在超聲檢測中,無論是人為因素還是非人為因素,都不可避免的會(huì)出現(xiàn)影響實(shí)驗(yàn)數(shù)據(jù)的因素,其中噪聲是很重要的一環(huán),實(shí)驗(yàn)數(shù)據(jù)的可靠性會(huì)因?yàn)樵肼暤母蓴_而大打折扣,以為了提高檢測數(shù)據(jù)的精確性需要將噪聲去除掉.噪聲的處理包括:1)儀器電路和電子噪聲的處理:在使用電子儀器的時(shí)候,由于儀器當(dāng)中的電路會(huì)發(fā)生隨機(jī)擾動(dòng)的現(xiàn)象,可以采用建立數(shù)字超聲系統(tǒng)物理模型無處噪聲[1].2)脈動(dòng)噪聲的處理:由于信噪比可以直接的影響數(shù)據(jù)信息的可靠性,而脈動(dòng)噪聲又能夠降低數(shù)據(jù)信號(hào)的信噪比,因此脈動(dòng)噪聲對信號(hào)的頻譜也是有很大的影響的,可以采用空間平均法.高通濾波器法.小波變換消除脈動(dòng)噪聲法對噪聲進(jìn)行處理.3)脈沖噪聲的處理:由于各個(gè)檢測儀器,電脈沖,機(jī)械振動(dòng)和變頻電源之間的相互干擾會(huì)產(chǎn)生脈沖噪聲,一般采用多通道相關(guān)法,多峰值剔除法,頻域?yàn)V波法和中值濾波法進(jìn)行脈沖噪聲的處理[2-3].4)濾波降噪:在射線檢測中,所檢測出來的焊縫的圖像噪聲大多數(shù)是高斯白噪聲,一般情況在可能會(huì)用低通濾波的方法來消除噪聲,但是在消除圖像的噪聲的同時(shí),同時(shí)也會(huì)消除圖像部分一些有用的高頻信息[4].5)獨(dú)立分量分析:將多通道的觀察信號(hào)源以獨(dú)立統(tǒng)計(jì)的原理通過將算法優(yōu)化以后,然后分成若干個(gè)獨(dú)立的成分,這樣就能夠使信號(hào)的分析更加準(zhǔn)確[5-8].本文以獨(dú)立變量分析為原理,對人工加工的焊縫缺陷進(jìn)行超聲C掃描檢測,同時(shí)應(yīng)用MATLAB軟件將檢測結(jié)果中的A掃描信號(hào)進(jìn)行分離迭代,能夠很好的分離出源信號(hào)與噪聲信號(hào),可以避免噪聲對缺陷信號(hào)的掩蓋而導(dǎo)致檢測人員對焊縫的漏判.1ICA原理及基本理論獨(dú)立分量分析法(簡稱ICA)理論最早在20世紀(jì)80年代初由JHerault和CJutten等人提出的.ICA算法從根本上來說是一個(gè)尋優(yōu)算法,其研究對象為盲源信號(hào)[4],基本理論如下:假設(shè)x1(t),x2(t),…,xn(t)是一組觀測信號(hào),s1(t),s2(t),…,sn(t)是一組獨(dú)立的源信號(hào),源信號(hào)通過混合后得到觀測信號(hào),如下式s1(t)=a11s1(t)+a12s2(t)+…+a1msm(t)s2(t)=a21s1(t)+a22s2(t)+…+a2msm(t)sn(t)=an1s1(t)+an2s2(t)+…+anmsm(t)(1)上式用矩陣的形式可表示為X=AS(2)式中X=[x1(t),x2(t),…,xn(t)]T,S=[s1(t),s2(t),…,sm(t)]T,A=a11a12…a1ma21a22…a2man1an2…anm.ICA信號(hào)分離的目的為在S和A未知的情況下,利用一定的學(xué)習(xí)算法,自適應(yīng)地調(diào)整網(wǎng)絡(luò)的權(quán)W,使網(wǎng)絡(luò)輸出Y再現(xiàn)S,其中Y=WX(3)ICA網(wǎng)絡(luò)關(guān)系見圖1.圖1ICA網(wǎng)絡(luò)關(guān)系圖一般說來,在進(jìn)行ICA時(shí)需遵循以下兩條規(guī)則[5]:1)各信號(hào)源相互獨(dú)立且最多有一個(gè)信號(hào)分量服從高斯分布.因?yàn)槎鄠€(gè)高斯信號(hào)的線性混合仍然服從高斯分布,從而導(dǎo)致信號(hào)不可區(qū)分;2)觀測信號(hào)的數(shù)目不能小于獨(dú)立信源數(shù).在用ICA對信號(hào)進(jìn)行處理時(shí)通常要進(jìn)行目標(biāo)函數(shù)的確定、觀測數(shù)據(jù)的預(yù)處理和獨(dú)立分量的提取與算法的實(shí)現(xiàn)等過程.以下以負(fù)熵理論的快速算法對其進(jìn)行說明.1.1目標(biāo)函數(shù)的定義目標(biāo)函數(shù)的定義主要是確定分析的目標(biāo)和建立判斷y(i)是否獨(dú)立的判據(jù).常用的是負(fù)熵法.即假設(shè)隨機(jī)向量y的概率密度是p(y),那么其熵為H(y)=-p(y)lgp(y)dy(4)其負(fù)熵為Ng(y)=H(yGauss-H(y)(5)由式(4)、(5)可得,當(dāng)隨機(jī)向量y的各分量相互獨(dú)立時(shí),其負(fù)熵取得極大值;當(dāng)隨機(jī)向量y的各分量具有高斯分面時(shí),其負(fù)熵為0.國外的ICA研究學(xué)者AHyvninen提

總結(jié)

以上是生活随笔為你收集整理的快速广义的形态分量分析 matlab,独立分量分析法降噪技术研究的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。