；
对比两者的时频分布特征并利用交叉小波变换，以获得原始爆破振动信号和真实爆破振动信号的时频分布特征之间的相关性凝聚谱；
根据所述相关性凝聚谱，以还原真实爆破振动信号的有效信息；
根据所述有效信息验证真实爆破振动信号的可靠性。
4.根据权利要求3所述的爆破振动信号基线漂零校正和消噪方法，其特征在于，还包括：
对所述真实爆破振动信号进行分析精度的验证；
当所述真实爆破振动信号无法满足分析精度时，则跳转至S2的步骤，直至所述原真实爆破振动信号满足分析精度的验证为止。
5.根据权利要求2所述的爆破振动信号基线漂零校正和消噪方法，其特征在于，对所述第二各模态分量及残余分量进行重构，以获得特征信号，其中，所述特征信号的表达式为：
为的m个含有基线漂零的分量，
为不含基线漂零的n个分量，m+n为分解分量总数。
6.一种爆破振动信号基线漂零校正和消噪装置，其特征在于，包括：
信号获取单元，用于获取通过采集原始爆破振动信号；
第一各模态分量及残余分量获取单元，用于对所述原始爆破振动信号进行互补总体经验模态分解，以获得第一各模态分量及残余分量；
第二各模态分量及残余分量获取单元，用于对所述第一模态分量及残余分量进行基线估计及稀疏化去噪，以获得第二各模态分量及残余分量；
特征信号获取单元，用于对所述第二各模态分量及残余分量进行重构，以获得特征信号；
真实爆破振动信号获取单元，用于对所述特征信号进行信噪比判别，在所述信噪比小于等于第一预设值时，对所述特征信号进行隐马尔可夫模型消噪，以获得真实爆破振动信号。
7.一种爆破振动信号基线漂零校正和消噪设备，包括处理器、存储器以及存储在所述存储器中且被配置由所述处理执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述爆破振动信号基线漂零校正和消噪方法。
8.一种爆破振动信号基线漂零校正和消噪系统，包括爆破振动采集设备以及如权利要求7所述的爆破振动信号基线漂零校正和消噪设备；其中，所述爆破振动采集设备包括具有一收纳腔室的箱体、配置于所述收纳腔室的爆破测振仪以及具有测振探头以及测振接头的测振件；所述测振接头的信号输出端与所述爆破测振仪的信号输入端连接，所述测振探头从所述收纳腔室穿出至箱体外，/以采集原始爆破振动信号；
所述爆破振动信号基线漂零校正和消噪设备，用于获取通过采集原始爆破振动信号；对所述原始爆破振动信号进行互补总体经验模态分解，以获得第一各模态分量及残余分量；对所述第一模态分量及残余分量进行基线估计及稀疏化去噪，以获得第二各模态分量及残余分量；对所述第二各模态分量及残余分量进行重构，以获得特征信号；对所述特征信号进行信噪比判别，在所述信噪比小于等于第一预设值时，对所述特征信号进行隐马尔可夫模型消噪，以获得真实爆破振动信号。
9.根据权利要求8所述的爆破振动信号基线漂零校正和消噪系统，包括浇筑模板、钢筋壁，所述钢筋壁包括横向钢筋以及纵向钢筋，其特征在于，所述爆破振动采集设备通过安装机构安装于横向钢筋和纵向钢筋的交叉处；所述爆破振动采集设备固定在所述浇筑模板和所述钢筋壁之间的空隙中。
10.根据权利要求9所述爆破振动信号基线漂零校正和消噪系统，其特征在于，安装机构包括：安装构件，用于固定所述爆破振动采集设备；以及
两连接构件，分设于所述安装构件的上下两侧且分别卡接在相邻的两横向钢筋上；
所述安装机构包含两对置配置的连接件，所述连接件具有第一安装部以及形成在第一安装部上侧和下侧的第一连接部和第二连接部，两对置的第一连接部和两对置的第二连接部分别形成环形结构的连接构件，两对置的第一安装部形成环形结构的安装构件以固定所述爆破振动采集设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911310124.9A CN111161171B (zh) | 2019-12-18 | 2019-12-18 | 爆破振动信号基线漂零校正和消噪方法、装置、设备及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911310124.9A CN111161171B (zh) | 2019-12-18 | 2019-12-18 | 爆破振动信号基线漂零校正和消噪方法、装置、设备及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111161171A true CN111161171A (zh) | 2020-05-15 |
| CN111161171B CN111161171B (zh) | 2023-04-07 |
Family
ID=70557616
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911310124.9A Active CN111161171B (zh) | 2019-12-18 | 2019-12-18 | 爆破振动信号基线漂零校正和消噪方法、装置、设备及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111161171B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112731234A (zh) * | 2020-12-29 | 2021-04-30 | 厦门大学 | 一种基于圆弧切线模型的核磁共振波谱基线校正方法 |
| CN112766224A (zh) * | 2021-02-01 | 2021-05-07 | 华侨大学 | 畸变信号中提取真实信号的方法、装置、设备和存储介质 |
| CN113158714A (zh) * | 2020-11-04 | 2021-07-23 | 南京晨光集团有限责任公司 | 基于小波熵与eemd的故障特征自适应提取方法 |
| CN116338242A (zh) * | 2023-05-26 | 2023-06-27 | 有数(深圳)智能科技有限公司 | 一种振弦数据采集仪及其控制方法 |
