论文部分内容阅读
桥梁动挠度是桥梁结构安全检测的重要指标。地基合成孔径雷达（Ground Based Synthetic Aperture Radar,GBSAR）是一项新技术,目前已广泛用于桥梁动挠度测量。GBSAR桥梁动挠度采集过程中,不可避免地会受到周边环境和交通活动等因素的影响,桥梁动挠度中会含有白噪声、脉冲噪声、随机噪声等,导致数据精度降低。为了提高桥梁动挠度精度,需要对GBSAR桥梁动挠度数据进行降噪处理。数学形态学滤波（Morphological Filter,MF）方法能有效滤除脉冲噪声,消除细小噪声,但MF方法滤除随机噪声效果不理想且降噪后可能出现偏倚现象。极点对称模态分解（Extreme-point Symmetric Mode Decomposition,ESMD）方法能将信号自适应地分解为一系列的本征模函数（Intrinsic Mode Function,IMF）和一条最佳自适应全局均线（Adaptive Global Mean Curve,AGM）,但ESMD方法需要与其他方法融合才能进行信号降噪。奇异值分解（Singular Value Decomposition,SVD）方法依据有用信息和噪声信息对矩阵奇异值的作用不同,通过选取适当的奇异值可以有效得从含有噪声的信号中分离出噪声信息,能有效抑制随机噪声干扰,但SVD方法降噪后信号可能会出现“毛刺”现象且降噪效果受信号较强趋势项的影响。单一的一种降噪方法对GBSAR桥梁动挠度信号降噪效果不理想。针对上述问题,本文主要研究内容及成果如下:（1）针对GBSAR桥梁动挠度信号中存在的白噪声和脉冲噪声,以及ESMD方法分解得到的IMF中存在不同频率和尺度的噪声的问题,提出了一种融合ESMD方法和MF方法的MF-ESMD桥梁动挠度信号降噪方法。首先,通过ESMD方法将获得的桥梁动挠度信号分解为一系列不同频率的IMF和一条最佳的AGM曲线;其次,根据斯皮尔曼相关系数算法去除了噪声主导的高频IMF;最后,利用广义均值形态学滤波器进一步消除重构信号中的残留噪声。仿真实验结果表明,MF-ESMD降噪方法的均方根误差为0.0361mm,信噪比为30.6619d B,相比原始信噪比提高了53.3%。相对于MF和MFEEMD降噪方法,MF-ESMD降噪方法对非线性、非平稳性信号具有更好的降噪效果。丰北桥动挠度信号降噪结果表明,MF-ESMD降噪方法的平滑度和噪声抑制比数值优于其他两种方法,证明了MF-ESMD降噪方法能更有效的消除GBSAR桥梁动挠度信号中的白噪声和脉冲噪声。（2）针对GBSAR桥梁动挠度信号中存在的白噪声和随机噪声,以及SVD方法的降噪效果会受到信号趋势项影响的问题,提出了一种基于ESMD方法和SVD方法的ESMD-SVD降噪方法。通过ESMD方法将桥梁动挠度原始信号分解为一系列IMF和最优信号趋势项R,提取出R并将IMF重构成新的信号,SVD方法用于消除重构信号中的随机噪声和其他噪声。最后,将通过SVD方法降噪后的信号与R叠加重构,以获得最终的降噪信号。通过仿真实验,对比分析了ESMD-SVD降噪方法等多种降噪方法的降噪效果,ESMD-SVD降噪方法的均方根误差为0.0212mm,信噪比为35.8441d B,相比模拟信号的信噪比提高了79.22%,优于其他降噪方法,证明了ESMD-SVD降噪方法的可行性和准确性,实现了SVD方法和ESMD方法的优势互补。通过实测数据的降噪效果和综合评价指标,进一步验证了该方法对GBSAR桥梁动挠度信号具有较好的降噪能力,能有效地消除GBSAR桥梁动挠度信号中的白噪声和随机噪声。（3）ESMD-SVD方法能有效抑制白噪声和随机噪声,但降噪后信号仍含有细小脉冲噪声,存在“毛刺”现象。针对此问题提出了基于ESMD、SVD和MF三种方法的ESMD-SVD-MF降噪方法。通过ESMD方法提取出信号最优趋势项R,然后将IMF重构成新信号并对此进行SVD降噪,最后将SVD降噪后的信号与R叠加重构为新的信号,并利用广义均值滤波器平滑重构信号,消除毛刺,最后得出最终的降噪信号。通过仿真实验,对比分析了六种降噪方法的降噪效果以及四个评价指标值,结果显示:ESMDSVD-MF降噪方法的波形相似值为0.9999,平滑度值为1.0066,均方根误差为0.0206mm,信噪比为36.0849d B,相比模拟信号的信噪比提高了80.42%,证明了ESMD-SVD-MF方法对非线性和非平稳信号的降噪效果较理想,降噪能力优于其他五种方法。通过丰北桥GBSAR动挠度信号的降噪效果以及四个评价指标,进一步证明了提出的ESMD-SVDMF降噪方法对GBSAR桥梁动挠度信号具有良好的降噪能力,不仅能有效降低信号中的白噪声、脉冲噪声、随机噪声,还能有效保留信号基本特征。