基于最小值选中次数的分离谱加权算法的超声信号处理方法研究

在脉冲式超声无损检测中，超声脉冲反射回波信号常受到电子噪声和结构噪声的干扰，信噪比往往较低。针对海底管道超声检测信号处理的问题，介绍一种基于最小值分离谱方法中最小值选中次数的统计加权算法。试验证明，该方法稳定性和信噪比较好，具有一定自适应能力。     

增强超声探伤信号的分离谱处理方法

在粗晶材料的超声探伤工作中,晶粒噪声问题是至关重要的,分离谱处理技术已成功地用于降低此类材料超声检测中的噪声。给出了若干不同的分离谱处理自满,并根据实验信号对该技术的性能进行了分析。     

超声无损检测中的谱分析技术

综述了线性及非线性谱分析在超声无损检测中的应用。给出了快速傅里叶变换及自回归谱分析的基本原理,对若干实验结果进行了分析讨论。指出了未来研究的方向。     

钢板孔洞涡流检测信号的频谱分析研究

通过对振动噪声和钢板孔洞信号的频谱特征研究与FFT频谱分析，利用短时傅里叶变换：（STFT）进行钢板孔洞的检测实验表明，频谱分析作为常规幅度检测方法的重要补充，可以与信号的幅度分析结合在一起，使信号的识别更加准确与可靠。     

弧焊电源检测与评价中常用的信号处理与分析方法

简要介绍了各种信号处理方法在弧焊电源检测与评价中的应用，阐述了每一种信号处理方法的原理、优点及局限性。最后对各种信号处理方法进行了比较，并就信号处理方法在弧焊电源评价中应用的发展方向进行了预测。     

超声无损检测中的二维快速Fourier变换及Wigner—Ville变换

对二维快速Fourier变换（2D FFT）及其在超声无损检测中的应用以及对Wigner变换的改进方法Wigner-Ville变换进行了描述,并举例分析了它们的优缺点。     

超声检测信号的自适应滤波

复合材料及粗晶材料等各向异性材料的超声无损检测存在信噪比较低的问题,通过自适应虑皮技术可提高缺陷回波信噪比。在此和由此式利用了自适应噪声低消过程中广泛应用的带延迟的有限就滤波器（ＦＩＲ）和最小均方（ＬＭＳ）算法。     

高阶谱在超声无损检测中的应用

提出了基于高阶谱的减噪方法，能有效提高回波信号的信噪比，减弱检测噪声对于缺陷散射特征的影响，从而突出缺陷特征信息。实验结果表明，用该法进行信号处理信噪比明显提高，缺陷分辨能力大大改善。     

钢轨踏面电磁超声检测信号处理方法

针对钢轨踏面电磁超声检测信号幅值小、信噪比低的问题,研究适用于电磁超声的数字信号处理方法,利用小波变换对信号进行消噪处理,通过希尔伯特变换提取信号包络,并对处理后的数据进行超声成像。采用LabWindows/CVI和Matlab混合编程的方式设计上位机数据分析软件。试验表明,该方法显著提高了电磁超声回波信号的信噪比,能有效地检测钢轨踏面缺陷并进行定位。     

改进的自适应滤波方法及其在粗晶材料超声检测中的应用

针对传统的自适应滤波方法在超声无损检测中应用的缺点，提出了基于采样信号幅值混乱度的自适应滤波方法，并结合运用小波变换，在获得较好的运算经济性的情况下，大大提高了缺陷信号的信噪比。     

基于数字信号处理器的超声无损检测

介绍数字信号处理器（DSP）的结构、特点及其在超声无损检测中的应用。从DSP在超声无损检测中的两个应用实例可以看出,DSP对于提高信噪比和分辨力,实现检测的实时处理等是非常有效的。     

基于小波变换的混凝土超声探伤信号处理

将混凝土超声探伤信号的小波变换进行特征分析,提取了各级小波分解信号的谱特征,最后将这些特征输入模糊前向神经网络进行训练和分类,实验表明,这种方法具有良好的效果.     

基于LabVIEW软件平台的粗晶材料超声信号去噪处理的研究

采用超声纵波检测粗晶材料缺陷时，由于晶粒粗大及各向异性的影响，将产生较强的组织散射噪声，降低材料超声探伤的信噪比，严重干扰对缺陷回波的正确识别与判断。文章分析了粗晶材料超声信号去噪处理方法，提出了基于软件平台LabVIEW的信号处理构想，设计了粗晶材料超声信号去噪处理的LabVIEW处理模块，为有效抑制粗晶材料的组织散射噪声提供了手段。     

匹配小波滤波在超声信号处理中的应用

提出与特定超声回波信号相匹配的小波基实用设计方法，给出构造正交小波基的充分必要条件。应用到匹配滤波去噪中，结合传统的门限法，在小波域对不同种类噪声进行抑制。     

超声无损检测与评价中的信号处理及模式识别

现代信号处理与模式识别技术在超声无损检测与评价中的作用愈来愈重要。超声检测 信号处理技术可提高缺陷的检测与分类能力,并可表征材料的性能。对该技术的有效应用、潜能及进展作了综合评述,这对未来无损检测与评价中信号处理的研究是有益的。     

小波变换在超声检测信号去噪中的应用

根据超声检测缺陷回波的特点,提出了基于小波变换的超声缺陷回波的去噪方法。结果表明,它能较好地抑制噪声,使用该法处理的信号的信噪比明显提高,并且具有较高的缺陷定位精度和纵向分辨率。     

基于神经网络的焊接缺陷智能化超声模式识别与诊断

以三种焊接缺陷为对象,研究了缺陷回波特征的评价与模式识别。在实验研究与理论分析的基础上,从每个缺陷回波样本中提取了26个特征值,采用基于统计学假设检验的特征评价和最佳特征子集选择方法,实现了特征空间的降维处理。作者采用B-P型反向传播神经元网络构成了智能化模式分类器,研究了网络模型的学习效果和对未知缺陷的分类识别能力。还探讨了用Dempster方法进行超声检测信息融合处理的可行性。实验结果表明,采用最佳特征子集作为样本的特征向量,获得了良好的识别结果,三类缺陷的平均正确识别率约为87.6％,最佳识别率为97％。