CN110082436A - 一种基于变分模态的高提离电磁超声信号消噪方法 - Google Patents

一种基于变分模态的高提离电磁超声信号消噪方法 Download PDF

Info

Publication number
CN110082436A
CN110082436A CN201910340424.5A CN201910340424A CN110082436A CN 110082436 A CN110082436 A CN 110082436A CN 201910340424 A CN201910340424 A CN 201910340424A CN 110082436 A CN110082436 A CN 110082436A
Authority
CN
China
Prior art keywords
signal
mode
noise
electromagnetic ultrasonic
ultrasonic signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910340424.5A
Other languages
English (en)
Other versions
CN110082436B (zh
Inventor
高斌
斯丹
田贵云
殷鹰
熊荣
毛丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SICHUAN SPECIAL EQUIPMENT TESTING RESEARCH INSTITUTE
University of Electronic Science and Technology of China
Original Assignee
SICHUAN SPECIAL EQUIPMENT TESTING RESEARCH INSTITUTE
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SICHUAN SPECIAL EQUIPMENT TESTING RESEARCH INSTITUTE, University of Electronic Science and Technology of China filed Critical SICHUAN SPECIAL EQUIPMENT TESTING RESEARCH INSTITUTE
Priority to CN201910340424.5A priority Critical patent/CN110082436B/zh
Publication of CN110082436A publication Critical patent/CN110082436A/zh
Application granted granted Critical
Publication of CN110082436B publication Critical patent/CN110082436B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis

Landscapes

  • Signal Processing (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mathematical Physics (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于变分模态的高提离电磁超声信号消噪方法，通过参数优化的变分模态分解算法用于电磁超声信号上，将其分解成两个模态；由于每一个超声回波信号都是一种脉冲型信号，选择峭度最大的模态作为超声回波信号；在获得的超声回波信号里，仍有白噪声信号，最后采用小波阈值消噪算法和希尔伯特变换去除白噪声并且获得回波信号包络。

