基于神经网络的小波域超声信号消噪技术研究

为了提高超声无损检测（UNDT）与无损评价（UNDE）基础数据的信噪比（SNR），提出了一种基于神经网络模式识别理论的小波域超声信号消噪技术.该技术在研究材料内部散射体引起的结构噪声产生机理，以及分析传统裂谱分析(SSP)算法局限性的基础上，利用小波变换方法将原始超声检测信号分解到小波空间，并通过径向基函数（RBF）神经网络所构成的信噪分离器对信号和噪声进行识别、分离来消除噪声，得到高信噪比的超声回波信号.实验结果表明，与传统裂谱分析算法相比，该技术提高了消噪性能的稳定性，增强了湮没材料内部各类散射体散射中的缺陷回波信号能力     

基于自适应小波阈值的超声信号消噪

在铝合金锻件的超声无损检测中为了消除晶粒散射引起的相干噪声，通过建立缺陷回波检测数学模型，提出了一种基于新阈值函数的Stein无偏风险估计自适应消噪方法.利用新的阈值函数得到离散小波变换各尺度下的小波系数，对小波阈值进行最小均方误差意义上的迭代，基于小波系数估计值进行离散小波反变换以得到信号的估计值，通过反复迭代运算得到缺陷回波的最优消噪模型.对含缺陷铝合金锻件的超声信号处理实验结果表明，与常用的固定硬、软阈值相比，自适应消噪方法能够更好地去除散射噪声及增强缺陷信回波信号.     

一种基于 JADE 与小波去噪的自适应盲分离方法

针对传统盲分离算法忽略噪声影响的问题,引入小波去噪,在JADE算法的基础上,研究了前、后去噪盲分离算法与JADE算法在不同输入信噪比条件下的分离性能。仿真表明,输入信噪小于约-5dB时,后去噪盲分离算法输出信噪比最佳;大于约25dB时,JADE输出信噪比最佳;其它情况下,前去噪分离算法性能最佳。在此研究基础上,给出一种可估计信噪比的带噪信号自适应盲分离方法,实现对信号信噪比动态变化情形下目标信号的有效分离。     

塔机防碰撞系统中远距离超声信号消噪的研究

根据塔机防碰撞系统远距离障碍物检测需要,针对远距离超声目标检测时,传统数字滤波对回波消噪后,回波峰值位置有延迟以及远距离信噪比较低,影响目标的检测和测距准确度.提出利用小波改进的阈值函数消噪方法进行回波消噪.仿真和实验结果表明:基于改进阈值的超声回波消噪方法使回波峰值位置无延迟,可以明显提高信噪比,其去噪效果优于传统的数字滤波和小波的软、硬阈值消噪方法,适用于远距离超声测量和目标有效检测.     

基于自适应第二代小波的超声回波信号特征识别

文章针对强噪声背景下液压系统压力超声检测回波信号特征识别问题,构造了一种识别该类信号时域特征的自适应第二代小波方法。该方法以第二代小波为基础,以超声回波信号的峭度大小为目标函数,选择每层自适应匹配超声回波信号特征的第二代小波预测器和更新器,利用选择的预测器和更新器对信号进行预测和更新运算;根据每层自适应第二代小波分解的超声回波信号噪声水平,选取自适应匹配超声回波信号噪声特点的降噪阈值,对信号进行降噪和恢复,提取信号时域特征。该方法成功地准确识别出超声回波信号回波至点的时刻和时间间隔特征信息。结果表明,第二代小波自适应阈值方法对强噪声背景下超声回波信号特征的识别效果优于经典小波方法。     

一种应用于超声无损检测的广谱反卷积技术研究

为了提高复合材料超声无损检测（UNDT）分辨率,提出一种基于小波变换和粒子群算法（PSO）的广谱反卷积新技术.在利用小波变换多分辨率分析能力对超声反射回波信号消噪,并确定超声反射系数位置集的基础上,采用粒子群优化算法求出相应位置反射系数的幅值,从而消除畸变小波的平滑作用,有效改善检测分辨率.同时,该技术还突破传统方法仅适合于超声回波信号为平稳、检测噪声为白色以及先验知识已知的场合应用的局限性.计算机仿真和实验研究表明,与传统反卷积技术相比,该方法能极大地提高超声检测的分辨率,并体现出较强的广谱适应性和鲁棒性.     

用LabVIEW的小波工具处理超声信号中的噪声

为了抑制噪声，提高信造比，实现精确的探伤，本文采用了系统的LabVIEW软件中小波分析工具——降噪函数Denoise．vi对检测系统中超声信号的噪声进行处理，在综合比较降噪效果和执行速度后，确定小波分解尺度为6，并将所有尺度的阈值均设为0．1。经对CS-1-5试块的φ2平底孔超声反射回波和某型直升机旋翼大梁疲劳裂纹超声反射回波的降噪试验，试验结果表明，处理后的超声信号信噪比显著增强。满足我军航空维修无损检测的需要，实现了探伤工作的快速、机动和高效，提高了检测的可靠性。     

新型小波阈值函数的仿真及应用

提出了一种新型小波阈值函数.借助于典型信号和高斯白噪声叠加形成测试信号,对传统小波阈值函数、改进小波阈值函数及新型小波阈值函数的去噪效果进行对比仿真研究.结果表明,采用新型小波阈值函数所得到的去噪信号,其信噪比和均方差均最优.此外,将新型小波阈值函数用于滚动轴承的实际振动信号的去噪研究,从去噪信号的时域信号对比及信噪比来看,该函数具有较好的去噪效果,使信噪比得到了较大提高.     

