一种基于ICA的机械缺陷超声信号提取方法

针对强噪声背景下缺陷超声回波信号检测的问题,利用了基于独立分量分析的方法进行缺陷信号的提取。该方法首先对观测信号进行JADE分解,得出多导独立分量,再根据赫斯特指数,分离缺陷信号和噪声信号。通过对仿真和实测缺陷超声信号的去噪实验研究,结果表明,与小波去噪方法相比,ICA去噪方法能够得到很好的信噪比,有利于强噪声背景下缺陷的去噪处理及微弱信号的提取。     

基于改进Hilbert-Huang变换的超声回波信号去噪研究

超声回波信号中包含大量有关缺陷性质的信息,由于信号在检测和传输过程中不可避免地受到随机噪声干扰,给后续信号处理带来误差。针对该问题,提出改进的希尔伯特-黄变换(Hilbert-Huang Transform,HHT)应用于超声回波信号去噪,提取回波信号中反映缺陷本质特征的信号。改进算法引入小波包变换对超声回波信号作预处理,对处理后的信号进行经验模态分解,提出对数似然检验法,识别并去除噪声引起的虚假分量,重构出有用回波信号。通过对添加高斯白噪声的超声回波信号去噪,验证改进算法应用于超声回波信号去噪的可行性和有效性。     

活塞杆摩擦焊接头的超声检测及缺陷二维重构

针对活塞杆摩擦焊接头的未熔合缺陷,采用超声无损检测方法对部件接头进行检测并提取了含噪声的超声回波信号,利用小波降噪法对含噪声缺陷信号进行了降噪处理,通过多位置、多点检测的方法对未熔合缺陷进行了二维轮廓重构.结果表明:1) 通过优化小波阈值降噪算法的参数提高了回波信号的信噪比,可以提升检测的有效性与准确性;能实现对缺陷信号的降噪并保证信号的完整性;2) 对检测数据进行理论计算确定了缺陷的多位置边缘点,通过缺陷边缘点的拟合,实现了未熔合缺陷的二维轮廓重构,重构结果与破坏性检验结果基本吻合.     

粗晶材料缺的超声检测信号识别

对于非均匀材料，超声无损检测技术受到能否有效区分有用信号与背景噪声的限制，目前人们大多倾向使频率分隔与统计算法来提高粗晶材料中相对颗粒散射的缺陷回波比例。文中介绍一种用Ｗｉｇｎｅｒ分布作特征提取，用前馈网络自动识别超声散射回波中的缺陷信号。     

管道缺陷超声导波监测信号匹配追踪去噪

采用超声导波进行管道缺陷监测过程中混入干扰噪声严重影响缺陷反射回波的提取和识别,本文提出了一种新的管道缺陷超声导波监测信号匹配追踪去噪方法。将Hanning窗调制的正弦波激励信号经过时间平移和幅值调制作为基本原子形成自定义过完备波形字典,对管道缺陷超声导波监测信号进行匹配追踪稀疏分解,提取其中有效成分进行信号重构,经多次迭代实现信号去噪。对有限元数值模拟和实际管道缺陷监测信号分别采用传统小波阈值和本文提出的匹配追踪法进行去噪处理,结果表明,当信噪比较低时匹配追踪法明显优于小波阈值法,即使在干扰噪声完全淹没缺陷反射回波的场合,仍然可以提取出清晰干净的缺陷反射回波信号,为正确分析和评估现役管道安全运行状况提供了一条新的途径。     

超声多普勒回波信号瞬时幅度和瞬时频率估计的新方法

对脉冲超声多普勒回波信号模型进行了改进，并在改进模型的基础上，提出了一种基于非线性能量算子ψ的检测超声多普勒回波信号瞬时幅度和瞬时频率的方法．该方法具有跟踪信号瞬态变化的能力，计算量小，很容易做到实时．仿真结果和对颈动脉超声多普勒回波信号的分析，都证明了该方法的可行性．     

限幅采样技术在激光超声无损检测中的应用

基于超声信号在金属介质缺陷处发生回波现象,提出一种单位限幅数字还原采集的方法,用于回波弱信号还原。将激光超声技术、声电耦合技术和电学检测技术相结合,利用脉冲调制的单频激光源,作用于金属激发超声波,使用单位限幅数字还原的方法,抓取超声信号传输特征。超声波信号数据采集抓取完成后发送到上位机软件,对信号进行分析和处理。通过实验测试验证,使用上述信号还原方法,依托高速FPGA开发平台,提高了系统对回波弱信号的采集能力和金属缺陷判断的能力。     

