ITD 改进信号子空间超声检测信号去噪

合集下载

基于EMD和小波熵阈值算法的超声回波信号降噪

基于EMD和小波熵阈值算法的超声回波信号降噪

基于EMD和小波熵阈值算法的超声回波信号降噪作者:杜必强孙立江来源:《中国测试》2017年第01期摘要:超声检测信号中通常包含大量噪声,而其中材料晶界散射的噪声是一种相关噪声。

鉴于传统的方法难以将这种噪声和缺陷回波信号区分,提出一种EMD和小波熵阈值联合降噪的算法。

该算法首先对目标信号进行EMD分解,提取具有噪声特性的IMF分量进行小波分解,利用含噪系统熵增的特性,在分解各尺度层的细节部分选用小波熵自适应阈值降噪,然后将剩余分量和降噪处理后的信号进行重构。

仿真信号结果表明:该降噪方法(EMD-WET)输出信号的信噪比(SNR)为7.9 dB、均方根误差(RMSE)为18.1、相似系数(NCC)为0.92,优于传统的小波软、硬阈值方法。

对实测信号进行处理,该方法降低信号中的大部分噪声,更好地还原回波信号的波形。

关键词:超声检测;降噪;小波熵;经验模态分解文献标志码:A 文章编号:1674-5124(2017)01-0101-05收稿日期:2016-06-18;收到修改稿日期:2016-07-25基金项目:中央高校基本科研业务费项目(2014MS118)作者简介:杜必强(1974-),男,江西吉安市人,副教授,博士,研究方向为旋转机械故障诊断、机器人标定及无人飞行器。

引言在现场超声检测中,技术人员通常根据回波信号来判断被检测对象是否存在缺陷。

作为一种典型的非线性、非平稳信号,回波信号本身含有许多突变成分,包含大量的有用信息,但超声波在材料晶界散射引起的微结构噪声以及采集仪器的散射噪声都会使回波信号包含大量噪声,严重干扰有用信号特征的提取,影响检测结果。

因此,采用有效的信号处理方法抑制回波信号携带的各种噪声,提高信噪比,有利于下一步对缺陷回波信号的特征提取,模式识别。

近年来,对非线性、非平稳信号降噪的方法有:EMD阈值去噪、小波阈值去噪、EMD和小波阈值联合去噪等。

李秋锋等[1]采用EMD对粗晶材料超声检测信号进行了去噪方法研究,取得了一定的效果。

基于小波变换的超声波检测信号的消噪处理

基于小波变换的超声波检测信号的消噪处理
检测技术 Measurement Techniques
பைடு நூலகம்
基于小波变换的超声波检测信号的消噪处理
杨凤霞
(西安航空职业技术学院,陕西西安 710089) 摘要: 基于超声回波信号的特点, 提出了利用小波变换法对管材中沟槽的超声反射信号进行消噪的方 法。选择 db12 小波基对含噪的超声信号进行 4 层分解, 然后分别采用强制消噪法、 固定阈值法、 自适应阈 值法进行消噪处理。并对三种方法的滤波结果进行了对比分析, 结果表明: 自适应阈值法具有很好的去噪效 果, 并且很好地保留了反映超声信号的特征尖峰点。利用小波变化理论, 对管材沟槽的超声波检测信号进行 了消噪处理, 取得了较好的滤波效果。 关键词: 小波变换; 超声检测信号; 阈值法消噪; 多分辨分析 中图分类号: TB5:TG247; 文献标识码: A; 文章编号 :1006-9658 ( 2017 ) 04-0064-03 DOI: 10.3969/j.issn.1006-9658.2017.04. 019
基 金 项 目: 西安航空职业技术学院教育教学改革研究项目 ( 14xhjg002 ) 收稿日期 :2017-05-20 稿件编号 :1705-1795 作者简介: 杨凤霞 (1979—) , 女 , 硕士, 讲师 , 研究方向是信息处理、 无损检测工作 .
其中, a 为伸缩因子, b 为平移因子。 实际在进行数据采集时一般选择离散点的采 集方式, 为了更好的在计算机上展现采集到的数 据, 在进行小波变换时必须进行离散化。对于离散
1 1.1
原理与方法
小波变换 小波分析时频局部化分析方法, 具有多分辨率
分析的特点, 它的窗口大小不可改变但是形状可改 变, 时间窗和频率窗也可改变, 并且在时频两域都 可以表征信号的局部特征。

信号子空间语音增强和它的应用对噪声语音识别研究文章

信号子空间语音增强和它的应用对噪声语音识别研究文章

研究文章回顾信号子空间语音增强和它的应用对噪声语音识别克里斯赫墨思,帕特里克,和雨果·范·哈默电机工程学系,天主教鲁汶大学,比利时鲁汶赫维2005年10月收到24份修订于2006年3月2006年4月30日由三颗针科斯塔斯卡推荐本文的目的有三个方面:(1)提供了广泛的审查,(2)派生的信号子空间语音增强这些技术的性能的上限,(3)提出了全面的研究子空间的潜力过滤,以增加对固定加性噪声失真自动语音识别器的特性。

