基于AWSST和GCV的矿山微震信号联合降噪新方法

作者：冯小鹏; 袁于思; 张磊

来源：有色金属(矿山部分), 2023, 75(02): 35-42.

DOI：10.3969/j.issn.1671-4172.2023.02.005

• 露天矿山
• 微震信号
• 噪声
• 自适应小波变换
• 同步压缩变换
• 最佳阈值
• 广义交叉验证
• 降噪方法

由于露天矿山开采环境的复杂性和各异性，传感器采集得到的微震信号包含大量的噪声干扰，为了获得更加准确的微震信号特征，提出了基于自适应同步压缩小波变换(Adaptive Synchrosqueezing Wavelet Transform, AWSST)和广义交叉验证(Generalized Cross-Validation, GCV)的联合降噪方法，从而对微震事件定位和判断开挖过程中岩体状态提供可靠的数据保障。首先在自适应小波变换(Adaptive Wavelet Transform, AWT)的基础上，对每个尺度中的小波系数进行阈值化处理，利用GCV方法自动确定每个成分的最佳阈值水平，达到去除噪声的目的。然后，通过同步压缩变换(Synchrosqueezing Transform, SST)的后处理操作，在时频平面对小波变换系数进行二次重分配，从而提升时频表达的能量聚集性。最后，应用于微震信号的降噪处理，并与现有的时频分析方法进行比较，结果表明提出的联合去噪方法降噪效果更好、时频分析的分辨率更高。

• 单位
  武汉科技大学