超声内检测含缺陷管道壁厚确定方法

超声内检测器检测含缺陷管道时,回波信号高度敏感于探头与管道的空间相对方位,是影响管壁厚度检测精度的关键影响因素之一。利用自主研制的A扫描超声内检测实验装置,针对DN219×7.48 mm、Q235碳钢外壁含体积型缺陷管道,开展超声探头与被测管道分别在正对状态和存在轴向错位、环向错位以及两种错位共存4种状态下的超声检测实验,获得了不同空间姿态下的回波信号。分析了回波信号的时域波形特征,基于提取的时域特征参数,建立了管道壁厚计算过渡方式,并确定了壁厚计算方法。发现能确定含缺陷管段壁厚的错位范围比确定无缺陷管段壁厚的错位范围小;轴向错位对信号中缺陷底面回波特征的影响比环向错位大。结果表明:提出的含缺陷管道壁厚计算方法能准确确定管道壁厚,计算壁厚与实际壁厚最大误差小于5%,说明检测精度满足工程需要。     

基于超声导波的管道缺陷量化评估仿真研究

超声导波是近年新兴的无损检测技术,相比超声检测和漏磁检测等传统方法,它可提供大范围、全面高效的检测,因此受到越来越多的关注。在基于超声导波的管道缺陷检测中,普遍采用脉冲回波方法,即根据反射回波信号的分析结果获取缺陷信息,目前此技术已可实现管道缺陷的识别和定位。但由于实际管道缺陷形态不规则,产生的反射回波信号往往很复杂,目前还不能实现管道缺陷的量化检测。本文针对此问题,通过有限元仿真方法研究超声导波与管道缺陷的交互过程,提出利用缺陷前后边界分别产生的两个反射信号进行缺陷轴向尺寸的量化评估方法,并进一步通过有限元仿真验证了结论。     

基于Gauss调制脉冲模型的超声信号提取算法

奥氏体材料的厚壁焊缝是焊缝超声检测的难点,由于焊缝组织晶粒粗大,超声散射与衰减严重,检测信号中含有大量噪声信号,因此需要通过信号处理提高其信噪比。该文提出了一种基于Gauss调制脉冲(GMP)模型的超声检测信号提取算法,使用参考信号对原始信号进行互相关滤波,并基于GMP模型对滤波结果进行信号分解,由信号特征直接估计各信号分量的控制参数。先后设计了仿真实验及超声检测实验以验证算法性能,结果表明:该算法可以有效提取超声检测信号中的缺陷信息,为厚壁焊缝缺陷信号分析、焊缝检测算法优化等相关应用奠定基础。     

EEG Signal Denoising and Feature Extraction Using Wavelet Transform in Brain Computer Interface

Electroencephalogram (EEG) signal preprocessing is one of the most important techniques in brain computer interface (BCI). The target is to increase signal-to-noise ratio and make it more favorable for feature extraction and pattern recognition. Wavelet transform is a method of multi-resolution time-frequency analysis, it can decompose the mixed signals which consist of different frequencies into different frequency band. EEG signal is analyzed and denoised using wavelet transform. Moreover, wavelet transform can be used for EEG feature extraction. The energies of specific sub-bands and corresponding decomposition coefficients which have maximal separability according to the Fisher distance criterion are selected as features. The eigenvector for classification is obtained by combining the effective features from different channels. The performance is evaluated by separability and pattern recognition accuracy using the data set of BCI 2003 Competition, the final classification results have proved the effectiveness of this technology for EEG denoising and feature extraction.     

