基于匹配追踪的导波检测信号缺陷识别方法

提出动态微分进化算法（MDDE）并将其应用于匹配追踪.采用磁致伸缩导波检测仪器对含有不同尺寸缺陷的钢管进行检测,利用匹配追踪方法对检测信号进行处理,结果发现从处理后的信号中能够方便地识别缺陷信号.计算了匹配所得的导波信号剩余量的均方值,绘制了剩余信号的均方值下降趋势曲线,根据均方值曲线的不同来判别管道缺陷的大小,实现钢管缺陷大小定量化.     

强噪背景下基于改进匹配追踪算法的桥梁缆索缺陷识别

为降低噪声对磁致伸缩导波信号的干扰,实现强噪背景下的桥梁缆索缺陷识别,提出了一种基于改进匹配追踪算法的桥梁缆索缺陷识别方法。首先,采用构建非对称Gabor函数作为原子字典,将相邻残差比作为迭代终止条件,对强噪背景下的导波信号进行匹配追踪。然后,通过缺陷回波包络峰值时刻,对桥梁缆索缺陷进行了定位。最后,对采用不同降噪方法时的桥梁缆索缺陷定位误差进行了比较。结果表明：未添加噪声时,采用缺陷回波包络峰值时刻定位桥梁拉索缺陷,最大误差仅为0.28%。当缺陷回波的信噪比高于-5 dB时,采用本文方法进行降噪,均方差E_MSE几乎为0,信噪比E_SNR增加到7.56 dB以上。采用本文方法对含噪导波信号进行降噪,其降噪精度和缺陷定位精度均优于小波阈值降噪、小波-EMD降噪和传统匹配追踪降噪。当导波信号信噪比为-5 dB及以下时,本文方法的优越性更为显著。即使导波信号信噪比达到-10 dB,采用本文方法进行降噪处理,拉索缺陷定位误差仍能达到1.5%以内。可见所提出的方法可以有效降低强噪声对实测导波的干扰,提高桥梁缆索缺陷识别精度。     

基于宽频导波检测锚杆脱粘缺陷的数值仿真

将低频超声导波应用于在役锚杆脱粘的无损检测,难点在于锚杆与周围介质的相互影响,使导波的传播具有复杂性,从而增加了导波信号分析的难度。将选择宽频信号为激励信号,首先对宽频信号在深埋锚杆中的传播特性进行分析,然后将测试信号进行小波包分解,发现不同的缺陷形式对宽频信号中不同频段的响应具有明显的特征。但由于脱粘缺陷和响应信号特征之间并不是单调关系,因此结合BP神经网络技术,建立测试信号与缺陷特征之间的对应关系,来实现对锚杆脱粘缺陷检测。最后,分析不同噪声水平对识别结果的影响。文中方法对于噪声水平小于5%的检测信号,具有较好的识别结果。     

激励频率对扭转模态磁致伸缩导波检测性能影响

在综合考虑力-磁-声的多个物理场耦合的基础上,通过采用有限元数值仿真方法模拟扭转模态磁致伸缩导波对铁磁性管道的检测,研究激励电流频率对T模态导波检测效果的影响,并通过实验给予验证.结果表明:实验研究数据与仿真计算结果具有相同的变化趋势且存在一个最优频率;激励频率对检测效果有着明显的影响,通过调整激励频率能够使扭转模态导波幅值最大,实现磁致伸缩导波检测性能的优化.     

不锈钢护套对磁致伸缩导波桥梁缆索检测影响

针对带有不锈钢护套的桥梁缆索磁致伸缩导波现场检测中传感器的安装问题,基于磁致伸缩效应及其逆效应建立了有限元模型,并通过仿真分别研究了不锈钢护套对磁致伸缩导波激励与接收的影响,进而得到不锈钢护套对导波检测信号的影响.通过实验室和实桥实验进行了验证,结果表明:不锈钢护套对磁致伸缩导波的激励过程与接收过程均会造成衰减,激励端与接收端不锈钢厚度对信号衰减的影响趋势基本相同.根据仿真与实验结果得到了可以将磁致伸缩导波传感器安装于不锈钢护套上的激励频率及不锈钢护套厚度的范围,为现场安装提供了指导.     

一种优化的VMD算法及其在语音信号去噪中的应用

针对非连续、 非平稳语音信号中含有噪声的问题, 提出一种基于参数优化的变分模态分解去噪算法. 首先, 利用灰狼优化算法搜寻变分模态分解算法的最优分解参数组合——分解模态数K和惩罚因子α, 通过使用获得的参数组合分解语音信号以获得K个特征模态函数分量IMF; 其次, 利用相关系数选择有效模态分量, 并用小波阈值处理无效模态分量; 最后, 重构小波阈值处理后的模态分量和有效模态分量以对语音信号进行去噪. 实验结果表明, 该算法与其他经典算法相比能有效提升信噪比, 降低均方误差, 提高语音信号的质量.     