子空间滤波方法是基于嘈杂的讲话观测空间的正交分解成信号子空间和噪声子空间。

这种分解可以用于语音模型的低秩的假设下,对是否有可用的估计的噪声相关矩阵。

我们提出了一个广泛的概述可用的估计,并从中获得了理论估计实验评估的上限的性能,可以实现由任何基于子空间的方法。

与噪声数据的自动语音识别(ASR)的实验表明,基于子空间的语音增强显着提高这些系统的特性添加剂有色噪声环境。

获得最佳性能如果没有明确的嘈杂的Hankel矩阵降秩进行。

虽然此策略可能增加的电平残留噪声,它减少了识别器的后端取出必要的信号信息的风险。

最后,它也示出子空间滤波相比,毫不逊色知名谱减法技术。

版权所有©2007 Kris Hermus等。

这是一个开放的文章,分布在Creative Commons Attribution许可下,允许无限制地使用,分配,任何媒体,提供了原来的工作是正确的引用。

1.简介一类特殊的语音增强技术,已经获得了很多关注的是信号子空间过滤。

在这种方法,非参数的线性估计联合国干净的已知语音信号获得基于在减压位置观察到的噪声信号相互orthog的onal信号和噪声子空间。

这种分解是pos-低等级的线性模型的假设下可与浇口语音和一个不相关的添加剂(白)噪声干扰高效。

在这些条件下,能量的相关性不噪声遍及整个观察空间,而连接相关的语音分量的能量集中在其子空间。

此外,在信号子空间可以回收一贯从喧闹的数据。

信号去噪算法

信号去噪算法

信号去噪算法在信号处理领域,信号去噪(也称信号处理)是一种常见的应用,它有效的减小信号中的噪声和干扰,使信号质量得到改善,从而提高信号识别的准确性。

近年来,计算机技术的发展和信号处理技术的进步,信号去噪技术也发展的非常迅速,已经成为当下信号处理方法中的重要一环。

信号去噪算法是信号处理技术中最基本的算法之一。

它旨在降低或消除信号中存在的噪声,比如外部干扰,可以改善信号质量,以提高信号处理的准确性。

过去,许多人尝试过结合滤波和低通滤波这些传统的信号处理方法,来改进信号处理过程,但是由于这些传统方法在信号处理效果上并不乐观,所以这些方法渐渐被抛弃。

而信号去噪算法的出现,使得信号处理效果得到显著改善,同时,它还具有计算效率高的优势。

信号去噪算法的核心思想是用相似度来识别和消除噪声和外部干扰。

具体来说,算法会首先根据信号的背景、特性和结构,建立一个特征模型。

然后根据这个模型,计算信号与当前环境的相似度,把相似度低的信号认为是噪声。

最后,去除相似度低的信号,把剩下的高相似度信号视为有效信号。

这样一来,信号中的噪声和外部干扰就被有效的抑制,从而改善信号质量,提高信号处理准确率。

此外,信号去噪算法本身具有良好的可扩展性,在信号类型和复杂度发生变化时,也能有效地应对。

例如,针对不同类型的信号,可以灵活地修改所需要的特征模型;或者,在处理更高维度信号时,可以利用支持向量机或径向基神经网络来更有效地计算相似度。

另外,还可以采用深度学习技术来训练网络模型,实现对信号的有效去噪,提高信号处理的准确度。

总而言之,信号去噪算法是一种非常有效的信号处理方法,它旨在减小或消除信号中的噪声,提高信号处理的准确度,同时具有良好的可扩展性和计算效率。

未来,它将会被广泛应用于更多领域,以改善信号的质量,解决信号处理中的瓶颈。

声-超声检测信号的消噪处理

声-超声检测信号的消噪处理
声一 声检 测信 号 的消噪处 理 超
15 4
文 章 编 号 : 0 6 1 5 ( 0 0 0 — 1 50 1 0 3 5 2 1 ) 6 0 4 —4
声 一超 声检 测信 号 的消 噪 处 理
艾春安 ,蔡 笑风 ,尼 涛,刘 瑜
( 第二 炮兵 工程 学院 ,西安 70 2 ) 105
在 小波 变换 的基础 上提 出了小波 阈值 消噪 的概 念[; 3 1 之 后 美 国 B n t 验 室 的 A. b t 和 P s 人提 ee实 Ab a e . 等 Da 出并开 发 了超 声缺 陷检测 与 噪声抑 制 的小波 信 号处
收[。接 收 到的应 力波 即Au信 号 中除 了包 含始 波 、 1 ]
No s d ci n o Ac u t — ta o i o i r g S g as ieRe u to f o si Ulr s n cM n t i i n l c o n
AI Ch 1 - n, C a f n , N1 T o , LI 1 1a 1 AI Xi o.e g a U Y u
e e l rn n v lt p c e r n f r a e e ly d t e u e t e n ie h n v lt n ie v n f t i g a d wa e e a k t ta so m r mp o e o r d c h o s .T e ,a wa e e o s i e r d c i n m o e s e tb ih d b s g t e s c n . r e u e h e v lt u c i n Th i n l a e e u t d l sa l e y u i h e o d o d rDa b c i s wa e es f n t . e sg a s r o i s n o

