作者：李大中1, 赵杰1, 刘建屏2, 蔡文河2, 马延会2
作者单位：1. 华北电力大学自动化系, 河北 保定 071003;
2. 华北电力科学研究院有限责任公司, 北京 100045
关键词：超声检测;去噪;固有时间尺度分解;信号子空间
摘要：
金属材料超声检测信号中存在的干扰噪声严重影响实际缺陷的检测精度,因此必须对采集的检测信号进行有效去噪处理。针对传统信号子空间去噪方法的不足,提出固有时间尺度分解(ITD)改进信号子空间信号增强算法的超声检测信号去噪方法,融合ITD方法和信号子空间的优势。通过现场超声检测缺陷信号数据的对比验证表明,信噪比、均方根误差和相关性等参数都比较满意,对含有有色噪声的超声检测信号去噪效果明显。
Improved signal subspace method of ultrasonic test signal denoising based on ITD
LI Dazhong1, ZHAO Jie1, LIU Jianping2, CAI Wenhe2, MA Yanhui2
1. Dept of Automation, North China Electric Power University, Baoding 071003, China;
2. North China Electric Power Research Institue Co., Ltd., Beijing 100045, China
Abstract: Interfering noise in ultrasonic testing signals of steel materials has seriously affected the testing precision of actual defects. Therefore, the noise in collected testing signals must be eliminated. A noise-removing method is proposed in this paper to solve the disadvantages of traditional signal subspace based on intrinsic time-scale decomposition (ITD) improved signal subspace. It combines the strengths of the ITD method and the signal subspace. SNR, RMSE and correlation as well as other parameters are satisfactory and the colored noises of ultrasonic defect signals are largely reduced, according to the on-site contrast verification of ultrasonic testing signal data.
Keywords: ultrasonic test;denoising;intrinsic time-scale deposition;signal subspace
2016, 42(4): 102-106 收稿日期: 2015-10-20;收到修改稿日期: 2015-12-15
基金项目:
作者简介: 李大中(1961-),男,内蒙古包头市人,教授,博士,研究方向为新能源发电系统控制、智能优化理论及应用、分布式新能源发电及冷电联产控制系统。
参考文献
[1] 李力,余新亮,张全林. 超声A扫描信号建模及其缺陷识别方法研究[J]. 中国测试,2014,40(1):14-16.
[2] 敬人可,李建增,周海林. 基于小波包变换和自适应滤波的超声信号去噪[J]. 中国测试,2014,40(4):115-118.
[3] 刘晓明,班超帆,冯晓荣. 失真控制下的短时谱估计语音增强算法[J]. 西安交通大学学报,2011,45(8):78-84.
[4] 李晋,汤井田,王玲,等. 基于信号子空间增强和端点检测的大地电磁噪声压制[J]. 物理学报,2014,63(1):019101.
[5] 王灿进,孙涛,王锐,等. 基于信号子空间谱域约束的激光主动成像散斑噪声去除[J]. 中国激光,2013,40(11):217-222.
[6] FREI M G, OSORIO I. Intrinsic time-scale decomposition:time-frequency-energy analysis and real-time filtering of non-stationary signals[J]. Proceedings of the Royal Society of London A,2007,463(2078):321-342.
[7] 曾鸣,杨宇,郑近德,等. μ-SVD降噪算法及其在齿轮故障诊断中的应用[J]. 机械工程学报,2015,51(3):95-103.
[8] 王玉红,崔波,金梁,等. 利用特征极值比的盲信道阶数估计方法[J]. 信号处理,2015,31(5):528-535.
[9] 王军,闫锋刚,金铭,等. 基于噪声子空间映射的二维波达角快速估计算法[J]. 电子学报,2015,43(2):276-282.
[10] 王楷,宗志亚,孙小惟,等. 改进的自适应特征值分解声源定位算法研究[J]. 仪器仪表学报,2013,34(6):1241-1246.
[11] 黄建才,朱永利. 基于改进固有时间尺度分解法的绝缘子泄漏电流去噪研究[J]. 电工技术学报,2013,28(1):57-64.
[12] 张立国,李盼,李梅梅,等. 基于ITD模糊熵和GG聚类的滚动轴承故障诊断[J]. 仪器仪表学报,2014,35(11):2624-2632.
[13] 刘小春,张蕾. 红外图像增强机车电力系统故障诊断与定位[J]. 中国测试,2014,40(6):120-123.
