基于傅里叶分解的爆破振动信号趋势项提取与噪声去除方法

《Scientific Reports》：Trend term and noise removal method for blasting vibration signals based on Fourier decomposition

　　

摘要

爆破振动信号中的趋势成分和噪声严重影响了分析的准确性。然而，现有的自适应分解方法在去除这些趋势和噪声成分方面仍存在局限性。本研究通过优化关键参数（包括互相关阈值、超低频能量阈值以及分解搜索路径），开发了一种基于傅里叶分解（FDM）的爆破振动信号预处理方法。对比高频率到低频率搜索（HTL-FS）和低频率到高频率搜索（LTH-FS）两种搜索路径的结果表明，LTH-FS在处理爆破振动信号时具有更优越的分解性能。系统地研究了FDM对不同超低频能量阈值的敏感性，并建立了识别有效成分的标准。实验结果表明，FDM能够有效分离出爆破振动记录中的低频趋势成分、高频噪声以及有意义的信号信息。与经验模态分解（EMD）、具有自适应噪声的完全集合经验模态分解（CEEMDAN）和变分模态分解（VMD）相比，通过FDM获得的纯净信号具有最平滑的时间历程曲线、最高的信噪比（23.2406）以及最低的均方根误差（0.0246）。同时，本文通过分析两个实际案例——崇礼隧道爆破项目和草帽山隧道爆破项目——进一步证实了FDM作为高精度爆破信号预处理方法的有效性。