作者：北京林业大学 赵东、朱红娟

在木材损伤出现早期以及实际环境中检测木结构缺陷时，微弱的损伤声发射信号常常淹没在背景噪声中，如何从背景噪声中提纯损伤声发射信号特征，对于承载木材的早期损伤检测和品质评价具有重要意义。材料声发射信号的处理一直是人们研究的热点，包括木质/非木质材料的声发射信号研究在内。研究发现，在材料声发射信号采样过程中，测得的声发射信号往往是多种信号的叠加，包含由各种成分和干扰，属于非平稳信号，因此对数据进行分析之前，首先要考虑噪声的去除问题。传统的基于傅立叶变换的滤波方法在提高信噪比和空间分辨率两项指标上存在矛盾。低通滤波器能够通过平滑抑制噪声，但会由于信号的过程扭曲而失真；高通滤波器可能使边缘更加陡峭，但是背景噪声同时也被加强，即可能将信号的一些高频成分与噪声仪器滤除，丢失了信号的高频信息。
本文采用基于小波包变换的消噪算法来提纯木材损伤声发射信号，既能有效去除噪声，又能较好地保留信号的突变部分，减少信号高频信息的损失。通过与原始采样信号对比，消噪后的信号损伤特征明显增强，结果表明该方法具有良好的消噪能力。
1 小波包信号消噪处理
1.1 小波包消噪原理
阈值去噪原理是：对信号进行小波分解，如果噪声能量明显小于信号能量，则与噪声对应的小波系数也将明显地小于与信号对应的小波系数，选择一个合适阈值处理小波系数，把低于阈值的小波系数设为零，高于阈值的小波系数予以保留或收缩。其去噪步骤为：
1、信号的小波包分解，选择一个小波并确定一个小波分解层次N，然后对信号s 进行N 层小波包分解。
2、计算最佳树（即确定最佳小波基）。对于一个给定的熵标准，计算最佳树。
3、小波包分解系数的阈值量化。对于每一个小波包分解系数（特别是低频分解系数），选择一个适当的阈值并对系数进行阈值量化。
4、小波包重构。根据第N 层的小波包分解系数和经过量化处理系数，进行小波包重构。
1.2 小波包阈值消噪算法
对小波系数进行估计必须对阈值函数和阈值进行选取，常用的阈值函数有硬阈值函数、软阈值函数和一些改进的阈值函数如软硬折中阈值函数、半软阈值函数等。
硬阈值如下：

软阈值如下：

由于硬阈值在某些点不连续，会在信号重构时出现一定振荡。软阈值连续性好，但和会存在恒定的差值，使得重构信号的信噪比较低，均方误差较大。在阈值函数中如何选择阈值thr，直接关系到去噪的优劣。阈值选取过小，会在去噪后的信号中保留部分噪声信息；如果阈值选取得偏大，会丢失有用信号，因此在去噪过程中阈值的选取是关键。
1.3 小波包消噪中阈值的选取
1、强制消噪处理。该方法把小波分解结构中的高频系数全部变为0，即把高频部分全部滤除掉，然后再对信号进行重构处理。这种方法比较简单，重构后的消噪信号也比较平滑，但容易丢失信号中的有用成分。
2、默认阈值消噪处理。该方法利用ddencmp 函数产生信号的默认阈值，然后利用wdencmp 函数消噪处理。
3、给定软（或硬）阈值消噪处理。在实际的消噪处理过程中，阈值往往可以通过经验公式获得，而且这种阈值比默认阈值更具有可信度。在进行阈值量化处理中可用wthresh 函数进行根据木材声发射的信号特点，本研究采用默认阈值消噪处理，即通过ddencmp 函数产生信号的默认阈值，然后进行消噪处理。
2 木材声发射信号消噪处理
2.1 声发射信号测试
本实验选用产于内蒙大兴安林的落叶松，树龄32 年，胸径约32cm，制成尺寸为240mm×20mm×20mm 的试件30 块，长度方向为顺纹理方向，含水率为12%。
在RG-3 型电子万能试验机上进行三点弯曲试验，加载到木材试件破坏为止，加载速率为2mm/ min。实验时，用砂纸在试件上表面距中心80mm 处打磨，直至光亮平滑，然后用脱脂棉擦干净。为保证充分耦合，在声发射传感器上均匀涂抹黄油，将传感器耦合在试件打磨处，并用磁座压紧，然后用北京鹏翔科技公司生产的数字式声发射仪采集全过程声发射信号，采样频率为每通道500 kHz,采样时间为0.02 s。
2.2 Matlab 中实现小波包消噪
本研究依据上述小波包消噪原理，利用Matlab 软件编制了声发射信号消噪程序，对实验采集的木材声发射信号进行了消噪处理。

图1 是通过木材声发射试验采集到的声发射原始信号，由图1b 可知，木材弯曲过程中AE 信号的频率范围大致在40－200 kHz 左右，且含有随机噪声。

图2 是利用小波分析消噪处理得到的木材声发射信号，结果表明小波分析能够较好地保留有用信号中的特征信息。

图3 是依据小波包分析法，采用Matlab 中的函数滤波算法对信号进行小波包消噪处理后的效果，与小波分析比较可以明显看出，处理后的木材声发射信号中保留有原始信号的全部特征，很好地保存了有用信号中的突变和尖峰部分，但无关信息及噪声已大大减少，而且其中心频率在150－200 kHz 左右。说明利用小波包分析方法对于木材的声发射信号能够达到很好的消噪效果。
3 结论
对于在木材损伤早期或在实际环境下检测木材缺陷时，微弱的木材声发射信号中包含有很多的背景噪声，降噪提纯原始声发射信号是木材损伤缺陷检测的前提。本文应用MATLAB 工具箱中的小波函数对落叶松木材三点弯曲时产生的声发射信号进行了小波包降噪处理，并比较了小波包分析降噪和小波分析降噪效果的不同。
通过实验数据的分析，采用小波包中的默认阈值消噪处理方法进行木材声发射信号的消噪处理，噪声消除比较彻底，而且可以很好地保存有用信号中的尖锋和突变部分，提高了信噪比。说明利用小波包分析能够进一步提高木材声发射信号的处理能力，而且对于木材损伤缺陷的诊断具有非常重要的工程实际意义。
本文作者的创新点：本文采用基于小波包分析的木材声发射检测方法, 为木材早期缺陷及木结构损伤的实时检测提供了有效可靠的方法。项目经济效益（200 万元）。