油液磨粒超声回波信号的双树复小波去噪研究

超声回波信号反映了润滑油中磨粒的大量信息。为了提取淹没在强噪声环境下的超声回波信号,提出了一种基于双树复小波变换(DT-CWT)的油液磨粒超声散射回波信号去噪新方法。利用双树复小波变换具有近似平移不变性和有效去噪等优点,首先对超声散射回波信号进行双树复小波分解,然后对分解得到的高频系数进行阈值处理,最后进行双树复小波重构。结果表明:分解层数为6层时,去噪后信号的信噪比更高、均方误差更小、相似系数更大、幅值最大偏差更小。双树复小波变换硬阈值去噪效果比传统小波去噪效果明显好。     

小波降噪在超声回波信号处理中的应用

在深海采矿环境中超声波传输介质里存在着大量气泡、扰动沉积物、机械噪声等背景噪声与混响,导致有用信号与高噪声信号迭加在一起,严重影响了测距精度.采用小波分析方法将超声回波信号进行3层小波分解,适当设置门限阈值对小波系数进行处理,然后对信号进行重构,有效地抑制了信号中噪声对测量精度的影响.研究结果表明:小波方法有很好的降低回波信号中噪声的效果,其测距精度高于自适应滤波去噪后的测距精度.     

空气耦合超声信号的小波阈值滤噪试验研究

穿透式空气耦合超声检测中,由于较低声波透射率、激励接收系统噪声及声波在介质中的散射噪声导致接收信号信噪比较低,小波阈值滤噪技术在解决上述问题时面临小波基、分解层数及阈值函数的选取难题。基于小波分析的基本原理,以单因素分析方法开展小波阈值滤噪试验研究。选择不同小波族(Daubechies,Symlet和Coiflet)中的小波基、小波分解层数(4～8层)及阈值函数(软阈值及改进阈值函数)对实际含噪超声信号进行小波阈值滤噪处理,并通过对比滤噪信号的信噪比及频谱特性得出不同参数对滤噪效果的影响。结果表明,选择Coiflet小波族中的小波基能获得具有更高信噪比及透射信号幅值的滤噪信号;分解层数越高,滤噪信号的信噪比越高,但增长趋势渐趋稳定;阈值函数对滤噪性能的影响并不十分显著,一般采用软阈值函数或改进阈值函数就能获得良好滤噪效果。     

小波变换在超声探伤仪检测回波处理中的应用

超声检测时探伤仪的电噪声和被检粗晶材料的散射噪声严重影响检测回波的信噪比。研究小波变换软阈值去噪方法在超声检测回波处理中的应用。在分析仪器电噪声、材料散射噪声和缺陷回波的小波变换特性的基础上，提出一种用一个尺度问变化的门限阀值来抑制噪声回波的小波变换系数再重构检测回波的方法提高信噪比。距离一波幅一当量曲线测定实验结果表明，该方法具有很好的去噪效果，处理后的回波损失小，能保证超声探伤的定量准确性。     

基于小波变换的超声到达时刻检测

针对目前超声到达时刻的测量精度不高,提出了一种基于小波变换的超声到达时刻的检测方法。采用DSP技术,以TMS320VC5402作为控制芯片简化硬件设计,提高数据处理能力;进行信号有效范围检验,A/D采集超声回波数据,利用小波变换方法对超声波回波信号进行去噪处理;提出了基于能量阈值法的基峰确定的过零检测方法,精确计算超声波传输时间。实验表明,该方法能够实现ns级精度的检测,为超声测距、气体流量及浓度检测、压力检测等超声检测提供一种高精度的实时性的检测方法。     

基于最优小波基的电机故障信号特征提取研究

小波变换去噪中最关键的问题是最优小波基的选取,使其能够将噪声从原始信号中分离出来。针对电机故障的特点,提出了一种基于信号的最优小波基选取方法。将信号小波变换的能量阈值曲线作为小波基函数的适用性评价指标。通过训练神经网络,选取适合该信号的最优小波基,最后采用平移不变量(TI)小波阈值法实现信号去噪。在此基础上对750W化纤电机进行了测试,实验结果表明,该方法能准确找出适合特定信号的最优小波基。训练后的神经网络可直接用于其它类型电机的信号去噪处理,具有实用价值。     

基于小波变换的非接触式电导信号去噪研究

耦合毛细管电泳技术的非接触式电导检测器在检测痕量化学物质时具有较高的灵敏度,然而噪声会导致获得的信号检测结果存在偏差。针对非接触式电导检测信号的数据特点,提出基于小波变换的阈值去噪方法:利用高斯函数模型和高斯白噪声模拟仿真非接触式电导信号曲线,继而逐步选取不同的参数来得到多个去噪结果,并选择若干评价指标对去噪结果进行评价,从而确定最优去噪参数。同时,将小波变换算法与其他常用去噪算法进行对比,验证其优越性。最后将最优参数代入小波阈值去噪算法,对三种痕量无机离子的非接触式电导信号进行去噪处理。实验结果表明:三种痕量无机离子的电导信号经过去噪处理后,信噪比显著提高,数据曲线光滑,且保留了数据特征,具有可行性及有效性。     

