基于双树复小波变换与样本熵的自适应降噪法*

刘嘉辉，秦仙蓉，王玉龙，孙远韬，张 氢

（同济大学机械与能源工程学院 上海，201804）

引言

由于工程监测环境、设备以及人为因素等影响，大型机械装备的结构监测信号往往受到背景噪声的干扰。当机械装备的结构产生损伤或故障时，噪声干扰会使反映结构健康、轻微损伤或严重故障的特征信息被噪声污染，有效信息被弱化且难以获取。此外，噪声通常具有非线性、非平稳性和随机性，会导致结构监测信号产生畸变，掩盖结构的实际健康状态，影响结构健康状态特征的挖掘［1］。因此，对监测信号进行降噪，提高信噪比是有效提取结构健康状态特征信息、实现结构故障诊断的前提。然而，由于多数的大型工程机械长期处于低速重载的循环工作状态，使其结构监测信号也呈现非平稳性、非线性特点，加大了降噪难度，传统消噪方法的去噪效果并不理想。

目前，非平稳信号的降噪方法主要有小波阈值法、经验模态分解、奇异值分解和双树复小波变换等。崔治等［2］采用小波熵确定超声信号在小波阈值降噪中的自适应最优分解层数，有效去除了含噪超声信号中的噪声，不仅提高了信噪比，而且更有效地保留了原始信号中的有用成分。沈微等［3］针对噪声背景下的振动信号采用同步挤压小波变换，通过自相关系数峰度阈值法二次剔除经同步挤压小波变换和瞬时频率复杂度筛选后的分量，最终实现对原始信号的消噪。吴定海等［4］利用小波尺度间的相关性来增强信号中的有用信息，并与分块阈值相结合进行联合降噪，通过双树复小波包变换的空域和邻域联合降噪方法，有效抑制低信噪比下信号中的噪声干扰。……