基于互信息的变模态分解算法及应用

为解决传统变模态分解( VMD: Variable Mode Decomposition) 结合算法中,K 值选择没有标准,从而导致信号提取存在一定程度误差的问题,提出一种基于互信息的变模态分解有效本征模态函数( IMFs: Intrinsic Mode Function) 的判断方法。该算法通过原始信号与VMD 所获得的IMFs 的和之间的差值,实现预置标度K 值的模糊优选提取信号的主要特征。仿真信号实验表明,所提方法具有最大的输出信噪比和最小均方误差( MSE: Mean Square Error) ,实现了K 的模糊优选,并通过实验验证了该方法对管道泄漏信号滤波的有效性。     

VMD-Wavelet 联合去噪算法研究与应用

为解决天然气管道运行过程中采集到的泄漏声波信号含有大量噪声的问题, 通过研究小波、 经验模态分解、 变模态分解等常见去噪算法, 分析了泄漏声波信号的特点, 将改进小波阈值去噪和变模态分解去噪相结合, 提出了变模态分解-小波变换(VMD-Wavelet: Variable Mode Decomposition-Wavelet) 联合去噪算法。 利用该算法对典型信号进行去噪运算仿真, 结果表明, 该联合去噪算法性能优于常见算法。 最后, 将 VMD-Wavelet 联合去噪算法应用于实际采集的油气管道泄漏声波信号去噪处理, 研究发现, 该去噪算法对强背景噪声下的泄漏声波信号能取得很高的信噪比改善和很小的均方误差。     

最小平方OFDM信道估计与信号检测的联合迭代算法

提出一种基于正交频分复用(OFDM)的联合最小平方(LS)信道估计与信号检测迭代算法.与一般的LS信道估计相比,该算法可大大提高估计的精度,而且通过时域低通滤波可有效地抑制加性白高斯噪声(AWGN)和载波间干扰(ICI)的影响,使OFDM系统在移动条件下很好地工作,并能给出很精确的信号检测结果.仿真结果表明,该算法具有很好的均方误差和误比特率性能.     

基于VMD的广义二次互相关时延估计方法

针对广义互相关(GCC:Generalized Cross-Correlation)时延估计方法在低信噪比的情况下会产生较大误差的问题,提出一种基于变分模态分解(VMD:Variational Mode Decomposition)结合广义二次互相关(GSCC:Generalized Second Cross-Correlation)进行时延估计的方法.该方法首先对两路信号分别进行变分模态分解,分离有效模态和噪声模态,使用豪斯多夫距离(HD:Hausdorff Distance)优选模态并重构信号,然后运用广义二次互相关对处理后的信号进行时延估计.理论分析和仿真实验结果表明,与广义二次互相关方法、小波去噪结合广义二次互相关(WT-GSCC:Wavelet-GSCC)方法比较,该方法能有效提升估计精度,具有良好的抗噪性能.     

子带分解在ESPRIT算法中的应用

ESPRIT算法是一种用于信号到来角(DOA)估计的直接求解方法,其性能在低信噪比(SNR)和信号相关时会严重削弱.基于此提出了一种多分辨率DOA估计算法基于子带分解的ESPRIT算法(SB-ESPRIT),通过对全带信号进行子带分解,并对每个叶节点分别应用ESPRIT算法,最后通过映射算法将估计所得的DOA映射到全带信号.对于子带分解后旋转不变性的证明为其应用提供了理论依据.仿真结果证明,SB-ESPRIT不仅提高了特征子空间方法的分辨率,而且在子带划分适当的情况下,具有一定的信号去相关能力,并且其均方误差(RMSE)小于ESPRIT算法.     

磁致伸缩超声导波的包覆层轻烃管道检测试验分析

采用磁致伸缩传感器(Ms S)超声导波检测系统,对带包覆层轻烃管道进行在线检测。研究了不同检测频率、管道直径对管道缺陷检测定位精度的影响,并分析了带有黏弹性包覆层环氧树脂对超声导波信号的影响。对114 mm和80 mm两类管道,以三通、弯头等近似为缺陷,分别使用32 k Hz和64 k Hz探头进行检测。检测结果表明:不同检测频率时管道缺陷检测精度不同,频率越高,定位精度越高。管道的直径对导波信号缺陷检测精度有重要影响,采用32 k Hz频率对80 mm管道的定位精度为9.3 cm,远高于114 mm管道的定位精度(17.6 cm)。黏弹性包覆层对检测信号有强烈的衰减,平均衰减速率约为1 d B/m。     

基于2D-VMD和双边滤波的医学超声图像去噪算法

为了解决几种常用的方法在医学超声波图像处理方面存在的细节信息保留欠佳和去噪效果不明显的2个缺陷,提出了一种将二维变分模态分解和双边滤波相结合的超声图像去噪的新方法。该方法主要是先通过二维变分模态分解将图像分解成一系列不同中心频率的模态分量,然后利用峰值信噪比和归一化均方误差作为筛选有效模态分量的指标系数,并对有效模态分量再进行双边滤波处理,最后重构处理后的有效模态分量,从而去除图像噪声。结果表明:由该方法得到的峰值信噪比最大且高出其它的去噪方法大约0.2～1.4;均方根误差最小且低于其它的去噪方法大约0.3～1.7。由此说明,该方法在去除图像中的噪声和保护细节信息这2个方面都优于其它常用的方法,随着噪声强度增强,该算法去噪效果更加明显。     

OFDM系统中基于导频的信道估计及其MATLAB仿真

本文介绍了正交频分复用(OFDM)系统中两类常用的信道估计算法:最小二乘(LS)和最小均方误差MMSE).在广义平稳的多径时变瑞利衰落信道模型下,利用MATLAB程序仿真实现了LS、MMSE以及简化的MMSE信道估计,得出了均方误差(MSE)和误符号率(SER)随信噪比(SNR)变化的曲线.仿真结果表明,MMSE算法的效果要优于LS,简化MMSE算法的运算复杂度介于LS和MMSE之间,且估计精度接近MMSE算法.     

