CN103020907B - 基于二维集合经验模态分解的dspi条纹滤波系统 - Google Patents

Abstract

本发明提供了一种基于二维集合经验模态分解的DSPI条纹滤波系统，包括：极值削减模块、信号分解模块、BIMFs分组模块、去噪保真模块和矫正模块，在不引入间歇性测试的前提下，使其使用BEEMD方法分解DSPI条纹信号，得到一组从高频到低频排列的BIMF分量，每个BIMF都是局部窄带、具有单一特征的子信号，按着相邻BIMF成分间的相关性，将噪声与信息区分开来，保留有用信息，即可完成滤波过程。经过本发明的滤波之后，条纹信号的信噪比有了极大的提升，视觉效果良好。与本发明相结合的DSPI无损检测技术，可以直接投入工程实际，检测零件是否有损伤存在。

Description

基于二维集合经验模态分解的DSPI条纹滤波系统

技术领域

本发明涉及激光无损检测领域，具体地，涉及一种基于二维集合经验模态分解的DSPI条纹滤波系统。

背景技术

数字散斑干涉术（Digital Speckle Pattern Interferometry,DSPI），是一种全场、非接触、实时的测量方法，用来较精准地测量离面位移。与全息术（HolographicInterferometry,HI）相比，DSPI具有操作简便、抗干扰能力强等优点，然而由于摄像机分辨率不足，因此DSPI条纹信号的质量很差，远远不能和HI相提并论。因此，为了提高条纹信号的信噪比，滤波技术成为DSPI发展中的一个重要课题。以傅里叶变换和小波变换为基础的现有方法，或处理效果不佳，或自适应性较差，都不能尽如人意。

为了能够自适应地减少DSPI条纹信号中的噪声，M.B.Bernini等人提出了基于二维经验模态分解（Bi-dimensional Empirical Mode Decomposition,BEMD）的滤波方法。这种方法虽然取得了重大突破，在一定范围内效果优良，但还是留下了一些技术缺陷，有待于进一步研究。

M.B.Bernini的滤波方法，存在着一个重大的技术缺陷，即一种时常发生在BEMD方法中的漏波现象，这种现象的起因在于模式混叠（Mode Mixing）。漏波现象可以解释为，本来应该属于一个BIMF内的成分，可能会在其他频段的BIMF中出现，或者一个BIMF分量中出现了不同频率成分，这使得分解不彻底，不能形成特征单一的BIMF分量，进而影响了滤波效果。

相比以往的接触式传感器测试，虽然DSPI无损检测有着诸多优势，但如果不能提高提高条纹信号的信噪比，无法突破这个技术瓶颈，那么该测量技术的应用前景则极为暗淡。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于二维集合经验模态分解的DSPI条纹滤波系统，经过本发明的滤波之后，条纹信号的信噪比有了极大的提升，视觉效果良好。与本发明相结合的DSPI无损检测技术，可以直接投入工程实际，检测零件是否有损伤存在。

为实现上述目的，本发明采用以下技术方案：

一种基于二维集合经验模态分解的DSPI条纹滤波系统，包括：极值削减模块、信号分解模块、BIMFs分组模块、去噪保真模块和矫正模块，其中：

极值削减模块，负责消除DSPI条纹信号中处于最高频带的极值点，再将粗滤波条纹信号交给信号分解模块处理；

信号分解模块，接收到来自极值削减模块的处理结果，借助BEEMD信号分解方法，将粗滤波条纹信号分解成为一系列BIMF子信号，并按频率从高到低排列，最后交给BIMFs分组模块处理；

BIMFs分组模块，接收到来自于信号分解模块的一组BIMF子信号，根据BIMF成分特征负责将子信号分组：噪声组、信息组、背景光组，最后将分组结果交给去噪保真模块；

去噪保真模块，接收到分组模块的分组信息，舍弃噪声组与背景光组信号，只保留信息组信号，并将信息组信号交给矫正模块处理；

矫正模块，即“过滤波”矫正模块，接收到来自去噪保真模块的处理结果，消除“过滤波”现象。

所述极值消减模块，是为极值点的侦测提供便利，进而加速信号分解模块的进程。由于信号分解模块的主程序BEEMD是在迭代过程中不断地寻找信号极值点和绘制包络面，因此包含在DSPI条纹信号内的高密度的极值点会严重消耗计算机的计算资源，因此，在分解信号之前，利用均值滤波器消除最高频带内的散斑噪声点，不仅可以保护所求信息，还能有效地减少信号分解模块的工作量。不过，需要指出的是，均值滤波的设计尺寸是关键：尺寸过大，会给条纹信号带来模糊失真；尺寸过小，消除极值点的数量太少，没有效果。

