小波神经网络在超声检测信号中降噪的研究

摘 要: 为了最大限度的消除粗晶材料超声检测时,晶粒散射波对有用信号的严重干扰,提高接收信号的信噪比,将小波神经网络引入粗晶材料超声检测信号处理领域中。在训练小波神经网络时,采用了改进的梯度下降算法。该网络有一个动态的权值,它随误差变化而调整。结果表明,小波神经网络应用在粗晶材料超声检测信号的降噪时,能够达到较理想的降噪效果。     

小波神经网络在超声检测信号降噪中的应用

为了最大限度地消除粗晶材料超声检测时,晶粒散射波对有用信号的严重干扰,提高接收信号的信噪比,将小波神经网络引入粗晶材料超声检测信号处理领域中.在训练小波神经网络时,采用了改进的梯度下降算法.该网络有一个动态的权值,它随误差变化而调整.结果表明,小波神经网络应用在粗晶材料超声检测信号的降噪时,能够达到较理想的降噪效果.     

基于提升小波变换的超声信号消噪技术

为了提高超声无损检测（UNDT）和无损评价（UNDE）中基础数据的信噪比（SNR）,提出了一种基于提升小波变换多分辨率分析的超声信号消噪新技术.在分析传统裂谱分析（SSP）方法原理及其局限性的基础上,通过采用提升小波变换多分辨率分析能力将原始超声回波信号进行子带分解,然后按照一定的信噪分离规则来消除噪声,达到提高信噪比的目的.实验结果表明,与传统裂谱分析方法相比,该方法增强了消噪性能的稳定性,提高了超声回波信号的信噪比.     

应用小波变换剔除超声多重反射的研究

利用小波变换具有空间局部化的特性和表征信号奇异性的能力,在适当尺度下刻画待检对象表面第1次超声回波信号的极大值点,从中选择最大值点作为脉冲重复频率(PRF)技术“与操作”的基准点,以满足PRF技术在消除超声多重反射时对“与操作”基准点需高精度定位的要求,从而解决传统方法对检测设备和操作条件严格一致的弊端。计算机仿真与实验研究表明提出的方法是可行的,并具有较强的鲁棒性和适用性。     

基于小波变换的谐波检测法

本文介绍了近年来新兴的小波理论及其在电力谐波检测中的应用,同时通过MATLAB软件对分析的理论进行仿真和综合性能分析,说明小波变换对于谐波检测的优越性及广泛的应用前景。     

基于小波变换的裂谱分析法

 为了提高超声无损检测（UNDT）和无损评价（UNDE）中基础数据的信噪比（SNR）,提出了一种基于小波变换多分辨率分析的裂谱分析新方法．该方法在分析传统裂谱分析（SSP）方法原理及其局限性的基础上,通过采用小波变换多分辨率分析能力将原始超声回波信号进行等Q子带分解,然后按照一定的信噪分离规则来消除噪声,达到提高信噪比的目的．实验结果表明,与传统裂谱分析方法相比,该方法提高了消噪性能的稳定性,增强了湮没晶粒(或其他散射体)散射中的缺陷回波信号能力．     

基于小波变换的反卷积技术

为了提高薄层复合材料超声无损检测(UNDT)中A扫描信号时域分辨率,提出一种基于小波变换多分辨率分析的反卷积技术新方法。针对传统反卷积技术在信噪比(SNR)降低时提高时域分辨率能力有限以及稳定性较差的缺点,将小波变换应用到反卷积技术中,对超声脉冲回波信号进行不同频带内分解,选取其中一个低频带内信号单支重建后,将传统反卷积技术应用到所选信号进行处理。计算机模拟和实验结果表明,与传统反卷积技术相比,该方法在提高时域分辨率（特别是低信噪比时）能力方面有较大改观。     

基于提升小波变换和AdaBoost的超声信号消噪技术

为了提高超声无损检测(UNDT)和无损评价(UNDE)中基础数据的信噪比(SNR),提出了一种基于提升小波变换和AdaBoost模式识别理论的超声信号消噪技术.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算法局限性的基础上,利用提升小波变换将原始超声检测信号分解到小波空间后,通过采用AdaBoost算法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种散射体散射中的缺陷回波信号能力.     

基于Marr小波分析的薄层超声检测

薄层结构超声测厚过程中,薄层上下界面回波叠加导致信号难以区分.针对该难点本研究采用基于Marr小波的小波变换模极大值法对250～350 μm的ZrO2陶瓷涂层进行了厚度测量.所得结果与金相法测量结果相符.     

