[發(fā)明專利]一種超聲信號(hào)稀疏分解方法及其信號(hào)降噪與缺陷檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811020455.4
• 申請(qǐng)日: 2018-09-03
• 公開(kāi)（公告）號(hào): CN109165617A
• 公開(kāi)（公告）日: 2019-01-08
• 發(fā)明（設(shè)計(jì)）人: 吳彪;黃永;李惠
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/46;G06K9/62;G01N29/04;G01N29/07
• 代理公司: 哈爾濱市陽(yáng)光惠遠(yuǎn)知識(shí)產(chǎn)權(quán)代理有限公司 23211
• 代理人: 田鴻儒

1.一種超聲信號(hào)稀疏分解方法，其特征在于：包括以下步驟：

步驟一、采用Gabor模型分別對(duì)超聲換能器發(fā)射的信號(hào)和構(gòu)件底面預(yù)定最大探測(cè)深度處反射脈沖信號(hào)進(jìn)行近似擬合；

步驟二、選取Gabor字典的時(shí)間參數(shù)集合；

步驟三、選取Gabor字典的頻率參數(shù)集合；

步驟四、選取Gabor字典的帶寬參數(shù)集合；

步驟五、基于步驟二-四選取的Gabor模型參數(shù)集合，組合形成字典矩陣并對(duì)字典矩陣的列向量即原子向量做能量歸一化；

步驟六、利用步驟五處理后的字典矩陣，依據(jù)信號(hào)稀疏表示模型，利用稀疏貝葉斯學(xué)習(xí)算法求解系數(shù)向量在稀疏約束條件下的最優(yōu)近似解。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟一具體為：采用Gabor模型分別對(duì)超聲換能器發(fā)射的信號(hào)和構(gòu)件底面預(yù)定最大探測(cè)深度處反射脈沖信號(hào)進(jìn)行近似擬合，獲得超聲換能器激發(fā)信號(hào)對(duì)應(yīng)的Gabor模型頻率參數(shù)f₀、帶寬參數(shù)s₀，和試件底面或預(yù)定最大探測(cè)深度處反射脈沖信號(hào)的Gabor模型頻率參數(shù)f_b、帶寬參數(shù)s_b，Gabor模型表達(dá)式為：g(t)＝C₀exp[-(t-u)²/(2s²)]exp[i2πf(t-u)]，其中，u表示Gabor脈沖信號(hào)在時(shí)間軸上的位置、f表示脈沖信號(hào)頻率、s表示脈沖信號(hào)帶寬、t表示時(shí)間軸上的時(shí)間序列、i為虛數(shù)、C₀是用于信號(hào)能量歸一化的參數(shù)；其中u、f、s為基本參數(shù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于：所述步驟二具體為：選取Gabor字典的時(shí)間參數(shù)集合：對(duì)于包含N個(gè)采樣點(diǎn)的待分析信號(hào)y，參數(shù)u_i的選取方法如下：u_i＝aT₀Δ_u,a＝0,1,…,(N-1)/Δ_u；T₀為信號(hào)的采樣時(shí)間間隔，取值為采樣頻率的倒數(shù)，Δ_u為相鄰時(shí)間參數(shù)之間的間隔，取值為T(mén)₀的整數(shù)倍；參數(shù)u_i的個(gè)數(shù)N_u滿足N/4≤N_u≤N/2。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于：所述步驟三具體為：選取Gabor字典的頻率參數(shù)集合：對(duì)于包含N個(gè)采樣點(diǎn)的待分析信號(hào)y，頻率參數(shù)f_i的選取方法如下：用豎線將信號(hào)y的頻譜與頻率軸之間的面積均分為N_f+1部分，則N_f條豎線與頻率軸的交點(diǎn)對(duì)應(yīng)的頻率值即為f_i的取值，參數(shù)f_i的個(gè)數(shù)N_f滿足5≤N_f≤15。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于：所述步驟四具體為：選取Gabor字典的帶寬參數(shù)集合：頻率參數(shù)s_i在(0.5s₀,1.5s_b)范圍內(nèi)服從均勻分布，參數(shù)s_i的個(gè)數(shù)N_f滿足5≤N_f≤10。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于：所述步驟五具體為：基于步驟二-四選取的Gabor模型參數(shù)集合，組合形成字典矩陣Φ并對(duì)字典中的原子向量做能量歸一化，能量歸一化參數(shù)與步驟一相同，字典Φ的維數(shù)為N×(N_u×N_f×N_s)。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于：所述步驟六具體為：利用步驟五處理后的字典矩陣Φ，依據(jù)信號(hào)稀疏表示模型：y＝Φc+ε，其中，ε為稀疏模型中的殘余項(xiàng)，包含信號(hào)中的噪聲和稀疏模型的誤差；利用稀疏貝葉斯學(xué)習(xí)算法求解系數(shù)向量c在稀疏約束條件下的最優(yōu)近似解：其中，γ為約束系數(shù)向量c的參數(shù)。

8.一種基于權(quán)利要求1-7任一項(xiàng)所述的信號(hào)稀疏分解方法的信號(hào)降噪與缺陷檢測(cè)方法，其特征在于：包括以下步驟：

步驟一、依據(jù)權(quán)利要求1-7任一項(xiàng)所述方法得到的系數(shù)向量提取所有非零系數(shù)對(duì)應(yīng)原子向量的三個(gè)參數(shù)(u_j,f_j,s_j)_j＝1,…L，L為系數(shù)向量中非零項(xiàng)的個(gè)數(shù)；

步驟二、利用原子向量參數(shù)來(lái)排除系數(shù)向量中對(duì)應(yīng)于噪聲的項(xiàng)：

步驟三、通過(guò)設(shè)置能量閾值進(jìn)一步去噪：

步驟四、經(jīng)過(guò)去噪得到的信號(hào)：

步驟五、缺陷檢測(cè)：缺陷的數(shù)量N_d即為系數(shù)向量中非零項(xiàng)的個(gè)數(shù)；缺陷信號(hào)的時(shí)間延遲即為系數(shù)向量中非零項(xiàng)對(duì)應(yīng)原子向量的時(shí)間參數(shù)各缺陷距離構(gòu)件表面的距離為其中，v為超聲波在材料中的縱波聲速。