所述信号分解模块，将一个DSPI条纹信号分解成为一系列局部窄带、特征单一的BIMF子信号，并按频率从高到低排列。一般情况下，由于噪声处于高频段，所求信息处于中频段，直流分量（背景光）处于低频段，因此这种按信号频率高低从原信号中抽离BIMF成分的分解方法意义重大。传统的分解方法BEMD，被一种广泛存在的模式混叠现象困扰，限制了工程应用。N.E.Huang等在其著作中定义了这种现象：一个BIMF由不同频率的成分构成，或是相近频率的成分在不同的BIMF中。模式混叠是信号间歇性造成的，不仅能够引起时频分布上的混淆，而且会使处在混叠区域的BIMF成分失去物理意义。为了攻克这一难题，N.E.Huang等人提出了一种基于噪声辅助数据分析（Noise-assisted Data Analysis,NADA）的方法，命名为“二维集合经验模态分解（Bi-dimensional Ensemble Empirical Mode Decomposition,BEEMD）”。定义每个BIMF为集合的平均值，每次实验的对象是信号本身和具有有限幅值的白噪声。在无需任何附加准则的条件下，BEEMD可以自适应地完成分解过程，而且较BEMD更精准。这种集合的思想充分利用了白噪声的统计学特性，每次添加的白噪声都不一样，如果实验次数足够多，那么白噪声就会相互消除，最后把集合的平均值作为BIMF。值得一提的是，以往的BEEMD算法，都不是真正的BEEMD，被称作伪BEEMD（pseudo-BEEMD）。主要原因是，在BEMD的筛分过程中，使用的并不是二维BEMD。在过程中，分解的对象并不是一个二维信号，而是抽取出来的一行（列）信号，分解的方法是一维EMD，而本发明使用的是以RBF方法绘制包络面为基础的真正的BEMD。对一个DSPI条纹I(x，y)进行BEEMD分解，得到如下表达式：

$I(x,y)=\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{\stackrel{\‾}{c}}_j(x,y)+\underset{j=K+1}{\overset{N}{\mathrm{\Σ}}}{\stackrel{\‾}{c}}_j(x,y)+\stackrel{\‾}{r}(x,y)---\left(1\right)$

其中，是余量，与背景光对应；是前K阶BIMF分量之和，与随机散斑噪声对应；是余下BIMF分量之和，与所需信息对应。

所述BIMFs分组模块，将接收到的特征单一的BIMF子信号分类，即噪声组、信息组、背景光组。该模块依据每个BIMF分量的自相关函数的计算结果，判断各个分量之间的相关程度，找到噪声组与信息组的分界点，将噪声与信息分开，计算前无需预设任何参数，计算期间也无需人员监管，全过程完全自动化。方案成败的关键在于寻找噪声BIMFs与信号BIMFs的分界点，即方程（1）中的K值。BIMFs分组模块采用的分组方法，在分解之后，自动地寻找适合的K值。首先，假设方程（1）中的前两项和分别记作n_K(x,y)和c_K(x,y)，然后计算量值：

$P\left(K\right)=\frac{\∫\∫{\left[r_c(x,y)\right]}^2\mathrm{dxdy}}{\∫\∫{\left[r_n(x,y)\right]}^2\mathrm{dxdy}}---\left(2\right)$

其中，r_n(x,y)和r_c(x,y)分别是n_K(x,y)和c_K(x,y)的自相关函数。K的取值范围为1-N，以1为进给量，利用方程（1）和（2），不断地计算P(K)值。根据P(K)值绘制曲线，由于BIMFs之间的自相关度在某处一定会发生骤变，而这种骤变代表了噪声与信号之间的自相关函数的临界功率比。为了找到这个关键点，还需要计算一个量值R(K)＝P(K)/P(K+1)，当R(K)取最大值时，对应的K即为所求。

所述去噪保真模块，在接收分组结果后，舍弃噪声组与背景光组信息，只保留信息组信息，对信息组内所有BIMF分量作加和处理，并将结果传输至矫正模块。

所述矫正模块，接收到已滤波信号后，消除其不可避免的“过滤波”现象。一般来说，在条纹信号经过以上五个模块之后，都会产生这样一种“过滤波”的现象，造成条纹信号的失真，因此有必要对其作矫正处理。该模块主要由两个正交的带通滤波器构成，分别沿横向和纵向去除负频率，然后合并各自的相位信息，即可产生矫正条纹信号，有效地消除了“过滤波”现象，减少信号的失真程度，完成整个滤波过程。

