论文关键代码复现:基于ZOA优化VMD-IAWT岩石声发射信号降噪算法

作品简介

论文关键代码复现

基于ZOA优化VMD-IAWT岩石声发射信号降噪算法是发表在EI期刊采矿与岩层控制工程学报(Journal of Mining And Strata Control)上2024年的论文。

01.引言

针对岩石破裂过程中产生的声发射(AE)信号夹杂大量噪声的问题,提出了一种基于斑马优化算法(ZOA)改进变分模态分解(VMD)并与改进的自适应小波阈值(IAWT)联合的声发射信号降噪算法。利用ZOA算法优选出影响VMD分解效果的模态个数K和二次惩罚因子α;通过相关系数将分解出的IMFs划分为有效分量、含噪分量和剔除分量;针对小波阈值(WT)降噪算法不具备自动调整小波基以及软、硬阈值函数存在偏差大和不连续的弊端,提出了IAWT算法去除IMFs中的噪声分量,并与有效分量合并重构,得到降噪后的AE信号。通过模拟和实测AE信号验证并与现有降噪算法对比,结果表明ZOA-VMD-IAWT降噪算法适合处理AE信号,信号的时频特征得以保留。研究结果可为岩石AE信号理论及实际工程应用提供参考。

02.问题定义与研究现状

岩石声发射信号作为表征岩体内部损伤演化的关键载体,其降噪处理面临三大挑战:

(1)​非平稳特性:脆性破裂产生的AE信号具有宽频带(10-500kHz)、突发瞬态特性,传统傅里叶变换与小波基选择缺乏自适应能力;

(2)​模态混叠:经验模态分解(EMD)类方法在处理多组分信号时易产生虚假模态,导致有效IMF分量误判率超过35%;

(3)​参数敏感性:VMD算法的分解效果高度依赖K与α参数,人工经验调参在复杂岩性场景下泛化性不足。

现有研究虽尝试引入遗传算法(GA)、粒子群算法(PSO)优化VMD参数,但仍存在收敛速度慢(迭代次数>50)、易陷入局部最优等问题。本研究提出基于ZOA的VMD参数自适应优化策略,结合改进阈值函数构建联合降噪框架,旨在提升算法在噪声抑制与特征保留方面的综合性能。

03.技术解析:ZOA-VMD-IAWT算法实现降噪性能飞跃

本方案创新性融合斑马优化(ZOA)、VMD分解、改进小波阈值(IAWT)​三大模块,构建全流程自适应处理链条:

​(1)ZOA参数优化引擎:基于包络熵最小化原则,利用斑马种群的觅食-防御双策略搜索机制,在10次迭代内锁定VMD最优参数组合(K=5-12,α=1500-2500),相较遗传算法(GA)提速3倍,且参数稳定性提升60%;

​(2)​IAWT动态阈值函数:设计指数平滑过渡型阈值函数​(见公式),在硬阈值(保留边缘特征)与软阈值(减少重构振荡)间自适应平衡,实测显示在50kHz高频段噪声抑制率提升至92%,同时将有效信号畸变率控制在<2%;

​​(3)能量熵-相关系数双筛选:通过IMF分量的能量熵占比(Q值>1.8)​与Pearson相关系数(R>0.5)​联合判定,精准分离噪声分量(如IMF4-IMF10),避免传统单一指标导致的过拟合问题。

技术对比:在吉林油田实测数据集中,本方案SNR达14.02dB,较VMD-WT(10.19dB)、GWO-VMD(12.71dB)显著领先。

参考文献

[1] Wang T T, et al. Optimized VMD-IAWT acoustic emission signal denoising algorithm of rock based on ZOA[J]. Journal of Mining and Strata Control Engineering, 2024, 6(4): 043029.
[2] Dragomiretskiy K, et al. Variational mode decomposition[J]. IEEE transactions on signal processing, 2014, 62(3): 531-544.

04. 技术应用与合作

本研究提供完整算法实现方案:标准化代码包:MATLAB文件(含ZOA优化、IAWT核心模块)

05.复现代码效果图

(1)仿真模拟信号

(2)ZOA-VMD

(3)ZOA-VMD-IAWT(本代码使用样本熵)

本研究团队基于信号处理领域的技术积累,可提供以下扩展代码开发与工程化服务

定制代码:智能优化算法+信号分解+改进小波阈值去噪算法

创作时间: