复小波变换在超声信号分析中的应用

超声信号中标志实际测量目标的回波信号常常因受到由材料内部微缺陷（如裂纹、空穴、夹杂等）引起的众多回波干扰信号的干扰而难以识别。为此,本文利用复小波分析方法对实测超声信号进行了分析。试验表明,该技术成功解决了上述难题,并充分提高了超声检测的准确性。     

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.     

粗晶材料缺陷的超声信号及其小波包分析

采用计算机化超声信号分析系统,对奥氏体不锈钢粗晶材料缺陷的超声回波信号进行采集和加工．结果表明,小波包技术在粗晶材料缺陷超声信号时频特性的表征中具有明显优越性,并能克服裂谱处理技术的缺点．同时发现噪声主要分布在较高或较低频率的位置,而缺陷信号在中间频率段有较大的幅值分布．利用这一特征,可以根据超声信号小波包分解的结果检测到微弱的粗晶材料缺陷信号．     

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     

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。     

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。     

超声检测缺陷分类的小波分析与神经网络方法

根据金属超声检测中缺陷脉冲回波为非稳态信号的特点,提出了一种基于小波变换和模式识别技术的缺陷宁性分类方法,重点研究了利用小波变换提取反映缺陷性质的特征值以及动用模式识别技术对特征值进行缺陷定性识别的方法。为验证上述方法,设计了实验系统,同时对信号的采集异常信号的剔除等问题进行了研究。利用实际焊接试样进行了实验,经小波变换提取缺陷特征值,然后采用ＢＰ（ｂａｃｋ ｐｒｏｐａｇａｔｉｎｏ）神经网络,使缺     

超声检测中弱信号的提取方法

针对超声界位检测中回波信号弱、信噪比低的问题,分析了超声回波检测中信号和噪声干扰的特征,介绍了窄带滤波、同步迭加、相关分析等有关弱信号提取的方法．     

小波包分解在超声检测缺陷回波信号处理中的应用

超声检测过程中,由于缺陷回波是一种含噪瞬态脉冲信号,很难有效地将其与各种噪声“分离”开来。介绍一种基于小波包分解的缺陷回波多尺度空间能量特征提取方法,对焊缝超声回波信号进行了特征提取,并采用基于距离的类别可分性判据对提取结果进行了评价。     

连续小波变换在焊接缺陷超声检测中的应用

本文研究连续小波变换方法在焊接结构超声无损检测信号处理中的应用，以压力容器的三种焊接缺陷为对象，对缺陷回波信号作连续小波变换，对小波变换尺度图采用与时间－尺度相平面相似的网格作区域平均特征提取，并对提取出的特征利用B－P型神经网络进行训练和分类，实验结果表明：连续小波变换在信号特征提取上具有优良特性。     

多格式音频感知哈希算法

提出一种基于双树复小波变换的多格式音频感知哈希算法,解决了现有音频认证算法音频格式单一、算法不通用、效率低的问题.首先对预处理后的音频信号进行全局双树复小波变换,获得信号的实小波和复小波系数,对它们分别分帧,帧数相同;对实小波系数计算每帧信号Teager能量算子的模值,作为实小波系数的帧间特征,接着对每帧信号再分帧,提取再分帧帧信号的短时能量作为实小波系数的帧内特征;对复小波系数求取每帧信号的熵值作为复小波系数的帧间特征;最后对上述特征分别进行哈希构造,生成感知哈希序列.实验结果表明,该算法对5种不同格式的音频都具有强鲁棒性,且区分性好,效率高,并能实现小范围篡改检测.     

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.     

使用小波分析方法提取焊缝位置信息

针对焊缝特征提取中普遍采用的线段拟合方法计算量大的问题,探讨了基于小波变换的焊缝特征提取方法;将离散小波变换和奇异分析理论引入焊缝特征提取问题;利用多尺度小波分析计算最小以及对信号奇异点敏感的特征,有杉db2小波对焊缝特征进行分析,通过采用小波变换模极大值传播规则,大大减少小了计算量,实验证明此方法具有较好的性能,有效地排除了局部信号对焊缝整体特征的影响,可以很快确定焊缝的位置。     

基于神经网络的金属与非金属材料粘接质量定量检测

根据超声无损检测中偏重于定性研究的现状,提出一种基于神经网络的金属与非金属材料粘接质量的定量检测方法.在深入分析粘接界面超声检测回波信号特点的基础上,通过小波变换得到能反映粘接质量的特征值,使用Elman神经网络对粘接质量进行了定量分类识别.实验结果表明,该特征提取和神经网络分类算法对于粘接质量定量识别的准确度很高.     

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.     

基于解析小波变换的奇异性检测和特征提取

为提高信号奇异性检测的精度和故障特征提取的有效性，利用信号和噪声的小波变换模极大值沿尺度方向的不同传播特性，提出了一种通过解析小波极大模重构进行信号奇异性检测和滤噪的方法，并将解析小波分析引入机械故障诊断中.分别采用实小波极大模和解析小波极大模分析汽车主减速器性能试验机上采集的几种故障振动信号，并进行主减速器故障诊断.试验结果表明，解析小波极大模相比实小波极大模具有更好的奇异性检测效果，能够突出故障特征，从而有效提高故障诊断的准确性.     

基于小波变换的水下超声波测距方法研究

通过分析传统的阈值检测法超声波测距的缺点,提出了基于小波变换的水下超声波测距方法.应用数字信号处理技术,设计出基于Hamming窗函数的数字带通滤波器,对采样信号进行数字滤波,构造高斯小波基.介绍了一种将采样信号与小波基做卷积进行小波变换,精确捕捉回波信号到达时刻的超声波水下测距系统.在实验室水池中分别用传统的阈值检测法和基于小波变换的超声波测距法进行了实验测量,并对测量数据进行了比较,验证了基于小波变换的水下超声波测距可以达到更高的测量精度,优于传统的阈值检测法.