本发明上述系统在不引入间歇性测试的前提下，使其使用BEEMD方法分解DSPI条纹信号，得到一组从高频到低频排列的BIMF分量，每个BIMF都是局部窄带、具有单一特征的子信号，按着相邻BIMF成分间的相关性，将噪声与信息区分开来，保留有用信息，即可完成滤波过程。

与现有技术相比，本发明具有如下的有益效果：

（1）本发明系统使用BEEMD方法，消除了广泛存在于BEMD方法中的模式混叠问题，使信号分解更彻底；

（2）本发明系统使BEEMD方法，不但突破了目前只有伪BEEMD的现状，而且相对于现有滤波技术（傅立叶、小波等），体现更优良的性能；

（3）本发明系统采用一种基于相关性理论的BIMFs分组方法，效果优良，自动化程度高；

（4）本发明采用矫正模块，专门针对“过滤波”现象，减少信号的失真程度，；

（5）本发明可以提高DSPI条纹信号的信噪比，超过现有技术，可以有效应用于DSPI无损检测。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1是本发明系统的结构框图；

图2是BIMFs分组模块的结构框图；

图3是BIMFs分组模块的子模块（BEMD方法）的结构框图；

图4是根据P(K)和R(K)曲线确定K值；其中(a)为P(K)值折线图，图(b)R(K)值折线图；

图5是利用DSPI无损检测技术输出的条纹信号；

图6是应用五种现有技术和本发明技术处理图5所示信号的所得结果；(a)为基于傅立叶变换的低通滤波结果，图(b)基于Symlet小波变换的均值滤波结果，(c)为基于Daubechies小波变换的均值滤波结果，图(d)EEMD滤波结果，(e)为BEMD滤波结果，(f)为BEEMD滤波结果（即本发明）。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

如图1所示，本实施例提供一种基于二维集合经验模态分解的DSPI条纹滤波系统，包括：极值削减模块、信号分解模块、BIMFs分组模块、去噪保真模块与矫正模块，其中：极值削减模块负责消除DSPI条纹信号中处于最高频带的极值点，再将粗滤波条纹信号交给信号分解模块处理；信号分解模块接收到来自极值削减模块的处理结果，借助BEEMD信号分解方法，将粗滤波条纹信号分解成为一系列BIMF子信号，并按频率从高到低排列，最后交给BIMFs分组模块处理；BIMFs分组模块接收到来自于信号分解模块的一组BIMF子信号，根据BIMF成分特征负责将子信号分组：噪声组、信息组、背景光组，最后将分组结果交给去噪保真模块；去噪保真模块接收到分组模块的分组信息，舍弃噪声组与背景光组信号，只保留信息组信号，并将信息组信号交给矫正模块处理；矫正模块，即“过滤波”矫正模块，接收到来自去噪保真模块的处理结果，消除“过滤波”现象，至此完成整个的滤波过程，提高条纹信的信噪比和清晰度。

所述极值消减模块，是为极值点的侦测提供便利，进而加速信号分解模块的进程。由于信号分解模块的主程序BEEMD是在迭代过程中不断地寻找信号极值点和绘制包络面，因此包含在DSPI条纹信号内的高密度的极值点会严重消耗计算机的计算资源，因此，在分解信号之前，利用均值滤波器消除最高频带内的散斑噪声点，不仅可以保护所求信息，还能有效地减少信号分解模块的工作量。不过，需要指出的是，均值滤波的设计尺寸是关键：尺寸过大，会给条纹信号带来模糊失真；尺寸过小，消除极值点的数量太少，没有效果。