Description

一种基于变分模态的高提离电磁超声信号消噪方法
技术领域
本发明属于无损检测处理技术领域，更为具体地讲，涉及一种基于变分模态的高提离电磁超声信号消噪方法。
背景技术
无损检测方法在工业质量检测中得到了很好的应用。电磁超声传感器(EMAT)是一种在导电材料中产生超声波的非接触无损检测方法。与普通的压电换能器不同，EMA采用静磁场和交变磁场相结合的方法，将电能转换为声能，而不是耦合。尤其是EMAT具有非接触特性，检测速度快的优点，克服了试件表面粗糙造成的干涉问题。
但是EMAT转换效率低，易受噪声影响，特别是在有一定提离距离的情况下。提离距离越大，有用的回波信号幅度就越小，越容易被淹没在噪声中。在工业中，被测物体的表面有时较粗糙，有一定提离距离有利于保护探头，但是削减了回波信号，这阻碍了EMAT技术在实际中的应用。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于变分模态的高提离电磁超声信号消噪方法，用参数优化的变分模态分解算法将原始的提离信号分解成有用的超声回波信号和固有模态的噪声，然后通过小波阈值消噪和希尔伯特变换去掉有用信号里面任存留的白噪声，得到包络信号。
为实现上述发明目的，本发明一种基于变分模态的高提离电磁超声信号消噪方法，其特征在于，包括以下步骤：
(1)、电磁超声信号预处理
(1.1)、将电磁超声无损检测系统的测试探头与被测物体提离一定的距离，让回波信号被淹没在噪声之中；
(1.2)、通过电磁超声无损检测系统获取原始电磁超声信号，并对获取的原始电磁超声信号进行均值滤波，得到初始电磁超声信号；
(1.3)、剔除初始电磁超声信号前10％信号长度的信号，然后截取峰值回波有效信号段，并通过高通滤波器滤掉低频漂移信号，得到标准电磁超声信号；
(2)、构建高提离电磁超声信号模型
x(t)＝(s(t)+n1(t))+w(t)+n2(t)
其中，x(t)为采集到的标准电磁超声信号，n1(t)为x(t)携带的高斯白噪声，n2(t)为x(t)在整个频谱上的高斯白噪声，s(t)为x(t)携带的超声回波信号，w(t)为添加的固有噪声信号；
(3)、基于参数优化的变分模态算法对采集到的x(t)进行分解
设置参数优化的变分模态算法的分解模态k＝2，将x(t)分解成超声回波信号和固有噪声信号两个模态，记为IMF1和IMF2；
(4)、选择有效模态
计算两个模态对应信号的峭度
其中，xk分别代表两个模态对应信号，E表示求期望，μ为xk的幅度均值，σ为xk的幅度标准偏差；
选取峭度最大的信号对应的模态为有效模态；
(5)、消除白噪声
(5.1)、先利用小波阈值消除所选模态下对应信号所包含的噪声；
(5.2)、再利用希尔伯特变换提取小波阈值消噪后的信号的包络，得到消噪后的高提离电磁超声信号。
本发明的发明目的是这样实现的：
本发明一种基于变分模态的高提离电磁超声信号消噪方法，通过参数优化的变分模态分解算法用于电磁超声信号上，将其分解成两个模态；由于每一个超声回波信号都是一种脉冲型信号，选择峭度最大的模态作为超声回波信号；在获得的超声回波信号里，仍有白噪声信号，最后采用小波阈值消噪算法和希尔伯特变换去除白噪声并且获得回波信号包络。
同时，本发明一种基于变分模态的高提离电磁超声信号消噪方法还具有以下有益效果：
(1)、本发明可以将高提离下的电磁超声回波中的不同类型的噪声全部消除，并且保留回波信号。
(2)、本发明在进行缺陷检测时，也可以将缺陷的回波信息保留。
(3)、相比于传统的消噪方法，消噪后的回波更加光滑没有毛刺，不会出现波峰混叠的现象，并且提高了信噪比，减少了厚度计算的误差。
附图说明
图1是本发明一种基于变分模态的高提离电磁超声信号消噪方法流程图；
图2是固有噪声信号示意图；
图3是电磁超声信号分解后的信号示意图；
图4是峭度最大的信号示意图；
图5是小波分解后的信号示意图；
图6是希尔伯特变换后的信号示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是本发明一种基于变分模态的高提离电磁超声信号消噪方法流程图。
在本实施例中，如图1所示，本发明一种基于变分模态的高提离电磁超声信号消噪方法，包括以下步骤：
S1、电磁超声信号预处理
S1.1、将电磁超声无损检测系统的测试探头与被测物体提离一定的距离，让回波信号被淹没在噪声之中，此时设置的距离为最大的提离距离；
S1.2、通过电磁超声无损检测系统获取原始电磁超声信号，并对获取的原始电磁超声信号进行均值滤波，得到初始电磁超声信号；
S1.3、剔除初始电磁超声信号前10％信号长度的信号，然后截取峰值回波有效信号段，并将截取的峰值回波有效信号段作为研究对象，并且通过高通滤波器滤掉低频漂移信号对超声信号的影响，得到标准电磁超声信号；