| CN116626448A (zh) * | 2023-04-18 | 2023-08-22 | 国网江西省电力有限公司南昌供电分公司 | 一种基于云平台的光缆防外破监测系统 |
| CN116776168A (zh) * | 2023-08-22 | 2023-09-19 | 惠州帝恩科技有限公司 | 一种试剂管生产数据智能分析方法及系统 |
| CN117915222A (zh) * | 2024-03-20 | 2024-04-19 | 宏大爆破工程集团有限责任公司 | 一种无线爆破联动通信方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005069278A1 (de) * | 2004-01-13 | 2005-07-28 | Siemens Aktiengesellschaft | Verfahren und vorrichtung zur bearbeitung eines sprachsignals für die robuste spracherkennung |
| US20130132085A1 (en) * | 2011-02-21 | 2013-05-23 | Gautham J. Mysore | Systems and Methods for Non-Negative Hidden Markov Modeling of Signals |
| CN107886351A (zh) * | 2017-10-18 | 2018-04-06 | 中国地质大学（武汉） | 一种基于ceemd‑pso‑bp模型及误差补偿的原油价格预测方法及系统 |
| CN107885940A (zh) * | 2017-11-10 | 2018-04-06 | 吉林大学 | 一种用于分布式光纤振动传感系统的信号特征提取方法 |
| CN108491355A (zh) * | 2018-02-05 | 2018-09-04 | 南京邮电大学 | 一种基于ceemd与小波包的超声信号降噪方法 |
| CN108831447A (zh) * | 2018-09-29 | 2018-11-16 | 广东工业大学 | 基于hmm和pnn的语音识别方法、装置及存储介质 |
| CN110031899A (zh) * | 2018-01-11 | 2019-07-19 | 中石化石油工程技术服务有限公司 | 基于压缩感知的弱信号提取算法 |
-
2019
- 2019-12-18 CN CN201911310124.9A patent/CN111161171B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005069278A1 (de) * | 2004-01-13 | 2005-07-28 | Siemens Aktiengesellschaft | Verfahren und vorrichtung zur bearbeitung eines sprachsignals für die robuste spracherkennung |
| US20130132085A1 (en) * | 2011-02-21 | 2013-05-23 | Gautham J. Mysore | Systems and Methods for Non-Negative Hidden Markov Modeling of Signals |
| CN107886351A (zh) * | 2017-10-18 | 2018-04-06 | 中国地质大学（武汉） | 一种基于ceemd‑pso‑bp模型及误差补偿的原油价格预测方法及系统 |
| CN107885940A (zh) * | 2017-11-10 | 2018-04-06 | 吉林大学 | 一种用于分布式光纤振动传感系统的信号特征提取方法 |
| CN110031899A (zh) * | 2018-01-11 | 2019-07-19 | 中石化石油工程技术服务有限公司 | 基于压缩感知的弱信号提取算法 |
| CN108491355A (zh) * | 2018-02-05 | 2018-09-04 | 南京邮电大学 | 一种基于ceemd与小波包的超声信号降噪方法 |
| CN108831447A (zh) * | 2018-09-29 | 2018-11-16 | 广东工业大学 | 基于hmm和pnn的语音识别方法、装置及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 付晓强等: "冻结立井爆破振动信号去噪研究", 《煤矿安全》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113158714A (zh) * | 2020-11-04 | 2021-07-23 | 南京晨光集团有限责任公司 | 基于小波熵与eemd的故障特征自适应提取方法 |
| CN113158714B (zh) * | 2020-11-04 | 2024-04-16 | 南京晨光集团有限责任公司 | 基于小波熵与eemd的故障特征自适应提取方法 |
| CN112731234A (zh) * | 2020-12-29 | 2021-04-30 | 厦门大学 | 一种基于圆弧切线模型的核磁共振波谱基线校正方法 |
| CN112731234B (zh) * | 2020-12-29 | 2021-10-29 | 厦门大学 | 一种基于圆弧切线模型的核磁共振波谱基线校正方法 |
| CN112766224A (zh) * | 2021-02-01 | 2021-05-07 | 华侨大学 | 畸变信号中提取真实信号的方法、装置、设备和存储介质 |
| CN112766224B (zh) * | 2021-02-01 | 2023-05-30 | 华侨大学 | 畸变信号中提取真实信号的方法、装置、设备和存储介质 |
