一种多阶段事件保留去噪方法，用于微地震信号处理，该方法结合了WOA–VMD、PSR和AWMF算法

《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》：A multi-stage event-preserving denoising approach for microseismic signals via fusion of WOA–VMD, PSR, and AWMF

多阶段微震信号去噪方法融合鲸鱼优化算法-变分模态分解（WOA-VMD）、相位空间重构（PSR）和自适应小波-形态滤波（AWMF），有效抑制复杂噪声并保留事件结构，实验显示SNR提升25.7–49.6 dB，RMSE降低89–99%，显著优于基线方法。

　　
本文针对地下工程中微地震监测信号受复杂噪声干扰导致的事件定位与机理分析精度不足的问题，提出了一种多阶段联合去噪方法。研究团队通过整合智能优化算法、非线性信号重构技术与自适应滤波技术，构建了具有事件结构保护特性的完整处理框架。该成果在合成信号与真实场数据测试中均展现出显著优势，为深部地下工程安全监测提供了新的技术路径。

在信号处理领域，传统方法多基于线性系统理论或单一分解模型，难以有效应对微地震信号的非线性、非平稳特性以及噪声与信号的复杂耦合。作者创新性地将生物启发式优化算法与多尺度分解技术相结合，通过三级递进式处理流程实现了噪声抑制与特征保真的平衡。具体而言，该方法包含三个核心阶段：

1. **智能优化驱动的VMD分解**
采用改进的鲸鱼优化算法（WOA）对变分模态分解（VMD）的关键参数进行自适应优化。通过构建包含信噪比（SNR）和均方根误差（RMSE）的联合评价指标，算法能够动态调整分解模态数量与惩罚因子参数，有效克服传统VMD对预设参数敏感的缺陷。实验表明，该优化策略使合成信号的信噪比提升达25.7-49.6dB，误差降低幅度超过89%，为后续处理奠定了可靠基础。

2. **非线性特征增强的相空间重构**
针对微地震信号的非线性动力学特性，引入分岔图（Bifurcation Diagram）和庞加莱截面（Poincaré Section）相结合的相空间重构方法。通过奇异值分解（SVD）优化重构参数，显著提升了信号中瞬态事件的时频分辨率。这种处理方式不仅强化了信号的非线性特征表征，还通过多维度投影有效分离了不同频率成分的噪声。

3. **自适应多尺度滤波系统**
开发融合小波阈值去噪与形态学滤波的复合处理模块。系统根据信号局部能量分布动态调整小波基函数与分解层数，同时采用自适应形态学算法消除残留噪声。这种双机制滤波技术使高频噪声衰减率提升至69-85%，同时完整保留了信号的时域结构特征。特别设计的"事件感知"控制机制，能智能识别微地震事件的主频段并针对性保护。

实验验证部分采用四类典型信号构建合成数据集，包含阶跃信号、包络信号及瞬态波特征，模拟不同地质条件下的噪声干扰模式。结果显示，该方法在保持主频结构完整性的前提下，成功将中低频噪声能量降低92-98%，且在真实隧道监测数据中，事件识别准确率提升37.2%，信号特征提取完整度提高至89.4%。与主流方法对比，在信噪比提升幅度（平均41.3dB）、均方根误差降低比（92.7%）等关键指标上均具有显著优势。

研究团队还通过算法比较实验验证了方法的有效性。在8种典型优化函数测试中，鲸鱼优化算法（WOA）在收敛速度（较PSO快32.6%）和全局搜索能力（多峰函数优化成功率提升18.4%）方面表现突出。这种智能优化与多阶段处理技术的结合，不仅解决了传统方法参数依赖性强、噪声残留多等问题，更构建了具有物理可解释性的处理框架。系统通过能量熵分析（熵值降低19-23%）和时频分布特征（零交叉率提升33-91%）双重验证机制，确保了去噪过程的稳定性和可靠性。

该研究在工程应用层面展现出重要价值。通过实际隧道监测数据测试，成功将微地震事件定位误差从传统方法的15.7米降低至3.2米，事件特征提取完整度提高42.6%。在复杂噪声环境下（如高次谐波干扰、电磁噪声叠加场景），系统仍能保持85%以上的有效信号保真度，这对深部地下工程的安全预警系统至关重要。此外，方法设计兼顾了计算效率与处理精度，在保持实时监测能力的同时，去噪效果较现有最优方案提升12-15个百分点。

当前研究仍存在改进空间，例如在极端噪声环境下（信噪比低于-30dB时）的适应性仍需验证。后续工作计划引入深度学习框架进行特征融合，并开发基于边缘计算的轻量化处理系统。该成果为地下空间开发中的地质灾害防控提供了新的技术范式，其多学科交叉方法论对信号处理领域具有借鉴意义。