基于時頻分析方法的超聲回波信號特征提取研究.pdf

1、本文依托國家自然科學(xué)基金“復(fù)合材料薄板粘接缺陷超聲檢測量化識別研究”，使用信號處理領(lǐng)域的新型自適應(yīng)時頻分析方法對超聲回波信號進行分析和處理，以詳細的實驗數(shù)據(jù)和精確的實驗結(jié)果為復(fù)合材料粘接缺陷的自動識別提出了新的研究方向。
　　使用超聲檢測采集電路得到的回波信號是一種典型的非線性非平穩(wěn)信號?；谶@一認識，通過查找相關(guān)文獻，本文將重點關(guān)注已經(jīng)被應(yīng)用于典型非平穩(wěn)信號處理的時頻域分析方法。
　　首先在已經(jīng)被實現(xiàn)的EMD(Empiri

2、calModeDecomposition)方法提取回波信號特征的基礎(chǔ)上，針對傳統(tǒng)EMD分解中出現(xiàn)的端點效應(yīng)進行深入分析，提出了基于鏡像延拓思想的改進EMD算法以減小端點效應(yīng)對EMD分解過程的影響，并通過仿真驗證了鏡像延拓EMD方法在克服端點效應(yīng)方面優(yōu)于傳統(tǒng)EMD方法。
　　在使用EMD處理回波信號時還發(fā)現(xiàn)其存在混疊現(xiàn)象，這會導(dǎo)致分解得到的各IMF(IntrinsicModeFunction)分量不能真實表征信號的不同振動模態(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，再對合成信號進行EMD分解，這種方法就是EEMD(EnsembleEmpiricalModeDecomposition)，它是一種改進型EMD分析法。通過信號經(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，這是對于經(jīng)典EMD方法的巨大改進。在使用EEMD方法處理回波信號時，本文還研究了信號經(jīng)EEMD分解后得到的IMF分量

4、對粘接缺陷的敏感程度，提出了敏感度評估算法并與EEMD方法結(jié)合用于回波信號處理，得到了較高的缺陷識別精度。
　　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的特征提取方法之一。
　　將上述算法用于回波信號特征提取，就得到了表