[發明專利]一種基于參數尋優的超聲信號去噪方法

有效

• 申請號: 202110181618.2
• 申請日: 2021-02-09
• 公開（公告）號: CN112861731B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 董明;李敬;張廣明;陳淵;萬翔
• 申請（專利權）人: 西安科技大學
• 主分類號: G06F18/10
• 分類號: G06F18/10;G06N3/006
• 代理公司: 西安創知專利事務所 61213
• 代理人: 馬鳳云

本發明公開了一種基于參數尋優的超聲信號去噪方法，包括步驟：一、超聲回波信號的獲取和存儲；二、超聲回波信號去噪：201、基于參數尋優的稀疏分解，202、尋找最優時頻參數，203、迭代停止條件判斷。本發明采用基于參數尋優的稀疏分解方法尋找最佳匹配原子，同時結合自適應迭代停止條件和自適應搜索步長，能有效提高去噪后信號的信噪比，加快去噪的速度，確保重構信號誤差小。

技術領域

本發明屬于超聲信號去噪技術領域，具體涉及一種基于參數尋優的超聲信號去噪方法。

背景技術

在超聲檢測中，超聲探頭可以將電信號轉換為超聲信號，通過耦合劑傳入被檢測材料，當超聲波在傳播過程中遇到缺陷，會發生反射、折射等現象。通過對回波分析，可以估計缺陷的位置、大小。但是在實際檢測中，超聲波在材料內部傳播時會與缺陷、界面、邊界等相互作用，產生透射、散射等現象導致能量衰減、模式轉換等問題，導致回波中包含大量噪聲，很難將缺陷回波分離出來，影響對缺陷的準確評價。

對超聲信號去噪常用的方法是將信號在特定的基函數上進行分解，例如小波變換和傅里葉變換等，基函數的特征決定了信號的特征。超聲信號具有非平穩性，波形隨時間發生變化，在單一的、有限數量的基函數上分解信號，得到的信號僅僅依賴于基函數的特征，信號自身的特征則被忽略，容易失真。稀疏分解是另一種被廣泛應用的信號處理方法，方法提出了過完備字典的概念，將信號在字典中的原子上分解，基函數是過完備的，可以根據信號特征靈活選取，提高去噪效果。近幾年提出的稀疏分解算法有LASSO、稀疏貝葉斯學習、貪婪基追蹤、非凸正則化、匹配追蹤等。其中匹配追蹤算法算法被廣泛用于超聲信號去噪，但是其仍存在不足，這是因為匹配追蹤算法在匹配原子時是貪婪搜索的，這會導致最初選擇的原子不是最稀疏的，后續原子的選擇都是在給最初的原子進行補償。為此提出了正交匹配追蹤，對每一次匹配到的最佳原子進行正交化化處理，則殘差與選擇過的原子都是正交的，同一個原子不會被選擇兩次。與匹配追蹤算法相比，正交匹配追蹤算法不會重復選擇同一個原子，迭代次數少，但是其引入了正交化，每一次迭代的計算量較大，計算復雜度升高。

針對算法運行時間長的問題，可以將字典的有限離散參數空間變為無限連續參數空間，在連續空間進行稀疏分解，可以適應超聲信號的非平穩性，加快匹配追蹤的速度，提高重構回波精度。這可以通過群搜索算法實現，其中包括人工魚群算法、人工蜂群算法、粒子群算法等。但是這些算法復雜度高，計算量大，運行時間長。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種基于參數尋優的超聲信號去噪方法，采用基于參數尋優的稀疏分解方法尋找最佳匹配原子，同時結合自適應迭代停止條件和自適應搜索步長，能有效提高去噪后信號的信噪比，加快去噪的速度，確保重構信號誤差小，便于推廣使用。

為解決上述技術問題，本發明采用的技術方案是：一種基于參數尋優的超聲信號去噪方法，其特征在于，該方法包括以下步驟：

步驟一、超聲回波信號的獲取和存儲：采用信號采集設備獲取超聲回波信號f(t)，并將超聲回波信號f(t)存儲在計算機中，信號采集設備獲取超聲回波信號f(t)為待處理信號且f(t)＝[f(t₁),f(t₂),...,f(t_n),...,f(t_N)]，其中，n為采樣時刻編號且n＝1,2,...,N，N為信號的長度，f(t_n)為f(t)在t_n時刻的采樣點；

步驟二、超聲回波信號去噪：采用計算機對超聲回波信號f(t)進行去噪，過程如下：

步驟201、基于參數尋優的稀疏分解：調用正交匹配追蹤算法模塊對步驟一中的超聲回波信號f(t)進行分解，即得到K個最佳匹配原子，為K個最佳匹配原子中第k個最佳匹配原子，k是正整數且k＝1，2，...，K，為超聲回波信號f(t)第k次迭代后的殘差量，a_k為第k次迭代產生的殘差在對應的最佳匹配原子上的投影；