粗晶材料缺陷的超声检测信号识别

对于非均匀材料，超声无损检测技术受到能否有效区分有用信号与背景噪声的限制，目前人们大多倾向使用频率分隔与统计算法来提高粗晶材料（一种非均匀材料件相对颗粒散射的缺陷回波比例．文中介绍一种用Ｗｉｇｎｅｒ分布作特征提取、用前馈网络自动识别超声散射回波中的缺陷信号．由于普通的人工神经网络要求输入信号的特征与时间起始点无关，因此采取了一种数学变换方式来实现这一要求，这样训练好的网络就有很强的识别能力．在实验中，正确识别率达到９０％．所述方法对其他非均匀介质的超声检测与评价工作也有益处．     

脑机接口中基于小波包最优基的特征抽取

在脑机接口研究中,针对脑电特征抽取,提出一种基于小波包最优基分解的方法．依据距离准则,从小波包库中选择一个对分类最优的小波包基;在该小波包基包含的所有分解系数中,抽取部分具有最大可分性的系数作为有效特征;不同通道脑电信号有效特征的结合,构成分类的特征矢量．通过对该特征矢量可分性和识别精度两个性能指标的评估,并与现有分类结果进行比较,表明了所提出方法的有效性．     

一种适于心电数据的可分性评价准则研究

在心电特征提取中,现存的基于多种可分性准则和K L变换等技术在特征提取的有效性等方面都有各自的优缺点,都不能保证取得满意的结果。这就需要有一个评价准则来衡量最终特征的有效性和类间的可分性。为此,本文针对心电数据提出了一种基于标准差和欧氏中心距的可分性评价准则,并应用于MIT BIH数据库中心律失常数据的特征提取、特征有效性的评测和决策树的设计。实验结果表明,这是一种有效和实用的可分性评测准则。     

超声探伤仪性能测试系统的研究与设计

为实现超声探伤仪性能测试自动化,提高测试效率和精度,研究并设计了一套超声探伤仪性能测试系统。系统以工控机作为中心处理单元,数据采集卡、超声波发射/接收卡实现了数据信号的采集和传输,通过GPIB总线来连接测试平台和待检仪器,简化了系统硬件组成。系统软件以Visual C++2008作为开发平台,采用模块化和结构化思想编写程序,具有良好的扩展性。采用小波分析方法对超声回波进行滤波,有效抑制了信号中噪声对测试精度的影响。试验结果表明,所开发的测试系统能够准确测试超声探伤仪器各项性能参数,实现了测试的智能化。     

Ultrasonic flaw detection using EMD-based signal processing

The precise detection of flaw echoes buried in backscattefing noise caused by material microstructure is a problem of great importance in uhrasonic non-destructive testing （NDT）. In this work, empirical mode decomposition （EMD） is proposed to deal with ultrasonic signal. A time-frequency filtering method based on EMD is designed to suppress noise and enhance flaw signals. Simulated results are presented, showing that the proposed method has an excellent performance even for a very low signal-to-noise ratio （SNR）. The improvement in flaw detection was experimentally verified using stainless steel pipe sample with artificial flaws.     

基于小波脊的超声信号处理

根据超声信号通常是单频载波脉冲信号,具有渐近信号的特性,提出了一种基于小波脊的超声信号处理算法．首先利用渐近小波变换提取超声信号的小波脊,计算小波脊的移动熵,然后通过移动熵实现缺陷信号与噪声的分离和缺陷定位,最后利用小波反变换重构出缺陷信号．该算法充分利用了超声信号的时域、频域和相位信息,不仅消噪性能好,而且缺陷定位准确     

Feature Extraction and Classification of Echo Signal of Ground Penetrating Radar

0IntroductionGrvoeluonpde dpienne rtercaetinntg y reaardsa r, (wGhiPchR)is i se map lnoeywedte bcyh nsicqieunet idset-and engineers to obtaininformationfromsubsurface and man-made structures .It has advantage of quick,easy and non-de-structive way toi mage the first few meters of the subsurfaceSo,it is widely used in utility location,landmine detectionroad and airport runway inspection,geophysical survey,andarchaeological investigations ,etc[1 ,2]. Conventionally,radaecho signals can be form…     

基于LS-SVM的超声导波管道缺陷二维重构

针对当前超声导波检测中的缺陷成像技术难点,提出了基于支持向量机的缺陷轮廓重构方法.通过实验和有限元仿真相结合的方式,获得不同大小缺陷的检测信号.采用最小二乘网络学习算法,选取缺陷回波数据作为支持向量机的输入,缺陷轮廓数据作为输出.建立了缺陷回波到缺陷二维轮廓的非线性映射,实现了缺陷轴向宽度和径向深度的二维轮廓重构,并与径向基神经网络重构效果进行了对比.实验结果表明,该方法速度快、精度高、泛化能力好,是管道超声导波定量化、可视化检测的一种可行方法.