| CN116626448A (zh) * | 2023-04-18 | 2023-08-22 | 国网江西省电力有限公司南昌供电分公司 | 一种基于云平台的光缆防外破监测系统 |
| CN116338242A (zh) * | 2023-05-26 | 2023-06-27 | 有数(深圳)智能科技有限公司 | 一种振弦数据采集仪及其控制方法 |
| CN116776168A (zh) * | 2023-08-22 | 2023-09-19 | 惠州帝恩科技有限公司 | 一种试剂管生产数据智能分析方法及系统 |
| CN116776168B (zh) * | 2023-08-22 | 2023-11-21 | 惠州帝恩科技有限公司 | 一种试剂管生产数据智能分析方法及系统 |
| CN117915222A (zh) * | 2024-03-20 | 2024-04-19 | 宏大爆破工程集团有限责任公司 | 一种无线爆破联动通信方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111161171B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111161171B (zh) | 爆破振动信号基线漂零校正和消噪方法、装置、设备及系统 | |
| Thomson | Spectrum estimation and harmonic analysis | |
| Kim et al. | 3-D sound source reconstruction and field reprediction using the Helmholtz integral equation | |
| Kirsteins et al. | Adaptive detection using low rank approximation to a data matrix | |
| CN109885903B (zh) | 一种基于模型的地面核磁共振信号尖峰噪声去除方法 | |
| Benesty et al. | Estimation of the coherence function with the MVDR approach | |
| Cheng et al. | Enhanced symplectic characteristics mode decomposition method and its application in fault diagnosis of rolling bearing | |
| Ogata et al. | Reinforced spectral subtraction method to enhance speech signal | |
| Li et al. | Spectral histogram using the minimization algorithm-theory and applications to flaw detection | |
| CN112494001A (zh) | Ppg信号质量评估方法、装置、穿戴式设备及存储介质 | |
| Yue et al. | Suppression of periodic interference during tunnel seismic predictions via the Hankel-SVD-ICA method | |
| Holm | FFT pruning applied to time domain interpolation and peak localization | |
| Jiang et al. | Harmonic noise-elimination method based on the synchroextracting transform for magnetic-resonance sounding data | |
| CN109901224A (zh) | 一种地震资料低频信号保护压制噪声方法 | |
| Li et al. | Magnetotelluric signal-noise separation method based on SVM–CEEMDWT | |
| CN117688369A (zh) | 基于das的注浆管道数据降噪方法 | |
| CN110989020B (zh) | 一种音频大地电磁数据噪声干扰的滤波方法及系统 | |
| Mulgrew | The stationary phase approximation, time-frequency decomposition and auditory processing | |
| CN110703089B (zh) | 一种用于低频振荡Prony分析的小波阈值去噪方法 | |
| Rasmussen | Maximum likelihood estimation of the attenuated ultrasound pulse | |
| CN111366979A (zh) | 一种大地电磁测量装置及方法 | |
| Karpenko et al. | Nonlinear time series analysis of the ionospheric measurements | |
| Ioannidis | Application of multivariate autoregressive spectrum estimation to ULF waves | |
| CN116992254B (zh) | 变频电机的壳振信号的重构方法、装置、设备及存储介质 | |
| Chen et al. | Seismic Linear Noise Attenuation Based on the Rotate-Time-Shift FK Transform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |