基于独立分量分析理论的超声波检测信号降噪技术研究

《基于独立分量分析理论的超声波检测信号降噪技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨理工大学T学硕士学位论文基于独立分量分析理论的超声波检测信号降噪技术研究摘要在焊接缺陷的无损检测中，超声检测是一种重要的无损检测方法。在超声无损检测中，材料晶界和微结构等不可分辨散粒所产生的背景噪声以及超声检测仪器产生的电噪声经常干扰缺陷的检测，甚至会淹没缺陷信号，因而影响到检测结果准确度。独立分量分析(IndependentComponentAnalysis，ICA)是近年来发展起来的一种有效的盲源分离技术，其处理对象是一组相互统计独立的信号源经线性组合而产生的混合信号，目的是从混合信号中提取各独立信号分量，达到消除噪声信

2、号的目的。本文主要研究独立分量分析理论在自动超声波检测中分离检测信号与源信号的效果。本文首先，从盲源分离的理论出发，由盲源分离问题引出独立分量分析(ICA)，分析了ICA的数学模型及原理，论述了不同的ICA独立性准则以及现有的几种主要算法，重点研究了FastICA算法。FastlcA算法基于非高斯性最大化原理，使用固定点(Fixed—point)迭代理论寻找非高斯性最大值，采用牛顿迭代算法对观测变量的大量采样点进行批处理，每次从观测信号中分离出一个独立分量，是独立分量分析的一种快速算法。然后通过仿真实验比较了FastICA算法、J

3、ADE算法及AMUSE算法对混合信号分离性能，结果表明FastICA算法在收敛速度和相似系数方面均具较好的性能。最后研究了应用独立分量分析方法将自动超声波检测激光焊T型接头时的检测信号分离成源信号及噪声信号的原理及方法。采用FastICA算法，应用相应的分析工具对试验数据进行处理。从扫描波形中提取数字混合信号并将源信号与噪声信号进行了分离，分离后得到了清晰的回波信号与噪声信号。结果表明，在实验室条件下采用FastICA算法能较好地分离出缺陷信号和噪声信号。关键词超声波检测；激光焊缝；独立分量分析；信号降噪；盲源分析哈尔滨理工人学工

4、学硕十学位论文StudyonSignalDe-·noisingTechnololnUltrasonicTestingBasedonIndependentComponentAnalysisTheoryAbstractInNDT(Non．destructiveTesting)ofweldflaw，UT(UltrasonieTesting)isallimportantmethod．InUltrasonicNDT，thebackgroundnoisebytheunresolvedscattererssuch弱grainboundaries

5、andothermierostmcture,andelectricalnoisebytheultrasonicdefectdetectoroftenmaskstheflawsignal，crgatingahindrancetodetection．AIloftheseCanaffecttheultrasonictestingresult．Independentcomponentanalysis(ICA)isanewblindseparationofsourcestestingtechnique．Itdealwithagroupofm

6、ixedsignalcobinatedbysomespecialtysourcesignalsandpurposetoseparatethesespecialtysourcesignalsfromemixedsignal．Throughthiswaywecangetridofnoisesignals．TheprimaryobjectiveofthispaperwastoinvestigatetheeffectofICAusedinseparatinginspectsignalandsourcesignal．Firstly,them

7、athematicalmodelandprincipleofICAarestudied，andthedifferentindependentcriteriaandseveralmainalgorithmsofICAarediscussed．Further,theFastICAalgorithmisstudied．FastICAisafastalgorithmofICA，whichisbasedonFixed．pointiterationtheorytofixthenon-Gaussianmaximum．FastICAalgorit

8、hmparallellyprocessesalargeamountofsamplepointofreceivedsignalsviaNewtoniterativealgorithm，andrecoversoneindependentcomponen