搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种强噪声背景下微弱超声信号提取方法研究

王大为 王召巴

一种强噪声背景下微弱超声信号提取方法研究

王大为, 王召巴
PDF
导出引用
  • 为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.
      通信作者: 王召巴, wangzb@nuc.edu.cn
    • 基金项目: 国家自然科学基金(批准号:11604304)、山西省科技攻关项目(批准号:201603D121006-1)、山西省回国留学人员科研资助项目(批准号:2016-084)和山西省高等学校科技创新项目(批准号:201657)资助的课题.
    [1]

    Kharrat M, Gaillet L 2015 Ultrasonics 61 52

    [2]

    Burkov M V, Eremin A V, Lyubutin P S, Byakov A V, Panin S V 2017 Russ. J. Nondestruct. 53 817

    [3]

    Demcenko A, Mainini L, Korneev V A 2015 Ultrasonics 57 179

    [4]

    Mcgovern M E, Reis H 2017 Res. Nondestruct Eval. 28 226

    [5]

    Li W, Cho Y 2014 Exp. Mech. 54 1309

    [6]

    Li W B, Deng M X, Xiang Y X 2017 Chin. Phys. B 26 114302

    [7]

    Demenko A, Koissin V, Korneev V A 2014 Ultrasonics 54 684

    [8]

    Jiang N 2015 Ph. D. Dissertation (Taiyuan: North University of China) (in Chinese)[江念 2015博士学位论文 (太原: 中北大学)]

    [9]

    Mohamed I, Hutchins D, Davis L, Laureti S, Ricci M 2017 Nondestruct. Test Eva. 32 343

    [10]

    Sinding K M, Drapaca C S, Tittmann B R 2016 IEEE Trans. Ultrason Ferr. 63 1172

    [11]

    Wu J, Zhu J G, Yang L H, Shen M T, Xue B, Liu Z X 2014 Measurement 47 433

    [12]

    San E, Rodriguez H 2015 J. Nondestruct Eval. 34 270

    [13]

    Li Y, Guo S X 2012 Acta Phys. Sin. 61 034208 (in Chinese)[李扬, 郭树旭 2012 物理学报 61 034208]

    [14]

    Mallat S G, Zhang Z 1993 IEEE Trans. Signal Process. 41 3397

    [15]

    Wang L, Cai G G, Gao G Q, Zhou F, Yang S Y, Zhu Z K 2017 J. Vib. Shock 36 176 (in Chinese)[王林, 蔡改改, 高冠琪, 周菲, 杨思远, 朱忠奎 2017 振动与冲击 36 176]

    [16]

    Zhao Z G, Zhang C J, Gou X F, Sang H T 2015 Acta Phys. Sin. 64 088801 (in Chinese)[赵志刚, 张纯杰, 苟向锋, 桑虎堂 2015 物理学报 64 088801]

    [17]

    Subasi A 2013 Comput. Biol. Med. 43 576

    [18]

    Cho M Y, Hoang T T 2017 Adv. Electr. Comput. En. 17 51

    [19]

    Gao F, Tong H Q 2006 Acta Phys. Sin. 55 577 (in Chinese)[高飞, 童恒庆 2006 物理学报 55 577]

    [20]

    Zhang H L, Song L L 2013 Acta Phys. Sin. 62 190508 (in Chinese)[张宏立, 宋莉莉 2013 物理学报 62 190508]

    [21]

    Armaghani D J, Shoib R S, Faizi K, Rashid A S 2017 Neural Comput. Appl. 28 391

    [22]

    Wei D Z, Chen F J, Zheng X Y 2015 Acta Phys. Sin. 64 110503 (in Chinese)[魏德志, 陈福集, 郑小雪 2015 物理学报 64 110503]

    [23]

    Yuan H D, Chen J, Dong G M 2017 Math. Probl. Eng. 2017 7257603

    [24]

    Ghasemi M, Aghaei J, Hadipour M 2017 Electron. Lett. 53 1360

    [25]

    Demirli R, Saniie J 2001 IEEE Trans. Ultrason. Ferr. 48 787

    [26]

    Zhu J J, Li X L 2017 Healthcare Technol. Lett. 4 134

    [27]

    Tang J, Gao L, Peng L, Zhou Q 2007 High Voltage Eng. 12 66 (in Chinese)[唐炬, 高丽, 彭莉, 周倩 2007 高电压技术 12 66]

  • [1]

    Kharrat M, Gaillet L 2015 Ultrasonics 61 52

    [2]

