[發明專利]一種基于CEEMD與小波包的超聲信號降噪方法

在審

• 申請號: 201810110081.9
• 申請日: 2018-02-05
• 公開（公告）號: CN108491355A
• 公開（公告）日: 2018-09-04
• 發明（設計）人: 楊孟;周西峰;郭前崗
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F17/14
• 分類號: G06F17/14;G06K9/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱楨榮

本發明公開了一種基于CEEMD與小波包的超聲信號降噪方法，該方法首先利用CEEMD算法對信號進行模態分解，得到一系列本征模態函數和一個趨勢項，其次對本征模態函數中噪聲主導模態進行軟閾值降噪，對信號主導模態進行無偏似然估計原理的自適應規則降噪，最后利用小波包分析精細的分解能力對信號進一步去噪。CEEMD算法是將兩對相反的白噪聲添加到原始信號中，分別進行EMD分解并將結果進行平均，能夠有效克服端點效應和模態混疊問題，而小波與小波包分解都在不添加輔助噪聲的條件下進一步降噪。本發明所提降噪方法比傳統去噪方法性能更佳。本發明可廣泛應用于材料缺陷信號處理。

技術領域

本發明涉及缺陷回波信號處理技術領域，特別是一種基于CEEMD與小波包的超聲信號降噪方法。

背景技術

在超聲無損檢測中，噪聲往往夾雜在有用信號中，因而得到缺陷信息的關鍵在于如何對回波信號進行降噪。由于回波信號的非線性、非平穩性，傳統的傅里葉變換難以準確識別有用信號，進行有效去噪。小波變換作為傅里葉變換的改進，具有較好的時頻局部分析能力，該方法的缺點在于去噪效果受小波基函數、分解層數和閾值的選取影響較大，且選取原則往往靠經驗來確定。小波包變換是小波變換的新發展，能夠為信號提供一種更加精細的分析方法，對小波變換沒有細分的高頻部分進一步分解，從而提高了對信號的處理能力，但仍存在和小波變換相同的缺點。經驗模態分解(EMD)是一種時頻分析新方法，能夠較好的處理非線性和非平穩信號，且自適應性較強，將信號分解為一系列從高頻到低頻排列的固有模態函數(IMF)和一個殘差，克服了小波閾值去噪法的缺點，然而它也有其不足之處，如模態混疊、端點效應等。集合經驗模態分解(EEMD)，利用白噪聲的零均值特性，向原始信號中多次添加不同的白噪聲，再經過多次平均即可抵消白噪聲，得到一系列IMF，有效得克服了EMD分解中存在的模態混疊現象。基于EEMD的互補集合經驗模態分解(CEEMD)方法是將兩對相反的白噪聲添加到原始信號中，分別進行EMD分解并將結果進行平均而得到最終的IMF，該方法進一步地減輕了模態混疊問題，同時使分解結果更徹底。

上述研究分析了從小波、小波包分解到EMD、EEMD以及CEEMD算法各自的特點，然而這些方法都存在各自的優缺點，而如何尋找一個最優的算法或者算法融合方式，能夠對超聲信號缺陷回波在有效去除噪聲信號的同時，可以更大程度上保留有用信號，仍需進一步研究。

發明內容

本發明所要解決的技術問題是克服現有技術的不足而提供一種基于CEEMD與小波包的超聲信號降噪方法，本發明有效去除噪聲信號的同時，能保留更多的有用信號。

本發明為解決上述技術問題采用以下技術方案：

根據本發明提出的一種基于CEEMD與小波包的超聲信號降噪方法，包括以下步驟：

步驟一、建立含噪超聲信號數學模型；

步驟二、利用步驟一建立好的數學模型生成含噪信號，并進行CEEMD分解降噪，將含噪信號分為n個本征模態函數IMF，求得每個IMF的自相關函數；

步驟三、根據自相關函數的特性，判斷出臨界模態，將IMF分為兩類，對噪聲主導模態進行軟閾值降噪，對信號主導模態進行無偏似然估計原理的自適應規則降噪；

步驟四、對所有IMF進行重構，將重構后的信號選取小波基函數和分解層數進行小波包降噪，得到降噪后的有用信號。

作為本發明所述的一種基于CEEMD與小波包的超聲信號降噪方法進一步優化方案，步驟二中對含噪信號進行CEEMD分解降噪的具體過程：

1)、向含噪信號中加入一對等長的、設定標準差的正負白噪聲組成的輔助白噪聲，生成兩個新的信號；

2)、對步驟1)中的兩個新的信號分別進行EMD分解，得到兩組IMF分量，每組n個IMF；