基于EMD的激光超声信号去噪方法

基于连续均方误差的准则,提出了一种基于经验模态分解（EMD）的激光超声信号去噪方法．该方法将经验模态分解得到的固有模态函数（IMF）分为信号分量起主导作用,模态与噪声分量起主导作用模态,利用反映信号主要结构的模态对信号进行部分重建实现去噪．将该方法应用于测试信号与实际激光超声信号的去噪,实验结果表明该方法能够有效地去除噪声,并且不受主观参数的影响,具有自适应的特点．     

基于自适应小波去噪法的精密超声波测距方法

超声脉冲飞行时间的精确提取决定了超声测距的精度,因此滤除接收信号中的噪声可有效提高其测距精度。针对传统的去噪方法无法随噪声的变化而自动调整去噪阀值和小波分层数的缺点,提出了一种自适应小波去噪法,通过实时提取接收信号中的噪声特征,自动选择最优的小波参数,有效地提高了接收信号信噪比,从而提高飞行时间提取精度。实验表明,在室内环境条件下测距误差小于0.28mm,可满足大部分工业制造领域的距离测量应用。     

超声检测缺陷分类的降噪及特征提取问题研究

针对超声检测回波信号中可能具有噪声干扰并难以剔除的问题,提出了利用“小波降噪”对超声信号进行处理的算法和应用“类别可分性判据”评价特征值的方法,并通过实验进行了验证。首先将小波变换用于超 声信号噪声处理,然后利用类别可分性判据对缺陷信号的特征选择进行评价,最后通过RBF网络对获得的超声检波信号进行缺陷分类以验证这种方法的有效性,实验结果表明：小波降噪算法充分利用了超声回波信号的时域、频域信息,不仅降噪效果明显,而且缺陷定位准确;类别可分性判据对缺陷信号的特征提取也起了定量衡量尺度的作用。     

基于高阶谱的LOFAR谱图特征在被动声纳信号自动识别中的应用

水下目标的特征提取一直是水声信号处理的难题。由于实际的声纳目标的发声机理和反射声波的机理十分复杂,成份多样,造成水声信号具有较强的非平稳性和非高斯性。为了提高对水下目标识别的正确识别率,突破以往研究中关于信号平衡性的假设和高斯性的假设,本文在简要介绍了ＬＯＦＡＲ谱图和高阶谱（ＨＯＳ）估计方法之后,提出了一种基于高阶谱的ＬＦＡＲ谱图和高阶谱（ＨＯＳ）估计之后,提出了一种基于高阶谱的ＬＯＦＡＲ谱图特征     

基于峭度激励的变步长自适应谱线增强算法

提出了一种基于峭度激励的变步长自适应谱线增强新算法,该算法以输入信号峭度与误差信号峭度为联合激励因子,构造出一种指数型变步长的算法模型。该步长对高斯色噪声或非高斯色噪声均有一定的免疫性,跟踪时变信号的能力强,且收敛速度快。用实测的某水下目标辐射噪声数据进行了仿真实验。与传统的LMS算法相比,仿真结果表明,该算法具有较强的谱线增强能力、快速收敛性和良好的跟踪性能,能有效地实现目标线谱信号与混合色噪声环境的分离。     

基于雷达回波视频信号的目标智能识别方法研究

为了提升常规雷达目标识别的能力,以含有更多目标原始信息的回波视频信号为基础,研究了目标回波视频信号的特征提取,提出一种基于支持向量机的目标识别方法.最后通过仿真实验验证了本文方法的有效性.仿真结果表明,采用本文方法对目标大小识别的准确率与信噪比、采样率有关;对目标机型识别能得到较高的准确率.     

复合顺序形态滤波中结构元素的自适应处理

在最小平均绝对误差准则下，实现了复合顺序形态滤波的结构元素自适应处理。计算机模拟结果证实了这种算法不仅可以有效地抑制信号中的噪声，而且较好地保持了信号的陡阶跃变化。该滤波算法应用于恢复噪声污染的心电信号，其信噪比大大改善。     

＂Smart＂ ultrasonic pig design and its signal processing research

This paper introduces the design and development of intelligent ultrasonic ＂pig＂ used for seabed pipeline inspection. The data acquisition system （DAS） and the signal processing method are presented. The DAS was designed using a muhi-DSP based structure. The signal processing method adopted a well-enhanced split-spectrum processing （SSP） based on weighting algorithm according to statistical times, which was the statistical distribution of the discrete signals selected by the minimization algorithm. Furthermore, the data compressing method was discussed. It assures the mass data to be processed and compressed in real-time. The effectiveness of the method was proved by laboratory experiments. The research provides an excellent base for further development of the ultrasonic pig.     

基于小波系数统计的非高斯噪声背景下语音流检测

在实际生活中,非高斯噪声很普遍,对信号的影响也很大,是语音信号处理中的难题.大部分强噪声信号都是非高斯的,在强噪声背景下,由于语音信号受到较大的干扰,甚至被噪声淹没,传统的基于短时的能量、过零率、相关以及平均幅度差等检测算法效果都不理想.根据小波变换的特性和语音时域信号的分布特征,提出了一种非高斯噪声背景下语音流检测算法.对含噪语音进行小波分解,观察各层小波系数的统计特征,提取它们的不同特征,从而进行了语音流检测.大量实验表明该算法具有较高的检出率和较低的误检率,可以消除噪声的影响实时处理语音信号.该算法有一定的创新性,在处理非高斯噪音方面很有实用性.