李 明，李顏冰，張翹楚，史玉濤，崔飛鵬，趙 迎1,

1.鋼鐵研究總院，北京 100081 2.鋼研納克檢測技術股份有限公司，北京 100094 3.益陽職業(yè)技術學院，湖南 益陽 413055

引 言

火花光譜中的原始測量信號由電荷耦合器件(charge coupled device，CCD)有效信號以及噪聲信號組成，引起噪聲的來源包括：散粒噪聲、暗電流噪聲以及數(shù)據(jù)采集噪聲等等，噪聲的存在會降低儀器檢測靈敏度和信噪比，甚至會湮沒有效的光譜信息。張愷[1]將一種自適應經(jīng)驗模態(tài)分解(empirical mode decomposition,EMD)算法應用于激光波長測量實驗系統(tǒng)輸出信號的降噪預處理中，設計了歸一化降噪指標，并將其應用到基于劈尖干涉的波長測量實驗系統(tǒng)輸出信號的降噪中。肖啟陽等[2]利用一維經(jīng)驗小波變換對散斑圖片進行逐行分解,獲得一系列的固有分量。根據(jù)分解后分量的核概率密度函數(shù)提出基于核概率密度的自適應降噪法，但小波分析依賴于小波基的選擇，無法做到自適應。

本文使用平均經(jīng)驗模態(tài)分解(ensemble empirical mode decomposition,EEMD)方法對火花光譜信號進行自適應分解，得到有物理意義的CCD有效信號段和低頻背景段，在重構并二次處理了火花光譜信號后，獲得了更好的特征譜圖。最后，通過儀器自帶的軟件進行統(tǒng)計分析，得了與原儀器自帶方法等同的效果，但省去了采集充氣背景信號的流程，顯著縮短了分析時間，為火花光譜信號處理提供了一種新的方法。

1 理論部分[3]

EMD(empirical mode decomposition)是Huang等[4]于1998年提出一種信號時頻分析方法，能將信號自適應分解成有限個具有物理意義的分量—固有模態(tài)函數(shù)(intrinsic mode function，IMF)。但EMD方法的一個重要缺陷就是模態(tài)混疊，為此，Wu等在對白噪聲進行EMD分解深入研究的基礎上，提出了平均經(jīng)驗模態(tài)分解(EEMD)方法[5]，其基本步驟[6]為：

步驟1：給被分析信號x(t)加入一組白噪聲w(t)來獲得一個總體X(t)

X(t)=x(t)+w(t)

(1)

步驟2：對X(t)進行EMD分解，得到相應的各階IMF

(2)

步驟3：給被分析信號x(t)加入一組不同的白噪聲wj(t)對獲得另一個總體Xj(t)，對Xj(t)進行EMD分解后，得到相應的各階IMF

(3)

步驟4：求得各個IMF的均值作為最終信號的IMF

(4)

式(4)中，N為加入白噪聲的次數(shù)，即總體的個數(shù)，ε是加入白噪聲的幅度，εn是原始信號和由最終的IMF之和所得信號的誤差。

(5)

EEMD方法和EMD方法相比較，克服了其模態(tài)混疊缺陷，能更加清晰的將信號中不同頻率的成分分解出來，更加適合頻率成分豐富的火花光譜信號的分析和處理。

2 實驗部分

2.1 樣品

采用鋼鐵研究總院分析測試所研制的GSB03—2028系列不銹鋼光譜標準物質，關注的元素為碳C、鎳Ni、錳Mn、鉻Cr和鋁Al(見圖1)。

圖1 不銹鋼標準樣品Fig.1 Samples of stainless-steelreference material

2.2 儀器與參數(shù)設置

使用鋼研納克檢測技術股份有限公司SparkCCD 7000型火花光譜儀，儀器參數(shù)設置如下：激發(fā)頻率500 Hz，充氣時間15 s，預燃時間10 s，積分時間8 s。

2.3 方法

實驗室環(huán)境溫度為25 ℃，在儀器上對GSB03—2028的6塊樣品進行測試，共獲得5個元素的6組共30張火花光譜原始CCD信號，作為示例，圖3給出了碳C元素的6個原始CCD信號，可見信號的有效信息被高強度的背景噪聲掩蓋，很難直接獲取有效信息，必須對信號進行處理。

