本研究提出了一种结合频域约束与独立成分分析（ICA）的方法，应用于经验模态分解（EMD），有效提升信号去噪性能。
噪声污染是煤岩动力灾害电磁监测应用中的一个重要问题，去噪效果直接影响到灾害预测的准确性。经验模态分解（Empirical Mode Decomposition, EMD）目前在电磁信号去噪中使用最为广泛，但当信号与噪声的时间频率特征相近时，该算法会出现严重的内蕴模态函数（Intrinsic Mode Function, IMF）混叠现象。为解决这一问题，本段落提出了一种基于经验模态分解和频域约束独立成分分析的去噪方法：首先利用EMD将电磁信号分解成多个IMF分量，并通过计算各分量与原信号间的互相关系数来判断存在模态混叠现象的过渡IMF；接着以该过渡IMF后续分量在频率范围内的特征为限制条件，对这一过渡IMF进行独立成分分析，从而去除其中包含的噪声部分。最后将去噪后的过渡分量与其之后的所有频段重新组合起来，得到最终净化过的信号。
通过使用含噪Ricker子波和现场电磁信号作为案例样本，并利用信噪比来定量验证了该方法在处理实际煤岩动力灾害监测中遇到的模态混叠问题的有效性。此外，在频率范围限制条件下的独立成分分析去噪过程不仅速度快，而且效率高，适合于大量实时监控数据中的快速噪声过滤应用。
5星
