基于平移不变小波的声发射信号去噪研究

　　1　引　　言

　　声发射检测技术是基于物体内部相变的无损检测技术。根据模态声发射理论[1],声发射信号是由多模式波组成,而每种模式又是由宽带频率成分的波组成。因此频谱多模态性是声发射信号的一个重要特点。声发射测试环境因应用对象而不同,很多情况伴随有各种干扰噪声信号,如机械摩擦及异物撞击等。从噪声中提取或识别感兴趣信号是声发射应用的核心技术,也是目前大多数不能有效进行声发射测试场合的技术瓶颈。因此,提高和改进声发射信号分析能力一直都是研究热点。小波分析作为一种新的信号分析处理方法,具有良好的时、频局域性,将小波分析用于声发射信号处理,有助于声发射技术的发展与推广应用,但是由于干扰噪声,小波分解方法的性能受到很大的影响。在小波分解的基础上采用阈值去噪的方法被证明是比较有效的[2],但该方法还存在Pesudo-Gibbs现象的缺陷。因此,针对声发射信号的特点,研究一种工程实用性强的小波去噪算法是十分必要的[3]。

　　2　声发射信号

　　根据声波的传播原理,随着传播距离的增加,其波前能量逐渐减弱,信号幅度降低。引起声波衰减的因素主要有扩散衰减、散射衰减、吸收衰减等方面[4]。传统上在建立实际系统的数学模型时,对随即干扰的处理通常是把它作为一项加性噪声,然而,许多实际观测过程更为复杂。在诸多应用领域中,这种纯粹的线性模型并不能很好的描述实际系统,例如在声发射检测技术中。当进一步考虑系统的时变性、非线性时,还应该加上各种线性与非线性畸变、能量衰减等复杂的甚至是不确定的因素,这在数学上可近似地归结为一个乘性随机因子,即乘性噪声。

　　根据上述特点,不失一般性地建立一个数学模型,可将声发射信号作为一种瞬时信号[5]:

　　3　小波去噪基本方法原理

　　3.1　小波分解与重构法[6]

　　此方法就是利用Mallat算法将信号在不同尺度下进行多分辨率分解,并将交织在一起的各种不同频率组成的混合信号分解成不同频段的子信号。然后,根据需要,将含有噪声信号在某一尺度下分解到不同的频带内,然后再将噪声所处的频带置零(或直接提取有用信号所在的频带),进行小波重构,从而达到去噪的目的。

　　3.2　小波变换阈值法[7]

　　小波变换阈值法去噪方法如下:

　　(1)计算含噪声信号的正交小波变换。选择合适的小波和小波分解层数j,将含噪信号运用Mallat算法进行小波分解至j层,得到相应的小波分解系数。

　　(2)对分解得到的小波系数进行阈值处理,方法有两种:

　　(3)进行小波逆变换。经阈值处理过的小波系数用Mallat重构算法重构,得到恢复的原始信号估计值x∧。