基于ITD和改进小波阈值的超声检测信号去噪

基于ITD和改进小波阈值的超声检测信号去噪

基于ITD和改进小波阈值的超声检测信号去噪李大中;赵杰;刘建屏;蔡文河;马延会【摘要】超声检测信号是一种非线性、不平稳信号,且由于材料结构的复杂性,超声回波信号往往存在很多干扰噪声.针对钢制结构中平底孔的超声检测信号传统小波去噪方法的不足,提出固有时间尺度分解(ITD)和小波阈值去噪相结合的方法对信号进行去噪处理.通过将带噪声的原始检测信号进行ITD分解,获得一系列固有旋转分量(PRC)和一个单调趋势项,去除高频分量后重构部分主要的PRC分量,然后采用改进阈值的小波软阈值方法对其进行去噪,该方法融合了小波去噪和ITD方法的优势,信噪比、均方根误差和相关性等参数都比较满意,去噪效果明显.【期刊名称】《华北电力技术》【年(卷),期】2016(000)009【总页数】6页(P8-13)【关键词】超声检测;去噪;固有时间尺度分解;小波;阈值【作者】李大中;赵杰;刘建屏;蔡文河;马延会【作者单位】华北电力大学,河北保定071003;华北电力大学,河北保定071003;国网冀北电力有限公司电力科学研究院(华北电力科学研究院有限责任公司),北京100045;国网冀北电力有限公司电力科学研究院(华北电力科学研究院有限责任公司),北京100045;国网冀北电力有限公司电力科学研究院(华北电力科学研究院有限责任公司),北京100045【正文语种】中文【中图分类】TN911.72对超声缺陷信号进行相关的时频域分析和智能识别是无损检测、信号处理以及模式识别领域一直广泛深入研究的热点。

在无损检测领域里对超声检测缺陷的定性定位、无损评估一直没有一套成熟的理论方法,而实际工程现场的声学环境往往更为复杂,检测结果易受噪声干扰的影响[1]。

现场采集信号中的噪声对以其为依据所进行的无损评估的准确性和有效性影响很大,因此有必要在对信号进行分析之前进行去噪处理。

超声检测信号作为一种非线性、不平稳信号,本身含有很多突变量,加之检测材料的复杂性,对其不能简单地使用适合于平稳信号的分析方法。

超声仪表信号的小波去噪及实现

超声仪表信号的小波去噪及实现

超声仪表信号的小波去噪及实现苏映新【摘要】提出基于软硬阈值改良折中法的超声仪表信号小波去噪方法,对超声波信号实施希尔波特变换,完成超声波信号的正交相移,提高超声信号的准确度.通过小波阈值去噪中软硬阈值的一种改良折中法对小波实施重构,得到去噪后的超声仪表信号,对软硬阈值折中法的原则实施改进,得到改进的阈值函数,降低软硬阈值折中法操作得到的超声仪表信号的振荡,调整改进阈值函数中的参数,确保参数得到软硬阈值折中内更高的取值范围,增强阈值函数的灵活性,提高超声仪表信号去噪精度.实验结果说明,所提方法可实现超声仪表信号的去噪,去噪性能以及去噪效果良好.【期刊名称】《现代电子技术》【年(卷),期】2018(041)019【总页数】5页(P54-57,62)【关键词】超声波信号;小波去噪;硬阈值;软阈值;改良折中法;正交相移【作者】苏映新【作者单位】辽东学院机械电子工程学院,辽宁丹东 118003【正文语种】中文【中图分类】TN911.72-340 引言采用超声仪表实施超声检测过程中,回波中存在不同类型的干扰波,导致超声波信号受到噪声的干扰,无法获取准确的超声波形,不利于信号的分析以及后续的处理[1]。

因此,寻求合理的方法,对检测到的超声信号实施去噪操作具有重要的应用价值。

超声波信号是动态时变脉冲信号,信号谱特性沿时间轴延伸,传统方法通过傅里叶变换实现超声信号去噪的过程中,无法解决超声波信号的时变特性,去噪效果不理想。

小波分析拥有较强的时频分析局部化属性,可提高超声波信号去噪精度。

本文在小波阈值去噪中提出一种软硬阈值改良折中法,实现超声仪表信号的准确去噪。

1 基于软硬阈值改良折中法的超声仪表信号小波去噪方法1.1 超声回波信号预处理超声波传感器采集的超声仪表信号拥有局部光滑属性,其正则性取决于f(t)=h(t)cos t,其中,h(t)是超声仪表信号时域函数,超声信号f(t)在某时期的Lipschitz指数呈现正无穷变化趋势。

ITD改进信号子空间超声检测信号去噪

ITD改进信号子空间超声检测信号去噪

场 的超 声 波 金 属探 伤过 程 中 ,南于 金 属材 料 的特 殊 音增 强算 法 对带 噪超 声 检测 信号 进行 去 噪 处理 是现
性 、探 伤设 备 的 自身 干扰 和 实际检 测 环境 的复 杂 性 , 阶 段 超声 检 测 信号 研 究 的 最 为深 入 的方 法 之 一 ,也
2.North China Electric Power Research Institue Co.,Ltd.,Beijing 100045,China)
Abstract: Interfering noise in ultrasonic testing signals of steel materials has seriously affected the testing precision of actual defects. Therefore, the noise in collected testing signals must be eliminated. A noise-removing method is proposed in this paper to solve the disadvantages of
Im proved signal subspace m ethod of ultrasonic test signal denoising based on ITD
LI Dazhong ,ZHAO Jie , LIU Jianping。, CAI W enhe , MA Yanhui (1.Dept of Automation,North China Electric Power University,Baoding 07 1003,China;
traditi(mal signal subspace based on intrinsic time-scale decomposition (ITD) improved signal