驻极体麦克质量检测中图像信号背景去噪研究

小波图像去噪已经成为目前图像去噪的主要方法之一,介绍了基于小波变换系数门限值的去噪方法,并给出了4种不同的门限值确定规则,针对含有白噪声的驻极体麦克图像信号,通过选择合适的小波基和阈值进行去噪,取得了相对中值滤波和均值滤波更好的效果.     

驻极体麦克质量检测中图像信号背景去噪研究

小波图像去噪已经成为目前图像去噪的主要方法之一,介绍了基于小波变换系数门限值的去噪方法,并给出了4种不同的门限值确定规则,针对含有白噪声的驻极体麦克图像信号,通过选择合适的小波基和阈值进行去噪,取得了相对中值滤波和均值滤波更好的效果.     

一种新阈值函数的小波变换在心音去噪中的设计

为了解决传统小波阈值函数在心音去噪中存在噪声滤除不完全、去噪信号不连续、震荡,去噪的同时滤除了过多的细节信息等问题。提出了一种新阈值函数的Db6小波变换心音去噪方法。通过调整参数m来调整阈值函数,使得心音信号在小波变换细尺度上去除噪声并且尽可能的保留细节系数。然后用无偏估计优化选取方法选取阈值函数的最优阈值。仿真结果分析表明:该方法克服了传统阈值函数的缺陷,信号的信噪比(Signal-Noise Ratio,SNR)提高了20%和根均方误差(Root Mean Square Error,RMSE)提高了32.5%。     

基于同步挤压小波和脉冲压缩的钢轨踏面裂纹电磁超声表面波检测方法研究

钢轨踏面上的疲劳裂纹严重影响着列车行车安全。 针对如何快速有效地检测出踏面斜裂纹的问题,本文提出了一种快 速检测钢轨踏面裂纹的方法。 首先分别建立了含高斯白噪声、正弦信号加高斯白噪声干扰的数学模型,分析了编码脉冲压缩、 同步挤压小波变换和先同步挤压小波变换后脉冲压缩共 3 种信号处理方法的噪音抑制效果。 其次,为了验证上述方法对噪音 的抑制能力,使用激励频率为 1 MHz 的表面波电磁超声换能器对含裂纹的钢轨踏面进行检测。 最后,以检测得到裂纹的超声 回波为研究对象,比较了希尔伯特黄方法处理单一频率脉冲对应的超声回波信号和先同步挤压后脉冲压缩方法对应的降噪能 力和超声成像效果。 实验结果表明:本文所提方法可以获得钢轨踏面裂纹的位置信息及其数量。 希尔伯特黄变换在处理无同 步平均的原始超声回波时,由于回波信噪比低,经验模态分解(EMD)失效。 在以巴克码为激励信号且无同步平均采集的条件 下,先进行同步挤压小波变换后脉冲压缩处理,得到的超声回波信噪比相较于只采用相位编码脉冲压缩提高了 6. 82 dB,相比于 只做同步挤压小波变换提高了 11. 02 dB,能明显提升检测速度和 B 扫图像分辨率。     

基于小波变换的低场脉冲核磁共振系统高斯白噪声估计

介绍了以小波分析理论为基础，结合小波阈值去噪算法找到一种有效的噪声分离方法。采用该方法从实际低场脉冲核磁共振系统噪声信号中分离出高斯白噪声并对其进行了参数估计。该方法还可以用于其它信号处理领域高斯白噪声的估计。     

非平稳振动信号的小波去噪及其应用

在机械故障诊断中,对故障信号的消噪处理,一直是其重要内容之一。工程中设备运行状态多样,有着大量的非平稳动态信号,但传统的信号处理方法在处理非平稳信号上有所不足。利用小波包分解信号,白噪声的方差和幅值随小波尺度的增加而减小,但是信号的方差和幅值和小波变换无关。按照信号能量的观点,首先把信号进行多层小波包的分解,然后利用其中几个能量大的小波包来重构原始信号。利用该方法在测试信号的去噪处理中,同传统的阈值去噪相比较,该方法可以有效地消除白噪声的干扰,计算简单且有较好的消噪效果。     

