超声散射CT信号的特征提取

　　0引言

　　超声散射CT边界信号是一种典型的瞬态信号。采用传统的傅里叶分析方法得到的频谱，无法同时反映出其时域突变位置和对应频率等特征信息，而边界信号的特征提取和选择却是边界分类的前提，因此，特征提取方法的优劣直接影响着边界分类的正确性和可靠性[1]。希尔伯特-黄变换(Hilbert-Huang Transform，简称为HHT)是由美籍华人Norden E.Hang等人于1998 年提出的[2]。这一方法是一种全新的信号处理方法，对于处理非线性、非平稳信号有清晰的物理意义，够得到信号的时间-频率-能量分布特征，且是一种自适应性信号处理方法[3]。

　　小波变换由于具有时频分辨率高和多分辨率分析的特点，适用于对瞬态信号的处理，已被广泛用于超声信号的特征提取。本文拟通过对荷兰试块3个不同的检测面使用HHT 及小波包进行能量特征提取，采用基于距离的类别可分性判据对两种方法的提取结果进行可分性测度分析，对比实验结果。

　　1实验系统及实验数据

　　图1为所研究的检测对象钛合金CSK-IA型试块。图中标出了试块的尺寸、阵列传感器布置区域及阵元编号。阵列传感器A具有49个阵元，阵元宽度为1mm。传感器频率为6.25MHz，在被检试块中的波长近似为1mm。图中虚线框所标成像区域I对应阵列传感器A的成像区域，界面1-6为可能引起散射的界面。界面1为半径100mm的圆弧界面，界面2为深度91mm的水平界面，界面3为高度为6mm的竖直界面，界面4为深度85mm，宽度2mm的水平界面，界面5为高度15mm的竖直界面，界面6为深度100mm的水平界面。本文对界面2、界面4、界面6产生的信号分别进行EMD分解和小波包分解进行能量特征提取。界面2、界面4、界面6的一维压缩图像如图2所示。

　　2特征提取

　　2.1基于HHT的能量特征提取

　　超声散射CT信号具有非平稳性。基于EMD(empirical mode decomposition)的HHT(Hilbert-Huangtransform)是分析非线性、非平稳信号的一种方法[4-6]。它的特点是通过 EMD 对非线性、非平稳数据进行线性和平稳化处理，得到IMF(intrinsic mode function) 分量，并在分解过程中保留数据本身的特性。该方法具有小波变换多分辨的优点，同时又克服了小波变换中小波基选取的困难。它从信号本身的尺度特征出发对信号进行分析，能尽快地分析出信号的特征，具有良好的局部适应性[7]。

　　本文对界面2、界面4、界面6产生的信号进行基于EMD分解的HHT变换，得到EMD分解结果如图3所示。其中S(t)为原信号，imf表示IMF分量，r表示分解的剩余量。

　　从图中可以清楚地看到 ：通过EMD分解可以将界面信号的IMF分量按频率由高到低的顺序依次分离出来，很好地展示了界面信号的频率分量成分。通过比较图3中的(a)(b)(c)，可以发现不同界面的信号经EMD分解后得到的IMF 分量个数是不固定的，经过大量的实验数据验证得知，信号经EMD分解后的IMF分量为5到7个不等。本文将界面信号定为经EMD分解后得到5个IMF分量加1个r分量，即信号经EMD分解后IMF分量多于5个的都加到r分量上作为1个r分量，然后对上述6个分量作Hilbert变换，提取IMF能量作为特征向量。对每一个IMF作Hilbert变换后得：