小波神经网络在超声检测信号降噪中的应用

小波神经网络在超声检测信号降噪中的应用

su tr f h tr loteue ls nl a dri es nl on i a o( N ,w vl erl t c eo ema i h sf i a n a et i a t-os rt S R) aee n ua r u t eat u g s s h g — e i t
e fc ie m eh d i in ld n ii g o l a o i e e t n. fe t t o n sg a e osn fu t s n c d tc i v r o K e r s: a o tc;d n ii y wo d c usi e o sng;wa e e e r ln t r v ltn u a ewok;c a s — r i tra s lr s ni t c o re g an ma ei l ;u ta o c dee —
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 。 关 键 词晶 材 料 ; 声 检 测 降 小 粗 超
中图分类号 :T24 P7

43 6 ; 70 1
7 0 6 3 武 汉纺 织 大学 电子 信 息工程 学院 , 10 2;. 武汉 4 0 7 ) 3 0 1
要 :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 , 高接 收信号 的信 提
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
S g lDe ii fUlr s n c De e to i na nosng o ta o i t c in

一种优化的小波包去噪方法在超声波信号降噪中的应用

一种优化的小波包去噪方法在超声波信号降噪中的应用

一种优化的小波包去噪方法在超声波信号降噪中的应用摘要:有效去除信号中的噪声是地球物理勘探领域中一个较重要的研究内容。

常规的频率域和时间域滤波方法不能去除超声波数据中噪声而保持信号的初至波形不发生畸变,而基于小波包基的信号去噪方法却是一种较好的方法。

该算法以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,对不同频率的系数采用不同的阈值进行量化,利用量化后的系数重构得到去噪后的信号。

实验结果表明,该方法去除噪声的同时并不改变原信号的相位,也不会产生波形的畸变,在超声波探测中取得了较好的应用,是一种较为理想的去噪手段。

关键词:小波包变换超声去噪最佳小波包基1引言目前,无论在工程应用还是理论研究中,去除信号噪声都是一个热门话题。

超声波检测是国内外应用广泛、使用频率很高且发展很快的一种工业无损检测方法。

它对所检测材料中的疏松、分层、缝隙等缺陷十分敏感。

超声回波或透射波信号中含有大量有关缺陷性质的信息,但由于信号在激励、传输过程中不同程度地受到随机噪声的污染,这些干扰信号会给信号的处理带来误差,严重时甚至会造成缺陷的误检和漏检。

所以如何进行降噪处理,从混有噪声的信号中提取反映缺陷本质特征的信号,一直是信号处理中的重要内容。

尽管目前有许多降噪算法,如空域复合法、频率复合法、解卷积、自适应滤波、倒谱分析方法、人工神经网络和裂谱分析法等【1】,但是它们中的绝大多数仅在时域或频域分析信号【2】。

超声波无损检测信号通常是一种被探头中心频率调制的时频有限的非平稳宽带信号,因此用时频分析中的小波包分解进行信号的降噪处理将十分有效。

2小波包变换介绍小波变换(Wavelet transform)是20世纪80年代中期出现的时频域信号分析工具。

小波包变换是小波变换的推广,与小波变换相比,小波包变换能够提供一种更加精细的分析方法,即离散小波变换的尺度是二进制变化的,所以在高频频段其频率分辨率差;而在低频频段其时间分辨率差。

