基于小波分解的舰船钛合金超声检测信号去噪算法

　　摘要：传统的信号去噪算法在处理舰船钛合金超声检测信号时，受到阈值函数不连续这一特性的影响，算法的自适应性比较差。为此，将小波分解技术应用到超声检测信号去噪算法中。考虑小波分解层数对信号的影响利用先验知识确定分解层数，在此基础上，结合软硬阈值函数，构造出折中的阈值函数并进行一定优化，将构建的阈值函数用于小波系数最化处理，将小波系数与分解系数相结合重构超声检测信号，完成去噪处理。实验结果表明：设计的基于小波分解的舰船钛合金超声检测去噪算法在不同的实验条件下信噪比高、均方根误差小，该算法的自适应性优于传统的去噪算法。

　　关键词：小波分解;钛合金;超声检测;信号去噪

　　Abstract: The conventional denoising algorithm is affected by the discontinuity of the threshold function when processing the ultrasonic detection signal of naval titanium alloy, and the adaptiveness of the algorithm is relatively poor. For this reason, the wavelet decomposition technique is applied to the ultrasonic detection signal denoising algorithm. Consider the effect of the laver number of wavelet decomposition of signals. prior knowledge is used to determine the decomposition layers, and on this basis, the combination of soft and hard threshold function, constructing the compromise threshold func-tion and a certain optimization, will build the wavelet coefficient threshold function is used to the processing, combining wavelet coefficient and decomposition coefficient of refactoring ultrasonic testing signals, complete to deal with the noise The experimental results show that the designed wavelet decomposition-based noise removal aleorithm for ultrasonic detection of naval titanium alloys has high signal-to-noise ratio and small root-mean-sq uare error under different experimental conditions. and the adaptive performance of the algorithm is better than that ofthe traditional noise removal algorithm

　　Key words: wavelet decomposition; titanium alloy; ultrasonic detection; signal denoising

　　0引言

　　舰船所使用的材料有很多是钛合金，这种材料在应用中存在部分缺陷，如气孔、裂纹和组织不均匀性等，这些缺陷的存在对舰船在海上航行的安全性有一定影响11。对于这些缺陷，往往通过超声检测的方式检查钛合金组织实际缺陷情况，超声检测信号中含有很多不同波，各个波用途不同，在实际检测中一些杂皮内可能存在大量噪声信号，形成时域有限的非平稳信号，不能满足超声检测信号处理的要求，对超声检测结果影响比较大2。因此，有学者提出一些处理噪声信号的措施，去噪算法就是一种有效的手段。现阶段，比较常见的去噪算法有基于狼群算法的去噪算法、基于CEEMD的去噪算法，这2种算法在实际应用中，由于阈值函数不连续的特点，导致经过该算法处理的信号的信噪比比较低，该算法的自适应性比较差1。因此，研究应用小波分解技术的超声检测信号去噪算法，针对舰船钛合金超声检测中存在的问题，利用小波分解的时域局部化能力进行信号的处理，增强信号质量，解决上述传统去噪算法中存在的问题。

　　1 基于小波分解的舰船钛合金超声检测信号去噪算法设计

　　1.1确定分解层数

　　根据小波分解理论可知，对于不同分辨率或不同尺度的小波系数，小波分解在信号去噪处理上的分解层数不同，一个数据长度为N的信号理论上可以进行log2N层的分解，每次分解都会增加一定的运算量和存储空间，分解层数过大，容易提高计算量，但是信号处理效果却没有变化甚至会降低;分解层数过小，会使得处理后的信号信噪比提升效果不明显1。由此可知，分解层数大或小都会对去噪效果产生一定的影响。因此，在对超声检测信号进行去噪前，确定分解层数。1对不同分解层数影响超声检测信号去噪效果进行验证，分解层数分别选取2-7层，在去噪后，以200个含噪声信号作为样本，计算不同分解层数去除噪声后的信噪比平均值。计算结果如表1所示。

　　从表中数据可以看出，小波分解层数比较少时，去噪后的噪声仍然比较大，小波分解层数比较多时，则有用信息丢失比较严重，运算量增大，去噪效果也不明显。由此可见，对于舰船钛合金超声检测信号去噪处理，确定分解层数为4层。

　　1.2去除超声检测信号噪声

　　考虑到小波处理的特点是线性的，去除信号噪声过程所使用的小波系数少，由两部分组成，一部分是信号s(n)对应的小波系数，为ajk;另一部分是噪声w(1)对应的小波系数，为i。小波系数可能受到噪声部分的小波系数的影响，使得yil>ladl，去噪的目的是将应a-a小最小，因此使应 更接近a，基于这一思想，构造阈值函数如下：

　　从上式可以看出阈值函数是以4k=4i为渐进性的，参数n和k在取任意值时具有连续性，并且高阶可导，在实际应用中更加优越。

　　在完成阈值函数的构造后，以小波分解层数为4为前提条件，分解原始超声检测信号，选择一个合适的阈值处理小波系数，将其最化处理。在以上处理完成后，将最底层的小波分解系数和经过阈值处理的小波分解系数组合成去噪的小波系数，并对处理后的信号重构，得到去噪后的超声检测信号。至此，基于小波分解的信号去噪算法设计完成。

　　2对比实验

　　在去噪算法设计完成后，为了验证设计的去噪算法的实际应用效果，在实验中引用传统的去噪算法设计对比实验，在Matlab平台上构造一个理想信号，截取VLCC上的一段原始信号数据，将信号作为理想信号，加入标准白噪声，生成含有噪声的实验信号。采集的信号以及含有噪声信号如图1所示。

　　实验中以对比实验为主，对于不同去噪算法的评定，以信噪比和均方根误差作为信号的性能指标，不同超声检测去噪算法的实验结果如表2所示。经过对表中数据的比较分析，可知设计的基于小波分解的超声检测信号去噪算法的信噪比高于另外2种算法，均方根误差小于另外2种算法，综合来看，设计的基于小波分解的舰船钛合金超声检测信号去噪算法的去噪性能比其它去噪算法更优越，对于不同功率谱密度的噪其自适应性更强。

　　3结语

　　本文基于大量研究资料和文献，将小波分解应用到舰船钛合金超声检测信号去噪算法中，研究小波分解在算法中应用的各种问题，对信号去噪处理的关键技术进行研究与讨论。在算法设计完成后，以信噪比和均方根误差作为指标，设计了大量对比实验，通过实验结果验证了超声检测信号去噪算法的可靠性和优越的自适应性能。

　　参考文献：

　　[1]王硕，王昕，蒋国臻，等，增强灰狼自适应阈值去噪法在变压器套管引线超声检测中的应用[J].传感技术学报，2019，32(10)：1595-1602.

　　[2]陈光武，刘孝博，王迪，等，基于改进小波变换的MEMS陀螺信号去噪算法[]电子5报，2019，41(5)：1025-1031.

　　[3]董利超，郭兴明，郑伊能基于CEEMD的心音信号小波包去噪算法研究[J]振动与冲击，2019，38(9)：192-198+222.

　　[4]周川，工程机械噪声源识别技术研究进展分析[J].工程技术研究，2019，4(1)：88-89，

期刊VIP网，您身边的高端学术顾问

文章名称： 基于小波分解的舰船钛合金超声检测信号去噪算法

文章地址： http://www.qikanvip.com/mianfeiwx/57790.html