如图2所示，所述信号分解模块，借助BEEMD方法，将一个DSPI条纹信号分解成为一系列局部窄带、特征单一的BIMF子信号，并按频率从高到低排列。运行BEEMD方法，需要做n次信号分解实验，每次实验的输出结果都是一系列BIMF子信号，最后把同阶不同次实验的子信号求集合平均，完成分解过程。对于单次实验，分解方法是基于径向基和邻域窗法的BEMD，分解对象是具有有限幅值的白噪声与原信号加和的复合信号。根据统计学特性，只要实验次数足够多，白噪声会自动消除，不会降低原信号的信噪比。如图3所示，展示单次BEMD方法处理一个普通二维信号的迭代流程，包括一个大循环流程和一个小循环流程（大循环内嵌套一个小循环），大循环体负责将信号分解成为n个BIMF子信号，小循环体负责提取单阶BIMF子信号，因此当大循环运行一次，小循环需要运行若干次。对于小循环体，提取某阶BIMF子信号的流程如下：令r_k-1=h_k-1；利用窗口大小为3×3的领域窗法，标记信号当中所有的极值点，分别得到极大值图与极小值图；根据极值图，利用径向基法分别绘制上下包络面，并求平均包络面；如果平均包络面满足终止条件，就跳出本次循环，就视c_k为一阶BIMF分量，并令r_k=r_k-1-c_k，把余量r_k返还至程序的开始，继续做分解，如果不满足终止条件，那么令h_k=h_k-1-m_k-1，并将h_k返还到本次循环的开始，重新找极值、绘制包络面，直到找到满足终止条件的平均包络面，才跳出小循环体。

如图4所示，所述BIMFs分组模块，包括P(K)曲线的绘制和图4.b中R(K)曲线的绘制，根据来自信号分解模块的分解结果以及方程（2），逐个计算P(K)值并绘制P(K)曲线如图4.(a)，再由已知的P(K)值，计算R(K)值并绘制R(K)曲线，如图4.(b)，从图3可知，折线的趋势在K=2处发生骤变，K=2即为所求，这意味着，在本实施例中前两阶BIMF分量之和就是噪声信号，而余下的BIMF之和为有用信号。

所述去噪保真模块，在接收来自BIMFs分组模块的分组结果后，舍弃噪声组与背景光组信息，只保留信息组信息，对信息组内所有BIMF分量作加和处理，并将结果传输至矫正模块。

所述矫正模块，接收到已滤波信号后，消除其不可避免的“过滤波”现象。通过两个正交的带通滤波器，分别沿横向和纵向去除“过滤波”信号的负频率，然后合并各自的相位信息，即可产生矫正条纹信号，有效地消除了“过滤波”现象，减少信号的失真程度，完成整个滤波过程。

本实施例工作时，采用窗口大小为5×5的均值滤波器，消除处于最高频带内的极值点，5秒内的处理量约为200-300个；然后信号分解模块借助BEEMD方法将一个256×256条纹信号分解成为6个BIMFs分量，运行BEMD实验100次，单次实验的平均时间为200秒，则总计时间为200000秒；BIMFs分组模块根据6个BIMFs分量以及方程（1）和（2），计算P(K)值和R(K)值，如图4.(b)所示，曲线在K=2处发生骤变，K=2即为所求，这意味着，在本实施例中前两阶BIMF分量之和就是噪声信号，而余下4阶BIMF之和为有用信号；去噪保真模块，接收到来自BIMFs分组模块的处理结果后，去除前2阶BIMF分量，保留后4阶BIMF分量，并作加和处理；矫正模块，分别沿横向和纵向去除“过滤波”信号的负频率，然后合并各自的相位信息，即可产生矫正条纹信号，有效地消除了“过滤波”现象，减少信号的失真程度，完成整个滤波过程。

本实例利用一个实验测得的DSPI条纹信号检验本发明的性能，该实验简单、通用但又经典。实验对象是一个悬臂梁，具体参数配置如下：长宽比为1；杨氏弹性模量70GPa；密度270kg/m³；泊松比0.3；梁一端固定、其他自由。激振器被安置在梁背面中心处，信号发生器产生正弦信号，使梁发生振动。如图5所示，利用DSPI光学测量系统，测得梁正面某阶振型图，其信噪比极差，若遇复杂高阶振型，细节可能会被噪声掩盖，因此非常有必要对其进行滤波处理。本实施例利用以往五种经典的方法以及本方法同时对图5信号进行滤波，对比所得结果，其中，六种方法包括：基于傅立叶变换（Fouries Transform）的低通滤波、基于Symlet小波变换的均值滤波、基于Daubechies小波变换的均值滤波、EEMD（Ensemble Empirical ModeDecompostion）、BEMD以及本发明，分别对应图6.(a)-图6.(f)。从图中，不难看出，本发明得到了最优良的信噪比（还有散斑指数和信噪比两个数值指标证实），并且本发明的自适应性和自动化程度都远远高于其他方法。本发明解决了DSPI无损检测技术的主要弊端，在工程实际有较大的应用前景。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (4)