数字音频处理中的信号降噪过程优化方法

数字音频处理中的信号降噪过程优化方法

数字音频处理中的信号降噪过程优化方法信号降噪是数字音频处理领域中的一个重要问题。

在实际应用中,由于各种环境因素和设备原因,音频信号会受到各种干扰,如背景噪声、电磁干扰等,降低音频质量和可理解性。

因此,优化信号降噪过程对于提高音频质量和用户体验非常重要。

本文将介绍一些常用的数字音频处理信号降噪的优化方法。

1. 基于小波变换的降噪方法小波变换是一种非常常用的信号处理方法,可以将信号分解为不同频率的子带。

通过对不同频率子带进行降噪处理,可以有效地减小噪声。

在数字音频处理中,可以使用小波变换将音频信号分解为不同频率的子带,然后移除高频子带中的噪声,再进行逆变换得到降噪后的音频信号。

2. 自适应滤波的降噪方法自适应滤波是另一种常用的降噪方法。

它通过分析音频信号和噪声信号之间的相关性,来提取出噪声的特征,并将其从原始音频信号中减去。

自适应滤波方法根据信号和噪声之间的相关性动态调整滤波器的参数,以达到更好的降噪效果。

这种方法在实际应用中具有良好的性能和稳定性。

3. 基于频谱减法的降噪方法频谱减法是一种基于频域的降噪方法,它通过对音频信号的频谱进行处理来降低噪声。

首先,将原始音频信号和背景噪声信号的频谱进行相减,得到一个差值频谱。

然后,通过对差值频谱进行幅度阈值处理,将幅度小于阈值的频谱点置为零。

最后,将处理后的频谱进行逆变换,得到降噪后的音频信号。

这种方法简单有效,适用于各种噪声环境。

4. 基于深度学习的降噪方法随着深度学习技术的发展,深度神经网络在信号处理领域也取得了很好的效果。

在数字音频处理中,可以使用深度神经网络进行降噪处理。

通过训练一个深度神经网络模型,可以自动学习音频信号和噪声之间的特征,并对噪声进行准确的估计和去除。

深度学习方法往往能够获得更好的降噪效果,但需要较大的训练数据和计算资源。

5. 结合多种方法的降噪方法在实际应用中,单一的降噪方法可能无法满足所有情况的需求。

因此,结合多种降噪方法可以获得更好的降噪效果。

信号去噪实验报告

信号去噪实验报告

一、实验目的1. 理解信号去噪的基本原理和方法。

2. 掌握常用的信号去噪算法及其实现。

3. 通过实验验证不同去噪算法对噪声信号的抑制效果。

二、实验设备1. 实验室计算机2. 信号采集设备(如示波器、信号发生器等)3. 信号处理软件(如MATLAB、Python等)三、实验原理信号去噪是信号处理中的一个重要环节,旨在消除或降低信号中的噪声成分,提取出有用的信号信息。

常用的信号去噪方法有:1. 频域滤波法:通过频域滤波器对信号进行滤波,抑制噪声成分。

2. 空间域滤波法:通过空间域滤波器对信号进行滤波,抑制噪声成分。

3. 小波变换法:利用小波变换将信号分解为不同频率成分,对噪声成分进行抑制。

4. 信号建模法:通过建立信号模型,对噪声成分进行估计和消除。

四、实验步骤1. 采集实验数据:使用信号采集设备采集噪声信号和含有噪声的信号。

2. 信号预处理:对采集到的信号进行预处理,如滤波、去均值等。

3. 实验一:频域滤波法a. 对噪声信号和含有噪声的信号进行快速傅里叶变换(FFT);b. 在频域中设计滤波器,如低通滤波器、带通滤波器等;c. 对信号进行滤波处理,得到去噪后的信号。

4. 实验二:空间域滤波法a. 对噪声信号和含有噪声的信号进行空间域滤波,如中值滤波、均值滤波等;b. 比较滤波前后的信号,观察去噪效果。

5. 实验三:小波变换法a. 对噪声信号和含有噪声的信号进行小波变换;b. 在小波变换域中对噪声成分进行抑制;c. 对信号进行逆小波变换,得到去噪后的信号。

6. 实验四:信号建模法a. 建立信号模型,如自回归模型(AR)、自回归移动平均模型(ARMA)等;b. 利用模型对噪声成分进行估计和消除;c. 比较滤波前后的信号,观察去噪效果。