圖2 火花光譜儀Fig.2 Spark spectrometer

圖3 原始CCD信號Fig.3 Original CCD signal

3 結果與討論

3.1 CCD信號的EEMD處理

選取碳C元素對應的原始CCD信號，經(jīng)EEMD分解，自適應的得到了11階IMF，如圖4所示，其特征頻率從高到低排布，其中IMF1頻率最高，IMF11[即信號的趨勢r(t)]最低。根據(jù)信號的能量分布以及幅值特性，IMF1和IMF2表征為信號中的噪聲和CCD有效部分；最后一階IMF11表征為背景低頻噪聲部分。由此可見，EEMD方法可以將CCD信號中各個有物理意義的頻率成分分解出來。

圖4 原始CCD信號的EEMD分解Fig.4 EEMD processing of original CCD

3.2 信號的重構及二次處理

根據(jù)上述分解結果，IMF11表征為背景低頻噪聲部分且強度最高，通過信號的重構去除低頻的背景噪聲IMF11后獲得信號Y(t)[見式(6)]，需要特別指出的是，一般而言需要進行CCD的高頻噪聲濾波處理，本研究CCD的高頻噪聲和CCD的有效信號頻率十分接近，但信號強度相差較大，為了避免濾去高頻噪聲的同時對有效信號產生影響，實驗中不對高頻噪聲進行濾波處理。

(6)

圖5 原始CCD信號和重構后的CCD信號Fig.5 Original CCD signal and restructured CCD signal

如圖5所示，為重構后的CCD信號和原始CCD信號對比，圖中可見，重構后的CCD信號去除了高強度的背景噪聲干擾，更有利于后續(xù)的處理，但存在信號基線漂移和波動的問題，需要進行二次處理。

如圖6所示，可見處理前的信號部分為負值，結合基于連續(xù)小波變換的懲罰最小二乘法(continuous wavelet transform-penalized least squares,CWT-PLS)進行二次處理，處理后的信號基線平滑，且沒有負值信號的出現(xiàn)，更有利于有效光譜信息的提取。

圖6 重構后的CCD信號和二次處理信號Fig.6 Restructured CCD signal and the signal after CWT-PLS

3.3 元素濃度分析

將試驗獲得的原始CCD譜圖均按上述方法進行信號處理后，獲得了碳C、鎳Ni、錳Mn、鉻Cr和鋁Al 5個元素對應的光譜圖譜，如圖7所示。

圖7 各元素二次處理后光譜譜圖(a)：碳C；(b)：鎳Ni；(c)：錳Mn；(d)：鉻Cr；(e):鋁AlFig.7 The spectrums of each element after secondary process(a)：Carbon；(b)：Nickel；(c)：Manganese； (d)：chromium；(e)：Aluminum

將上述數(shù)據(jù)導入儀器軟件計算每個元素的濃度曲線，獲得了五條濃度曲線以及相應的線性相關系數(shù)R2，結果如圖8(a—e)。

如表1所示：對比儀器自帶算法計算相關元素的濃度曲線相關系數(shù)R2，本算法給出的結論和原儀器自帶算法效果一致(儀器出廠要求R2>0.999)，可以很好地滿足應用要求，并且本文算法能自適應地直接分解信號，不需要單獨采集空白的噪聲段(儀器自帶算法需要單獨采集一段空白的噪聲段參與計算)，因此節(jié)省了分析流程，提高了儀器的分析效率。

圖8 元素濃度曲線(a)：碳C；(b)：鎳Ni；(c)：錳Mn；(d)：鉻Cr；(e):鋁AlFig.8 The curvesof each element concentration(a)：Carbon；(b)：Nickel；(c)：Manganese； (d)：chromium；(e)：Aluminum

表1 線性相關系數(shù)Table 1 Linear correlation coefficient

4 結 論

將EEMD方法應用于火花光譜CCD信號的處理和研究，重構并二次處理了火花光譜信號，可得如下結論：

(1)集合經(jīng)驗模態(tài)分解方法可自適應的將火花光譜CCD信號分解成11階IMF，其IMF1和IMF2表征為信號中的高頻噪聲和有效信號部分；最后一階IMF11表征為低頻背景噪聲部分。

(2)基于EEMD的方法具有自適應的特點，不需要預先設置其他參數(shù)，通過應用于火花光譜CCD信號研究，不需要單獨采集空白的噪聲段，大大提高了儀器的分析效率，為火花光譜的數(shù)據(jù)處理提供了新的方式。