基于小波变换的图像边缘检测

本文主要对目前存在的图像边缘检测的方法进行了研究分析,重点研究了小波变换在图像边缘检测方而的优势,提出了基于连续小波变换的边缘检测方法,并编程展示编码的结果,验证其在实际应用中的可行性。     

采用交替投影算法重构超声信号

建立了超声探测缺陷回波的数学模型，讨论了信号奇异性同其小波变换之间的关系以及通过小波变换模极大值精确重构原信号的原理和方法，利用Mallat的交替投影算法对仿真的超声信号进行了精确重构和对实际检测到的超声信号进行了消噪处理。结果表明，利用小波变换模极大值重构信号的交替投影算法来重构超声信号，重构精度高，实现速度快，用于处理染噪信号，消噪效果好，是一种较为理想的处理超声信号的方法。     

小波变换在爆炸焊接复合板超声检测中的应用

在传统超声波检测的基础上,利用小波变换将超声检测回波信号分解成不同频带上的信号成分,通过分析这些不同频带上的焊接界面回波和底面回波,结合爆炸焊接复合板不同结合界面对超声波传播的影响,检测出爆炸复合板界面的结合形态.钢钛爆炸焊接复合板的实验室检测结果表明,该方法具有检测方便、检测周期短和不破坏材料整体性的优点.     

基于Daubechies小波的图像边缘检测技术

利用Daubechies正交小波变换的性质,通过Mallat多尺度分析方法对图像进行小波变换,把图像分解成低频轮廓,水平高频、垂直高频和斜线高频四个部分。针对图像边缘主要集中在高频部分,该文先保持小波变换后的高频小波系数,同时对低频小波系数进行再次小波变换,提取出次高频信号的边缘信息。最后对保留下来的高频小波系数和次高频小波系数进行逆变换获取最大边缘信息。     

小波阈值去噪法在超声信号处理中的应用研究

研究了小波阈值去噪方法在超声信号处理中的应用.在对用超声方法测得的信号进行去噪处理的过程中,探索了不同的小波基和阈值选取准则对阈值去噪结果的影响.通过对去噪信号的图形以及统计特性的分析和比较,选用Sym小波系中的Sym8小波和“Minimaxi”阈值选取准则对测得的信号进行去噪处理.实验结果表明：小波阈值去噪方法在超声检测去噪中能够取得较好的效果.     

基于小波变换的主动水声信号检测

信号检测是水声信号处理领域的研究重点之一。文章通过对水下航行器自噪声特性的研究，发现其具有1／f衰减特性，同时利用小波变换对1/f信号有类似K—L展开的作用，提出了一种基于小波变换的信号检测方法，对1/f噪声背景下的主动水声信号进行了检测；文中详细推导了相应的检验统计量及其统计分布特性；同时，将该方法与匹配滤波器、能量检测器的检测性能进行了比较，仿真试验结果表明了本方法的有效性。     

Ultrasonic velocity and attenuation determination by laser-ultrasonics

Materials are often characterized by measuring the velocity and attenuation of ultrasonic waves. Laser-ultrasonics, which uses lasers for generation and detection of ultrasound, has several advantages compared to the classical piezoelectric techniques, but the use of lasers is often associated with ill-defined source and receiver characteristics making diffraction effects hard to evaluate. We have identified two regimes which, in practice, allow the measurement of velocity and attenuation: the point source/point receiver and the large uniform source/large uniform receiver regimes. These approaches are discussed and illustrated with several examples of application. Limitations caused by misalignment between the generating and detecting laser spots are also analyzed.     

A probabilistic method for the detection of obstructed cracks of beam-type structures using spatial wavelet transform

This paper reports both the theoretical development and the numerical verification of a practical wavelet-based crack detection method, which identifies first the number of cracks and then the corresponding crack locations and extents. The value of the proposed method lies in its ability to detect obstructed cracks when measurement at or close to the cracked region is not possible. In such situations, most nonmodel-based methods, which rely on the abnormal change of certain indicators (e.g., curvature and strain mode shapes) at or close to the cracks, cannot be used. Most model-based methods follow the model updating approach. That is, they treat the crack location and extent as model parameters and identify them by minimizing the discrepancy between the modelled and measured dynamic responses. Most model-based methods in the literature can only be used in single- or multi-crack cases with a given number of cracks. One of the objectives of this paper is to develop a model-based crack detection method that is applicable in a general situation when the number of cracks is not known in advance.

To explicitly handle the uncertainties associated with measurement noise and modelling error, the proposed method uses the Bayesian probabilistic approach. In particular, the method aims to calculate the posterior (updated) probability density function (PDF) of the crack locations and the corresponding extents.

The proposed wavelet-based crack detection method is verified and demonstrated through a comprehensive series of numerical case studies, in which noisy data were generated by a Bernoulli–Euler beam with semi-rigid connections. The results show that the method can correctly identify the number of cracks even when the crack extent is small. The effects of the number of cracks and the crack extents on the results of crack detection are also studied and discussed in this paper.