基于碳纳米管振动数据的单通道信号分离：面向结构健康监测的TVF-EMD与BSS方法

《Measurement》：Signal separation of CNT-based vibration data using TVF-EMD and BSS for Structural Health Monitoring

　　

研究人员提出一种融合时变滤波经验模态分解（TVF-EMD）与快速独立成分分析（FastICA）的单通道盲源分离（SCBSS）框架，用于碳纳米管（CNT）/环氧纳米复合传感器在结构健康监测（SHM）中的振动信号分离。实验采用贴附于玻璃纤维增强聚合物（GFRP）悬臂梁的CNT/环氧纳米复合压阻传感器，在稳态、单频、双频及冲击载荷下采集单通道电阻信号，其中应变变形、损伤机制（微裂纹与界面脱粘）及温度环境效应叠加于同一观测通道。研究人员通过TVF-EMD将单通道信号分解为多个固有模态函数（IMF）以重构多通道表示，再分别采用FastICA与稀疏主成分分析（SPCA）估计源信号，并与经验模态分解（EMD）、TVF-EMD+SPCA及基于卷积神经网络（CNN）的谱掩码监督基线进行对比。研究人员对TVF-EMD参数thresh_bwr与bsp_order进行了定量敏感性分析，并在CNT振动数据及NOIZEUS语音语料库上报告信噪比（SNR）与信号失真比（SDR）。结果表明，TVF-EMD+FastICA在SNR与SDR指标上优于对比方法，验证了该框架在资源受限SHM场景中无需额外传感器即可恢复物理意义分量的有效性。

研究背景方面，结构健康监测（SHM）依赖实时损伤检测，传统无损检测与人工智能方法虽取得进展，但在嵌入式或远程部署场景中常仅能获得单通道观测。碳纳米管（CNT）压阻传感器因机械强度高、热导率高且轻质，被广泛探索用于航空航天复材（如旋翼叶片）中的实时监测；其输出为单一电阻信号，应变诱导变形、微裂纹与界面脱粘等损伤机制以及温度环境效应在同一通道内叠加，且实际工况中存在频域重叠、跨源干扰与非平稳噪声。单通道盲源分离（SCBSS）旨在无先验混合矩阵与源信号条件下恢复物理分量，但单通道观测构成欠定问题，需先将单通道映射为多通道再施以多通道BSS。现有方法如基于小波分解、经验模态分解（EMD）及其改进型（集合EMD、变分模态分解VMD、时变滤波经验模态分解TVF-EMD）可提供多通道重构途径，其中TVF-EMD引入时变滤波缓解模态混叠。该研究发表于《Measurement》，针对CNT/GFRP悬臂梁平台，评估TVF-EMD结合BSS在共振与冲击条件下的分离性能。

关键技术方法上，研究人员制备CNT/环氧纳米复合压阻传感器并贴装于GFRP悬臂梁，在稳态、单频、双频及冲击加载下采集单通道电阻信号；采用TVF-EMD将单通道信号分解为若干固有模态函数（IMF）并按概率密度函数相似度筛选敏感IMF重构多通道矩阵；随后并行应用FastICA与稀疏主成分分析（SPCA）进行源估计，对比基线包括EMD、TVF-EMD、TVF-EMD+SPCA、TVF-EMD+FastICA及CNN谱掩码监督模型；对TVF-EMD的thresh_bwr与bsp_order做网格敏感性分析；以SNR与SDR为量化指标，并在NOIZEUS语音库上交叉验证鲁棒性。

研究结果部分，引言指出CNT传感器单通道混合信号分离对SHM解释的必要性与SCBSS文献脉络。第2节背景给出BSS线性混合模型x(t)=A·s(t)、y(t)=W·x(t)，界定观测维数M、源维数N及分离矩阵W的盲条件。第3节方法涵盖传感器制备与四类载荷采集协议、TVF-EMD多通道重构、ICA/SPCA分离及CNN基线构建。第4节定量结果显示TVF-EMD+FastICA在CNT振动数据与NOIZEUS语料上均取得最高SNR与SDR，TVF-EMD参数中thresh_bwr对高频IMF选取敏感、bsp_order影响边界保真度，较EMD与TVF-EMD+SPCA提升显著且优于CNN监督基线之泛化稳定性。第5节结论讨论指出，该框架可作为既有SHM流程的后处理或近实时解释模块，在空间重量受限处免除外加复用硬件；局限在于悬臂梁平台未完全复现旋转叶片动态复杂度，且FastICA非高斯假设在强非平稳噪声下可能退化。研究人员结论翻译为：所提集成TVF-EMD与FastICA的单通道BSS框架，能在CNT/GFRP振动信号中有效分离应变、损伤与环境分量，参数敏感性可控，SNR/SDR优于主流对比方法，为资源受限SHM提供可部署的信号解释路径。