五、实验结果与分析1. 实验一:频域滤波法通过设计合适的滤波器,可以有效抑制噪声成分,提高信号质量。

2. 实验二:空间域滤波法空间域滤波法对噪声成分的抑制效果较好,但可能会影响信号的细节。

光纤通信中的信号降噪与增强技术

光纤通信中的信号降噪与增强技术

光纤通信中的信号降噪与增强技术随着科技的不断进步,光纤通信成为了现代通信领域中的重要组成部分。

光纤通信以其高速、大容量和低损耗的特点,成为了人们日常生活中不可或缺的一部分。

然而,由于光信号在传输过程中会受到一系列的干扰和噪音的影响,因此在光纤通信中,信号降噪与增强技术变得至关重要。

首先,我们来探讨一下光纤通信中的信号降噪技术。

在光纤通信中,信号的传输过程中会受到许多噪音的干扰,这些噪音会导致信号质量的下降,从而影响通信的可靠性和稳定性。

为了解决这个问题,科学家们提出了一些降噪技术。

一种常见的方式是使用光纤放大器。

光纤放大器通过将光信号转换成电信号,然后再放大电信号,最后再将其转换回光信号,从而减弱传输过程中受到的噪音干扰。

这种方法可以有效地提高信号的质量和强度,使得信号的传输距离更远。

此外,还可以采用光纤调制和解调技术来降低噪音的干扰。

这种技术通过改变光信号的频率或相位,使得噪音信号与原信号相互抵消,从而降低信号的噪音水平。

其次,我们来讨论一下光纤通信中的信号增强技术。

在光纤通信中,信号在传输过程中会因为损耗而逐渐衰减,导致传输距离的限制。

为了解决这个问题,科学家们提出了一些信号增强技术。

一种常见的方式是使用光纤激光器。

光纤激光器通过将电能转换成光能,然后将光信号进行放大,从而增强信号的强度。

这种方法可以有效地提高信号的强度和稳定性,使得信号能够在更长的距离上得以传输。

此外,还可以采用光纤散射补偿技术来增强信号。

这种技术通过控制光信号的传播方向和速度,使得信号能够更有效地穿过光纤,从而减少信号衰减和失真。

除了上述提到的技术,还有一些其他的信号降噪和增强技术,例如光纤光栅和光纤隔离器等。

这些技术通过改变信号的光学特性,从而达到降噪和增强信号的效果。

此外,还有一些基于数字信号处理的技术,例如自适应均衡和前向纠错码等,在光纤通信中也得到了广泛的应用。

综上所述,光纤通信中的信号降噪与增强技术起着至关重要的作用。

一种基于改进阈值函数的小波域超声信号去噪方法

一种基于改进阈值函数的小波域超声信号去噪方法

一种基于改进阈值函数的小波域超声信号去噪方法
汪同庆;郭子义;刘家兵;叶俊勇
【期刊名称】《无损检测》
【年(卷),期】2007(029)011
【摘要】针对超声无损检测中超声信号受噪声污染、信噪比不高的情况,提出了一种新的基于改进阈值函数的小波域超声信号去噪方法.通过仿真实验,证明了该方法能够取得很好的去噪效果.相对于经典的阈值函数,改进的阈值函数在超声信号去噪中更具有优势.
【总页数】4页(P641-643,662)
【作者】汪同庆;郭子义;刘家兵;叶俊勇
【作者单位】重庆大学,光电技术及系统教育部重点实验室,重庆,400030;重庆大学,光电技术及系统教育部重点实验室,重庆,400030;重庆大学,光电技术及系统教育部重点实验室,重庆,400030;重庆大学,光电技术及系统教育部重点实验室,重
庆,400030
【正文语种】中文
【中图分类】TG115.28
【相关文献】
1.基于改进阈值函数的提升小波变换超声信号去噪研究 [J], 陈渊
2.基于渐近半软阈值函数的超声信号去噪方法 [J], 周西峰;朱文文;郭前岗
3.一种平稳小波变换改进阈值函数的电能质量扰动信号去噪方法 [J], 范小龙;谢维
成;蒋文波;李毅;黄小莉
4.基于一种改进阈值函数的小波去噪方法研究 [J], 张金武;冯毅;李文
5.一种改进小波阈值函数的图像去噪方法研究 [J], 周峡; 徐善顶
因版权原因,仅展示原文概要,查看原文内容请购买。

ITD改进信号子空间超声检测信号去噪

ITD改进信号子空间超声检测信号去噪

ITD改进信号子空间超声检测信号去噪李大中;赵杰;刘建屏;蔡文河;马延会【摘要】金属材料超声检测信号中存在的干扰噪声严重影响实际缺陷的检测精度,因此必须对采集的检测信号进行有效去噪处理.针对传统信号子空间去噪方法的不足,提出固有时间尺度分解(ITD)改进信号子空间信号增强算法的超声检测信号去噪方法,融合ITD方法和信号子空间的优势.通过现场超声检测缺陷信号数据的对比验证表明,信噪比、均方根误差和相关性等参数都比较满意,对含有有色噪声的超声检测信号去噪效果明显.【期刊名称】《中国测试》【年(卷),期】2016(042)004【总页数】5页(P102-106)【关键词】超声检测;去噪;固有时间尺度分解;信号子空间【作者】李大中;赵杰;刘建屏;蔡文河;马延会【作者单位】华北电力大学自动化系,河北保定071003;华北电力大学自动化系,河北保定071003;华北电力科学研究院有限责任公司,北京100045;华北电力科学研究院有限责任公司,北京100045;华北电力科学研究院有限责任公司,北京100045【正文语种】中文信号增强技术作为信号处理的重要分支,被广泛应用于抑制噪声、信号合成与识别领域。

在实际现场的超声波金属探伤过程中,由于金属材料的特殊性、探伤设备的自身干扰和实际检测环境的复杂性,超声检测回波难免会有大量噪声信号和固有信号混叠的情况,给超声检测信号后期处理与缺陷识别带来较大困难[1],因此在对超声信号进行时频域分析之前进行有效的去噪处理很有必要。

其中采用相关语音增强算法对带噪超声检测信号进行去噪处理是现阶段超声检测信号研究的最为深入的方法之一,也是可以有效去除噪声干扰的手段之一[2]。

信号增强一般属于信号预处理,通过分析不同噪声特性采用不同的信号增强方法,常用的信号增强算法有基于短时谱估计的信号增强算法以及基于信号子空间的信号增强算法。

短时谱估计信号增强算法已经在大量文献中得以研究[3],其算法复杂,增强后的信号仍含有无用噪声,适用的信噪比范围较窄,在去噪过程中容易丢失固有信号中的有用成分,同时会引入较大的噪声。

基于FFT和ITD的绝缘子泄漏电流去噪

基于FFT和ITD的绝缘子泄漏电流去噪

基于FFT和ITD的绝缘子泄漏电流去噪黄建才;朱永利【摘要】采用快速傅里叶变换(FFT)实现泄漏电流中周期分量和非周期分量的分离,给出了分离2种分量时的阈值.采用改进的固有时间尺度分解(ITD)方法实现非周期分量的去噪,给出了采用ITD去噪时的阈值.引入两端延拓解决了ITD的端点效应问题,提高了采用ITD分析的准确性.以高压试验中采集到的绝缘子泄漏电流为处理对象,采用所提方法对其进行了去噪.结果表明:所提的方法既能平滑信号,又能有效保留特征数据.【期刊名称】《电力自动化设备》【年(卷),期】2013(033)010【总页数】6页(P101-106)【关键词】绝缘子;泄漏电流;傅里叶变换;固有时间尺度分解;噪声【作者】黄建才;朱永利【作者单位】华北电力大学控制与计算机工程学院,河北保定071003;华北电力大学控制与计算机工程学院,河北保定071003【正文语种】中文【中图分类】TM835.40 引言绝缘子泄漏电流含有丰富的特征信息,通过分析泄漏电流能够获得绝缘子的状态数据。

然而,受电磁场和采集设备的影响,泄漏电流中极易混入噪声[1-2]。

文献[3] 报道了希腊学者对变电站绝缘子进行长期现场监测所取得的波形数据,通过列举白噪声、冲击噪声和单点噪声说明了噪声对泄漏电流影响较大;文献[4-11] 也报道了泄漏电流中存在大量白噪声的事实。

