超声探测弱信号提取方法

　　引　言

　　随着科学和工业技术的迅速发展,无损检测技术的应用范围十分广泛,已在机械制造、石油化工、造船、汽车、航空、航天和核能等工业中被普遍采用。其中,超声检测由于可探测的厚度大、方便、安全、成本低、速度快、对人体无害以及对危害较大的平面型缺陷的探测灵敏度高等一系列优点,已获得广泛应用,是目前国内外最为实用有效、应用最为广泛的无损检测技术。

　　但是在超声检测的实际应用中,存在着两个突出的问题,一是由于材料界面吸收和传播衰减较大,导致反射回波很微弱;二是超声回波常常伴随各式各样的干扰波(主要表现为背景噪声和散射噪声),微小缺陷的回波信号很微弱,易于被噪声淹没。这时,传统的做法是改善工艺和探头来提高缺陷的检出率,但这些方法有一定的局限性,所以人们把更多的精力花在超声信号的处理上。由于超声回波信号是一种非稳态时变脉冲信号,目前应用的以傅里叶变换为基础的信号处理技术不具有时频局部化特性,难以有效提取超声检测缺陷的特征信号。而小波的“变焦距”特性使得小波分析在时域和频域中都具有良好的分析能力[1],是一种较好的分析非稳态信号的方法,本文研究了利用小波变换来处理超声回波信号,增强信号、消除噪音的影响、提高信噪比,从而达到从噪声中提取出弱回波信号的目的

　　1　超声回波数学建模

　　在宽带超声检测中,超声回波信号通常是一个被探头中心频率调制的宽带信号,超声缺陷回波的数学模型[2]可建立如下

　　2　小波变换原理

　　设Ψ(t)∈L2(R)(L2(R)表示平方可积的实数空间,即能量有限的信号空间),其傅里叶变换为Ψ∧(ω)。当Ψ∧(ω)满足相容性条件

　　对于离散的情况,为方便起见,在离散化中总限制a只取正值,这样相容性条件就变为

　　Mallat提出多分辨分析的思想,并给出了小波分解与重构的快速算法,即Mallat算法[4]。根据这一算法,若fk为信号f(t)的离散采样数据,则fk=c0,k,则f(t)的正交小波变换分解公式为

　　3　小波去噪原理及算法

　　设f(ti)为原始信号,n(ti)为期望为0、方差为σ2的独立同分布的高斯白噪声,则采集到的信号可建模如下

由上式可知,随着尺度j的增加, W2jn(t) 2的均值减小,即白噪声具有负奇异性,而对于原始信号,它的小波变换的模极大值却随着尺度的增加而增加,正是通过在多尺度空间中模极大值不同的变化趋势来区分信号和噪声[5,6]。阈值消噪法是目前为止应用最为广泛、最为有效的方法,其步骤如下。