基于波原子理论的超声检测信号降噪方法

如何在消除噪声的同时更好保留信号中的有效信息一直是无损检测信号处理研究中的热点。尝试通过构建虚拟观测信号将单通道超声检测信号扩展为信号阵列,利用波原子方法进行降噪处理,并引入非局部均值算法进行平滑以压制波原子硬阈值滤波方式可能产生的伪吉布斯现象。用该算法对仿真信号与某碳酸钙污垢层超声检测信号进行降噪,并与小波阈值降噪进行对比。结果显示该方法对信号信噪比的提高、信号有效特征及微弱信号的保持均有较好效果。     

Noise cancellation of ultrasonic NDE signals using blind source separation

This paper proposes a new denoising method for ultrasonic NDE (nondestructive evaluation) signals using blind separation (BSS) technology. The proposed denoising method consists of four steps. First, a reconstructed phase space (RPS) is constructed from observed ultrasonic NDE signals. The information about the underlying sources (e.g., ultrasonic signal, noise, etc.) acting on this system is contained in this RPS. Second, independent component analysis (ICA) is performed on the RPS to recover all sources underlying the RPS. Next, the ultrasonic signal component is selected by a decision criterion related to the denoising application and, finally, is reconstructed to obtain the denoised ultrasonic signal. To validate the proposed method, it has been applied to the experimental ultrasonic NDE signals of the test sample and is compared with the wavelet denoising method in SNR (signal-to-noise ratio) enhancement. The experimental results show that the SNR of the ultrasonic NDE signals can be enhanced greatly using the proposed denoising method and the proposed method has almost the same denoising performance as the wavelet denoising method in SNR enhancement. A trait of the proposed denoising method is the ability to denoise ultrasonic NDE signals by separating the ultrasonic signal and noise using blind source separation technology. The text was submitted by the authors in English.     

厚截面CFRP孔隙超声脉冲反射检测方法

目前对碳纤维复合材料(carbon fiber reinforced plastic,简称CFRP)孔隙缺陷超声检测识别的研究主要以薄板型CFRP为对象,针对厚截面CFRP孔隙缺陷检测的需要,提出了基于超声脉冲反射背散射信号处理的孔隙缺陷识别方法。背散射信号特征分析结果表明,背散射信号由材料近表面共振结构噪声、信号指数型衰减成分、孔隙的反射和散射信号以及随机噪声组成。为得到孔隙的反射和散射信号,首先,利用提升小波变换良好的去噪能力除去背散射信号中的随机噪声;其次,设计低通滤波和自适应滤波分别除去信号中的共振结构噪声和衰减成分。对实验信号的处理结果表明,上述处理方法可以有效去除相应信号成分。在此基础上进一步提出了背散射信号幅值C扫描成像方法,将该成像方法应用于厚截面CFRP孔隙缺陷识别,可以有效识别试块中的含孔隙区域。     

An improved decomposition algorithm of surface topography of machining

Abstract

In order to accurately decompose the surface morphology of machined surface and trace the potential errors of the machine, a comprehensive improved algorithm is proposed, which combines wavelet packet decomposition (WPD) and improved complete ensemble empirical modal decomposition of adaptive noise (Improve CEEMDAN). Firstly, the cost function is used to find the optimal wavelet packet base and the optimal decomposition tree is obtained. Secondly, under semi-hard threshold denoising, the wavelet coefficients obtained by the optimal decomposition tree can generate the denoised signal. Finally, the white noise is preprocessed to obtain the upper limit frequency and the band white noise, and the improvement of CEEMDAN is completed. The improved CEEMDAN is used to decompose the denoised signal to obtain a series of intrinsic mode functions (IMFs). The merit of this comprehensive improved algorithm is that it can improve the calculation efficiency and decomposition accuracy by adaptively finding the optimal wavelet packet base and adding band-limited white noise. Simulations and experiments results show the feasibility, effectiveness and higher accuracy of the comprehensive algorithm in decomposing surface topography.     

基于经验与变分混合分解的超声回波信号噪声消除方法

超声缺陷检测结果易受超声回波信号中复杂噪声的干扰,为了提高超声缺陷检测的准确度,提出一种基于混合分解的 超声回波信号噪声消除方法。 采用经验模态分解算法结合相关系数指标对超声回波信号进行预处理,得到消除低频噪声分量 的超声回波预处理信号。 基于变分模态分解将该预处理信号分解为一系列窄带本征模态函数,引入互信息指标估计变分模态 分解的最优模态数量,并根据窄带本征模态函数与预处理信号的相关系数提取有用的模态分量,实现对超声回波信号去噪结果 的重构。 通过仿真和实测超声回波信号验证了本文方法的去噪性能,并与现有方法进行了对比。 结果表明,本文方法可同时消 除超声回波信号中的高频和低频噪声,在不同信噪比条件下 EMD、VMD 和本文方法去噪结果的 SNR 均值分别为 10. 01、9. 48 和 16. 09 dB,验证了本文方法对于超声回波信号噪声消除的优越性。