    Burkov M V, Eremin A V, Lyubutin P S, Byakov A V, Panin S V 2017 Russ. J. Nondestruct. 53 817

    [3]

    Demcenko A, Mainini L, Korneev V A 2015 Ultrasonics 57 179

    [4]

    Mcgovern M E, Reis H 2017 Res. Nondestruct Eval. 28 226

    [5]

    Li W, Cho Y 2014 Exp. Mech. 54 1309

    [6]

    Li W B, Deng M X, Xiang Y X 2017 Chin. Phys. B 26 114302

    [7]

    Demenko A, Koissin V, Korneev V A 2014 Ultrasonics 54 684

    [8]

    Jiang N 2015 Ph. D. Dissertation (Taiyuan: North University of China) (in Chinese)[江念 2015博士学位论文 (太原: 中北大学)]

    [9]

    Mohamed I, Hutchins D, Davis L, Laureti S, Ricci M 2017 Nondestruct. Test Eva. 32 343

    [10]

    Sinding K M, Drapaca C S, Tittmann B R 2016 IEEE Trans. Ultrason Ferr. 63 1172

    [11]

    Wu J, Zhu J G, Yang L H, Shen M T, Xue B, Liu Z X 2014 Measurement 47 433

    [12]

    San E, Rodriguez H 2015 J. Nondestruct Eval. 34 270

    [13]

    Li Y, Guo S X 2012 Acta Phys. Sin. 61 034208 (in Chinese)[李扬, 郭树旭 2012 物理学报 61 034208]

    [14]

    Mallat S G, Zhang Z 1993 IEEE Trans. Signal Process. 41 3397

    [15]

    Wang L, Cai G G, Gao G Q, Zhou F, Yang S Y, Zhu Z K 2017 J. Vib. Shock 36 176 (in Chinese)[王林, 蔡改改, 高冠琪, 周菲, 杨思远, 朱忠奎 2017 振动与冲击 36 176]

    [16]

    Zhao Z G, Zhang C J, Gou X F, Sang H T 2015 Acta Phys. Sin. 64 088801 (in Chinese)[赵志刚, 张纯杰, 苟向锋, 桑虎堂 2015 物理学报 64 088801]

    [17]

    Subasi A 2013 Comput. Biol. Med. 43 576

    [18]

    Cho M Y, Hoang T T 2017 Adv. Electr. Comput. En. 17 51

    [19]

    Gao F, Tong H Q 2006 Acta Phys. Sin. 55 577 (in Chinese)[高飞, 童恒庆 2006 物理学报 55 577]

    [20]

    Zhang H L, Song L L 2013 Acta Phys. Sin. 62 190508 (in Chinese)[张宏立, 宋莉莉 2013 物理学报 62 190508]

    [21]

    Armaghani D J, Shoib R S, Faizi K, Rashid A S 2017 Neural Comput. Appl. 28 391

    [22]

    Wei D Z, Chen F J, Zheng X Y 2015 Acta Phys. Sin. 64 110503 (in Chinese)[魏德志, 陈福集, 郑小雪 2015 物理学报 64 110503]

    [23]

    Yuan H D, Chen J, Dong G M 2017 Math. Probl. Eng. 2017 7257603

    [24]

    Ghasemi M, Aghaei J, Hadipour M 2017 Electron. Lett. 53 1360

    [25]

    Demirli R, Saniie J 2001 IEEE Trans. Ultrason. Ferr. 48 787

    [26]

    Zhu J J, Li X L 2017 Healthcare Technol. Lett. 4 134

    [27]

    Tang J, Gao L, Peng L, Zhou Q 2007 High Voltage Eng. 12 66 (in Chinese)[唐炬, 高丽, 彭莉, 周倩 2007 高电压技术 12 66]

  • 引用本文:
    Citation:
计量
  • 文章访问数:  1776
  • PDF下载量:  148
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-04-24
  • 修回日期:  2018-06-22
  • 刊出日期:  2018-11-05

一种强噪声背景下微弱超声信号提取方法研究

  • 1. 中北大学信息与通信工程学院, 太原 030051;
  • 2. 山西师范大学物理与信息工程学院, 临汾 041000
  • 通信作者: 王召巴, wangzb@nuc.edu.cn
    基金项目: 

    国家自然科学基金(批准号:11604304)、山西省科技攻关项目(批准号:201603D121006-1)、山西省回国留学人员科研资助项目(批准号:2016-084)和山西省高等学校科技创新项目(批准号:201657)资助的课题.

摘要: 为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.

English Abstract

参考文献 (27)

目录

    /

    返回文章
    返回