文摘目的从监测信号中恢复有效腐蚀信息(长期变化趋势、周期性窄带尖峰),提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)和小波阈值去噪(Wavelet Threshold Denoised,WTD)相结合的自适应去噪算法(EMD-WTD)。方法先将信号进行EMD分解,利用最大信息系数(Max Information Coefficient,MIC)判断噪声主导和有效信号主导信号分量的分界点,然后将噪声主导的信号分量进行自适应小波阈值去噪。最后以人工模拟信号和电阻探针监测信号进行验证。结果 EMD-WTD算法能有效去除噪声,信噪比可提升10 d B以上。结论与多个去噪算法相比,EMD-WTD算法能够更好地保留信号中周期性窄带尖峰信息,为后续准确建立电阻探针监测信号与环境之间的数学模型奠定了基础。
