基于時(shí)頻分析方法的超聲回波信號(hào)特征提取研究.pdf

1、本文依托國(guó)家自然科學(xué)基金“復(fù)合材料薄板粘接缺陷超聲檢測(cè)量化識(shí)別研究”，使用信號(hào)處理領(lǐng)域的新型自適應(yīng)時(shí)頻分析方法對(duì)超聲回波信號(hào)進(jìn)行分析和處理，以詳細(xì)的實(shí)驗(yàn)數(shù)據(jù)和精確的實(shí)驗(yàn)結(jié)果為復(fù)合材料粘接缺陷的自動(dòng)識(shí)別提出了新的研究方向。
　　使用超聲檢測(cè)采集電路得到的回波信號(hào)是一種典型的非線性非平穩(wěn)信號(hào)。基于這一認(rèn)識(shí)，通過(guò)查找相關(guān)文獻(xiàn)，本文將重點(diǎn)關(guān)注已經(jīng)被應(yīng)用于典型非平穩(wěn)信號(hào)處理的時(shí)頻域分析方法。
　　首先在已經(jīng)被實(shí)現(xiàn)的EMD(Empiri

2、calModeDecomposition)方法提取回波信號(hào)特征的基礎(chǔ)上，針對(duì)傳統(tǒng)EMD分解中出現(xiàn)的端點(diǎn)效應(yīng)進(jìn)行深入分析，提出了基于鏡像延拓思想的改進(jìn)EMD算法以減小端點(diǎn)效應(yīng)對(duì)EMD分解過(guò)程的影響，并通過(guò)仿真驗(yàn)證了鏡像延拓EMD方法在克服端點(diǎn)效應(yīng)方面優(yōu)于傳統(tǒng)EMD方法。
　　在使用EMD處理回波信號(hào)時(shí)還發(fā)現(xiàn)其存在混疊現(xiàn)象，這會(huì)導(dǎo)致分解得到的各IMF(IntrinsicModeFunction)分量不能真實(shí)表征信號(hào)的不同振動(dòng)模態(tài)，因此

3、本文利用最新的白噪聲特性的研究成果，人工將白噪聲添加到待分析數(shù)據(jù)中，再對(duì)合成信號(hào)進(jìn)行EMD分解，這種方法就是EEMD(EnsembleEmpiricalModeDecomposition)，它是一種改進(jìn)型EMD分析法。通過(guò)信號(hào)經(jīng)EEMD分解后產(chǎn)生的IMF分量的Hilbert譜圖證明EEMD方法能夠在很大程度上克服模態(tài)混疊，這是對(duì)于經(jīng)典EMD方法的巨大改進(jìn)。在使用EEMD方法處理回波信號(hào)時(shí)，本文還研究了信號(hào)經(jīng)EEMD分解后得到的IMF分量

4、對(duì)粘接缺陷的敏感程度，提出了敏感度評(píng)估算法并與EEMD方法結(jié)合用于回波信號(hào)處理，得到了較高的缺陷識(shí)別精度。
　　與EMD方法類似，第五章中介紹的LMD(LocalMeanDecomposition)方法也是一種基于信號(hào)自身特性的自適應(yīng)分解方法，而且LMD方法在克服能量泄漏、減少迭代次數(shù)和保留信號(hào)信息完整性方面要優(yōu)于EMD和EEMD方法，故本文將其作為回波信號(hào)的特征提取方法之一。
　　將上述算法用于回波信號(hào)特征提取，就得到了表