1.一种基于二维集合经验模态分解的DSPI条纹滤波系统，其特征在于包括：极值削减模块、信号分解模块、BIMFs分组模块、去噪保真模块和矫正模块，其中：

极值削减模块，负责消除DSPI条纹信号中处于最高频带的极值点，再将粗滤波条纹信号交给信号分解模块处理；

信号分解模块，接收到来自极值削减模块的处理结果，借助BEEMD信号分解方法，将粗滤波条纹信号分解成为一系列BIMF子信号，并按频率从高到低排列，最后交给BIMFs分组模块处理；所述信号分解模块采用BEEMD信号分解方法，即以RBF方法绘制包络面为基础，对一个DSPI条纹I(x,y)进行BEEMD分解，得到如下表达式：

$I(x,y)=\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{\stackrel{\‾}{c}}_j(x,y)+\underset{j=K+1}{\overset{N}{\mathrm{\Σ}}}{\stackrel{\‾}{c}}_j(x,y)+\stackrel{\‾}{r}(x,y)---\left(1\right)$

其中，是余量，与背景光对应；是前K阶BIMF分量之和，与随机散斑噪声对应；是余下BIMF分量之和，与所需信息对应；

单次BEMD方法处理一个普通二维信号的迭代流程，包括一个大循环流程和一个小循环流程即大循环内嵌套一个小循环，大循环体负责将信号分解成为n个BIMF子信号，小循环体负责提取单阶BIMF子信号，当大循环运行一次，小循环需要运行若干次；对于小循环体，提取某阶BIMF子信号的流程如下：令r_k-1＝h_k-1；利用窗口大小为3×3的领域窗法，标记信号当中所有的极值点，分别得到极大值图与极小值图；根据极值图，利用径向基法分别绘制上下包络面，并求平均包络面；如果平均包络面满足终止条件，就跳出本次循环，就视c_k为一阶BIMF分量，并令r_k＝r_k-1-c_k，把余量r_k返还至程序的开始，继续做分解，如果不满足终止条件，那么令h_k＝h_k-1-m_k-1，并将h_k返还到本次循环的开始，重新找极值、绘制包络面，直到找到满足终止条件的平均包络面，才跳出小循环体；

BIMFs分组模块，接收到来自于信号分解模块的一组BIMF子信号，根据BIMF成分特征负责将子信号分组：噪声组、信息组、背景光组，最后将分组结果交给去噪保真模块；

去噪保真模块，接收到分组模块的分组信息，舍弃噪声组与背景光组信号，只保留信息组信号，并将信息组信号作加和处理，最后将结果交给矫正模块处理；

矫正模块，即“过滤波”矫正模块，接收到来自去噪保真模块的处理结果，消除“过滤波”现象。

2.根据权利要求1所述的一种基于二维集合经验模态分解的DSPI条纹滤波系统，其特征是，所述极值削减模块，是为极值点的侦测提供便利，进而加速信号分解模块的进程，包含在DSPI条纹信号内的高密度极值点会严重消耗计算机的计算资源，在分解信号之前，利用均值滤波器消除最高频带内的散斑噪声点。

3.根据权利要求1所述的一种基于二维集合经验模态分解的DSPI条纹滤波系统，其特征是，所述BIMFs分组模块依据每个BIMF分量的自相关函数的计算结果，判断各个分量之间的相关程度，找到噪声组与信息组的分界点，即K值，将噪声与信息分开，假设方程(1)中的前两项和分别记作n_K(x,y)和c_K(x,y)，然后计算量值：

$P\left(K\right)=\frac{\∫\∫{\left[r_c(x,y)\right]}^2\mathrm{dxdy}}{\∫\∫{\left[r_n(x,y)\right]}^2\mathrm{dxdy}}---\left(2\right)$

其中，r_n(x,y)和r_c(x,y)分别是n_K(x,y)和c_K(x,y)的自相关函数，K的取值范围为1-N，以1为进给量，利用方程(1)和(2)，不断地计算P(K)值，根据P(K)值绘制曲线，再计算一个量值R(K)＝P(K)/P(K+1)，当R(K)取最大值时，对应的K值即为所求。

4.根据权利要求1-3任一项所述的一种基于二维集合经验模态分解的DSPI条纹滤波系统，其特征是，所述矫正模块主要由两个正交的带通滤波器构成，分别沿横向和纵向去除负频率，然后合并各自的相位信息，即可产生矫正条纹信号。