磁致伸缩效应及其在无损检测中的应用研究

对磁致伸缩效应及其起源机制进行了探讨．阐述了磁致伸缩效应的管道检测原理,可归纳为弹性波的产生是基于磁致伸缩效应,弹性波的检测是基于磁致伸缩逆效应．对长约为6．716m,外径38mm,壁厚2．5mm的样本钢管进行模拟缺陷检测,给出了所获得的检测信号．检测结果表明应用这种方法对钢管缺陷进行无损检测是可行的．该实验装置简单,安装方便,而且可对很长的钢管进行快速、大范围检测．     

基于经验模态分解去噪的粗晶材料超声检测

粗晶材料超声检测中,结构噪声严重降低了检测信号的信噪比,缺陷反射难以识别.为了增强检测信号信噪比,提高粗晶材料超声检测的可靠性,采用经验模态分解(EMD)技术对检测信号进行去噪处理,通过3次样条插值形成波形包络,并利用信号的特征时间尺度将非线性、非平稳检测信号自适应的分解成多个本征模态函数(IMF)之和,从而获得信号高阶成份和趋势.利用EMD的这种特性对低信噪比模拟信号进行处理,并将处理结果与小波去噪结果进行对比,信噪比获得更大提高.通过对粗晶材料实测信号进行去噪实验,结果表明EMD去噪具有更强的自适应能力,且需知的原信号先验信息更少.     

基于主特征矢量的相干信号DOA估计算法

为了进一步提高相干信号DOA估计的精度,提出了一种基于主特征矢量的相干信号DOA估计改进算法。算法选取了信号子空间对应的主特征向量,将其进行反向共轭变换得到增广主特征矢量,再构造线性预测方程,利用加权最小二乘法求解预测方程中的多项式系数,最后求根得到信号的DOA估计。改进算法克服了PUMA算法在信号完全相干条件下性能恶化的缺陷,当信号完全相干以及部分相干时都具有良好的性能,并且提高了最大可分辨信号数,当信噪比较低、快拍数较少时仍保持较高精度。相比于PUMA算法,当信号部分相干时,文中算法的均方根误差约降低了0.2°;当信号完全相干时,均方根误差约降低了0.8°。通过与多种解相干算法进行比较,算法性能得到了验证。     

基于改进EMD的地震信号去噪

压制随机噪声是地震数据处理过程中的一个重要环节,目前大多数去噪技术都不同程度存在去噪效果差、易损伤有效信号等问题。利用经验模态分解可将信号自适应地分解为不同特征尺度固有模态函数的优点,及小波变换模极大值滤波方法对噪声的依赖性较小且适合于低信噪比信号去噪的优势,构造了一种经验模态分解与小波变换模极大值相结合的新的去噪算法,该算法很好地实现了地震有效信号与随机噪声的分离,有效提高了地震数据信噪比。将该算法应用于仿真实验和实际地震数据处理,结果都表明该方法明显优于常规经验模态分解去噪效果。     

单通道涡流无损检测信号盲源分离算法

针对脉冲涡流无损检测(pulsed eddy current testing, PECT)系统中获取单一检测信号存在的混叠问题,文章提出一种基于经验模态分解(empirical mode decomposition, EMD)和快速独立分量分析(fast independent component analysis, FastICA)的单通道盲源信号分离算法。该算法首先通过EMD对混合观测信号分解,然后利用奇异值分解(singular value decomposition, SVD)估计源信号数目,根据估计得到的源信号数目将观测信号和对应模态分量构成新的虚拟信号,最后利用FastICA算法分离得到源信号的估计。有限元仿真实验表明该算法能有效分离单通道混合检测信号,并且优于小波分解的单通道盲源分离算法。     

基于神经网络的超声导波锚杆剥离缺陷的识别

结合小波包分解技术与神经网络,提出了超声导波检测锚杆剥离缺陷的方法。首先,利用ANSYS-LSDYNA进行了数值模拟,在锚杆的顶端施加扫描激励波,得到了完好和剥离工况下的锚杆动态响应信号,利用小波包分解获得了缺陷参数与小波包能谱之间的关系,以小波包能谱作为输入向量训练适用于锚杆无损检测的神经网络,将剥离状况作为输出,建立了神经网络系统。最后利用混有不同噪声,且未参于训练的导波检测信号验证了神经网络检测的有效性。数值算例表明,该方法对噪声水平小于40%的检测信号,具有较好的识别结果。