当前公开发表的关于绝缘子泄漏电流去噪的文献存在一定的缺陷。

文献[3] 给出了冲击噪声和单点噪声的去噪方法,但并没有讨论去除其他噪声的问题。

文献[4-7] 虽然提出采用小波变换去除泄漏电流中的噪声,但小波去噪需要根据实际信号选择最优小波基,不具备自适应性,且可能会消除幅值较小的周期分量。

文献[8] 采用自适应对消的方法消除泄漏电流中的噪声,其原理是:用2个传感器分别采集噪声信号和含噪声的泄漏电流信号,通过自适应算法实现去噪。

但输电线路绝缘子数量很大,该方法增加了经济成本,安装也不方便。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

ITD 改进信号子空间超声检测信号去噪李大中1,赵杰1,刘建屏2,蔡文河2,马延会2(1.华北电力大学自动化系,河北保定071003;2.华北电力科学研究院有限责任公司,北京100045)摘要:金属材料超声检测信号中存在的干扰噪声严重影响实际缺陷的检测精度,因此必须对采集的检测信号进行有效去噪处理。

针对传统信号子空间去噪方法的不足,提出固有时间尺度分解(ITD)改进信号子空间信号增强算法的超声检测信号去噪方法,融合ITD 方法和信号子空间的优势。

通过现场超声检测缺陷信号数据的对比验证表明,信噪比、均方根误差和相关性等参数都比较满意,对含有有色噪声的超声检测信号去噪效果明显。

关键词:超声检测;去噪;固有时间尺度分解;信号子空间文献标志码:A文章编号:1674-5124(2016)04-0102-05Improved signal subspace method of ultrasonic test signal denoising based on ITDLI Dazhong 1,ZHAO Jie 1,LIU Jianping 2,CAI Wenhe 2,MA Yanhui 2(1.Dept of Automation ,North China Electric Power University ,Baoding 071003,China ;2.North China Electric Power Research Institue Co.,Ltd.,Beijing 100045,China )Abstract:Interfering noise in ultrasonic testing signals of steel materials has seriously affected thetesting precision of actual defects.Therefore ,the noise in collected testing signals must be eliminated.A noise -removing method is proposed in this paper to solve the disadvantages of traditional signal subspace based on intrinsic time -scale decomposition (ITD )improved signal subspace.It combines the strengths of the ITD method and the signal subspace.SNR ,RMSE and correlation as well as other parameters are satisfactory and the colored noises of ultrasonic defect signals are largely reduced ,according to the on-site contrast verification of ultrasonic testing signal data.Keywords:ultrasonic test ;denoising ;intrinsic time-scale deposition ;signal subspace收稿日期:2015-10-20;收到修改稿日期:2015-12-15作者简介:李大中(1961-),男,内蒙古包头市人,教授,博士,研究方向为新能源发电系统控制、智能优化理论及应用、分布式新能源发电及冷电联产控制系统。

0引言信号增强技术作为信号处理的重要分支,被广泛应用于抑制噪声、信号合成与识别领域。

在实际现场的超声波金属探伤过程中,由于金属材料的特殊性、探伤设备的自身干扰和实际检测环境的复杂性,超声检测回波难免会有大量噪声信号和固有信号混叠的情况,给超声检测信号后期处理与缺陷识别带来较大困难[1],因此在对超声信号进行时频域分析之前进行有效的去噪处理很有必要。

其中采用相关语音增强算法对带噪超声检测信号进行去噪处理是现阶段超声检测信号研究的最为深入的方法之一,也是可以有效去除噪声干扰的手段之一[2]。

信号增强一般属于信号预处理,通过分析不同噪声特性采用不同的信号增强方法,常用的信号增强算法有基于短时谱估计的信号增强算法以及基于信号子空间的信号增强算法。

短时谱估计信号增强算法已经在中国测试CHINA MEASUREMENT &TESTVol.42No.4April ,2016第42卷第4期2016年4月doi :10.11857/j.issn.1674-5124.2016.04.022第42卷第4期大量文献中得以研究[3],其算法复杂,增强后的信号仍含有无用噪声,适用的信噪比范围较窄,在去噪过程中容易丢失固有信号中的有用成分,同时会引入较大的噪声。

而信号子空间技术可以通过控制无用噪声消除程度及信号失真程度两方面进行去噪,在信号去噪领域得到不断关注,并有较好的去噪效果。

文献[4]将信号子空间技术与端点检测对大地电磁信号进行二次信噪分离处理,有效地补偿了形态滤波处理过程中损失的低频有用信号[4]。

文献[5]将信号子空间谱域约束技术应用到图像去噪中,散斑噪声抑制效果明显。

虽然信号子空间技术在白噪声环境下去噪效果明显,但是当信号中存在有色噪声时,传统信号子空间技术去噪效果明显下降。

白噪声是功率谱密度不变且在整个频域内都均匀分散的随机信号,理想的白噪声在频域内具有无限带宽。

因此,实际环境中并不存在完全的白噪声,当实际噪声不具备上述性质时,此时的噪声信号为有色噪声,而粉红噪声(pink noise)是最常见的,常用在声学测试中,不同于白色噪声,粉红噪声的频率分量主要分布在中低频段。

Frei等[6]于2006年提出了一种针对非线性、不平稳信号的新方法-固有时间尺度分解(ITD)。

该方法适合分析非线性具有时变谱的不平稳信号,不需要样条插值和筛选过程,因此几乎没有边缘效应,计算速度很快,可以实时处理大量数据。

基于此,本文提出一种ITD改进信号子空间技术的去噪方法,并依据现场超声检测缺陷信号数据进行了对比验证,得到了较为满意的结果。

1信号子空间信号子空间法在去噪过程中既可以控制信号失真程度,也可以权衡无用噪声的消除程度。

1.1信号子空间原理信号子空间技术是将实际中带噪声信号看成由两个向量空间组成,通过将带噪声信号投影到信号子空间和噪声子空间,这里信号子空间主要包括纯净信号成分和很少的噪声成分,将噪声子空间内全部信号置零滤除噪声子空间及信号子空间中的噪声成分,尽可能保留信号部分从而得到近似纯净的信号[7]。

用x表示无任何噪声的纯净信号,n表示加性噪声向量,y表示由纯净信号和加性噪声叠加而成的带噪声信号。

假设纯净信号x和无用噪声n互不相关,此时有:y=x+n,E{x(i)n(j)}=0,∀i,j(1)x~=H y(2)式中x~为纯净信号x的时域线性估计(time domain compute,TDC)[8],H为线性估计矩阵,则纯净信号与估计信号的误差信号为ε=x~-x=(H-I)x+Hn=εx+εn,其中εx和εn分别表示线性估计导致的信号失真量以及未去除的剩余噪声量。

为平衡信号失真量和剩余噪声量,将信号失真能量进行最小化,利用特征值分解[9](eigenvalue de⁃composition,EVD)可以得到当噪声为白噪声时,纯净信号x的最优线性估计矩阵如下:H opt=U x^(x^+μσ2n I)-1U T(3)式中:μ———拉格朗日算子[10];U、x^———特征向量矩阵和特征值对角矩阵;σ2n———噪声n的方差。

该估计矩阵是一种次优估计,在白噪声背景下去噪效果明显,但遇到有色噪声时此算法去噪存在明显不足。

为弥补该算法对有色噪声去噪效果的不足,通过对矩阵R x和R n同时对角化,获得有色噪声背景下的最优估计矩阵如下:H opt=U-T xΔx(Δx+μI)-1U x T(4)式中Δx与U x分别为特征值对角矩阵和特征向量矩阵,将式(4)代入式(2),得到原始纯净信号x的最优估计如下:x~=U-T x GμU T(5)式中Gμ=Δx(Δx+μI)-1为增益函数。

1.2超声检测信号子空间去噪超声缺陷信号去噪试验的主要流程是:选取具有代表性的缺陷,在指定工件上人为制造缺陷,使用信号采集装置收集缺陷的回波信号,在Matlab里进行去噪处理。

将信号子空间技术应用到超声检测信号去噪中,具体步骤如下:1)采集超声缺陷信号。

为采集真实的钢材料中超声检测缺陷信号,制作钢材料试块如图1所示。

在60mm×40mm×30mm的试块中做直径为5mm、深10mm的圆柱形孔。

通过超声波发生接收器CTS-8077PR与示波器DPO2012连接,用中心频率为5MHz、直径为10mm的直探头采集到此钢材料中缺陷样本信号如图2所示,采样频率为1GHz,数据长度为3500。

2)获得带噪声信号。

通过将原始超声检测信号与白噪声和粉红噪声叠加,获得需要去噪处理的带噪声信号,如图3所示。

3)信号子空间去噪。

利用式(5)中原始纯净信号x的最优线性估计,将带噪声信号投影到信号子空间和噪声子空间,通过分帧构造协方差矩阵,对该协李大中等:ITD改进信号子空间超声检测信号去噪103中国测试2016年4月方差矩阵进行特征值分解,设置判断阈值将小特征值置零,即可得到全部置零的噪声子空间,重构该帧信号,并使全部帧信号连接起来得到去噪后信号,如图4所示。

由图可知,利用信号子空间对带白噪声信号与粉红噪声信号进行去噪处理,白噪声信号去噪虽然仍残留一些无用噪声,但整体去噪效果明显,对之后超声检测信号的分析处理影响较小。

但该方法对粉红噪声信号去除效果较差,信号严重失真,无法对其进行下一步的信号时频域分析处理。

2固有时间尺度分解固有时间尺度分解作为目前最新的信号分解方法,对不平稳信号具有高度的自适应性,该方法将超声检测信号分解成一系列瞬时频率有物理意义的固有旋转分量(PRC)和一个单调的趋势残量之和。

得到ITD分解结果后,可以对任意一个固有旋转分量进行频谱分析,从而获得原来信号难以显现的调幅特征和调频特征。

假设需要处理的超声检测信号为X t,是一组由实数构成的离散数据。

寻找X t中的所有极值点,其对应的信号时刻为k(k=1,2,…,M,M为信号极值总数)。

首先定义L为基线提取算子,令0=0,则信号X t 的第一次固有时间尺度分解为X t=LX t+(1-L)X t=L t+H t(6)式中L t=LX t和H t=(1-L)X t分别为基线提取信号和固有旋转分量(PRC)。

相关文档
最新文档