S2、构建高提离电磁超声信号模型
以铝板为例，在铝板中产生超声波主要是因为洛伦兹力的作用：
F＝Jw×(B0+Bjb)
其中，F代表洛伦兹力，Jw代表涡流密度，Bjb代表产生的磁感应强度，B0代表静态磁场感应强度。由于静态磁场远远大于产生的变化的磁感应强度，所以洛伦兹力主要由静态磁场以及涡流密度来决定。
提离距离和产生的磁场的关系可以由下列公式来表示：
其中，代表产生的在材料内部的水平方向的磁场，n代表线圈的匝数，I代表通入的交变电流的强度，s代表线圈长度，h代表提离高度，κ为复数，δ代表趋肤深度，z代表垂直深度。从公式可以看出，随着提离高度增大，在物理内部产生的磁场强度就会越来越弱。由于涡流密度由以下公式：
可以知道，提离距离越大，物理内部产生的磁场就越小，涡流密度越小，产生的洛伦兹力就会越小，回波信号的幅度就越小。对于铁磁性材料，产生超声的主要是磁致伸缩力，提离高度越大，产生磁场越小，磁致伸缩力也越小，回波信号越弱。根据多次试验，然而，经过多次的实验验证，电磁超声的噪声不仅包括一种噪声，而且还包含一种固有的噪声。固有噪声含有噪声、电磁干扰和其他干扰。当提离距离是小的时，超声波回波信号的振幅很强，而固有噪声的能量是低的，因此可以看成高斯白噪声。随着提离距离的增加，超声回波信号衰减，而固有噪声与超声回波信号能量比增加。因此，不能简单地把固有噪声当作高斯白噪声，应该被视为一种窄带的高频信号如图2。左图为没有提离时，右图为提离为1.1mm的时候。
因此，新的提离超声回波模型：
x(t)＝(s(t)+n1(t))+w(t)+n2(t)
其中，x(t)为采集到的标准电磁超声信号，n1(t)为x(t)携带的高斯白噪声，n2(t)为x(t)在整个频谱上的高斯白噪声，s(t)为x(t)携带的超声回波信号，w(t)为添加的固有噪声信号；
S3、基于参数优化的变分模态算法对采集到的x(t)进行分解
变分模态分解算法需要人为的设定将原始信号分解成几个模态。这里由于新提出的超声回波模型，这里只需要把需要分解的模态设定为2。将参数优化的变分模态算法用在所采集到的x(t)上，将信号分解成两个模态，其中一个模态是有用的超声回波信号，记为IMF1。另一个则是固有噪声模态，记为IMF2。如图3(a)是原始的信号，参数优化的变分模态分解算法将原始信号分解成两个模态，如图3(b)和图3(c)。
参数优化的变分模态算法分解后的提离超声回波模型可以表示为：
S4、选择有效模态
在电磁超声信号中，每个回波信号都是一种脉冲型信号。因此，电磁超声信号的有效分量被定义为具有尖锐上升沿特性的窄带信号，而峭度可以有效地指示信号的突变。因此，我们需要计算两个模态对应信号的峭度即分别将分解后的两个模态下对应的信号代入下面的公式，分别计算他们的峭度值；
其中，xk分别代表两个模态对应信号，E表示求期望，μ为xk的幅度均值，σ为xk的幅度标准偏差；
然后选取峭度最大的信号对应的模态为有效模态，如图4所示；
S5、消除白噪声
S5.1、先利用小波阈值消除所选模态下对应信号所包含的噪声；
在本实施例中，步骤S4选取的信号之后，仍然有很多的白噪声，而采用小波阈值消噪不仅可以保留信号的局部有用信息，也可以去除噪声，消噪后的信号如图5。在经过大量的实验之后，‘db3’小波作为母波以及分解的层数为5时效果最佳。其中，需要对小波分解的各个层次的噪声水平估计进行了调整并且采用固定阈值的规则。阈值被表示为：
小波阈值为：
其中，thrj表示小波分解第j层的阈值，Nj表示第j层的小波系数，j＝1,2,…,J，J表示小波分解的总层数；
S5.2、再利用希尔伯特变换提取小波阈值消噪后的信号的包络，得到消噪后的高提离电磁超声信号；
在本实施例中，尔伯特变换可以表示信号的瞬时振幅和频率，希尔伯特变换的输入信号要求为线性稳态。然而，在现实生活中，大多数信号是线性不稳定甚至非线性不稳定的。线性稳态条件严格限制了希尔伯特变换的应用。变分模态分解算法可以得到线性稳态信号，分解后的模态具有较好的性能。因此，将分解后的信号作为希尔伯特变换的输入，得到信号的包络，如图6所示，进而得到消噪后的高提离电磁超声信号。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (2)

1.一种基于变分模态的高提离电磁超声信号消噪方法，其特征在于，包括以下步骤：
(1)、电磁超声信号预处理
(1.1)、将电磁超声无损检测系统的测试探头与被测物体提离一定的距离，让回波信号被淹没在噪声之中；
(1.2)、通过电磁超声无损无损检测系统获取原始电磁超声信号，并对获取的原始电磁超声信号进行均值滤波，得到初始电磁超声信号；
(1.3)、剔除初始电磁超声信号前10％信号长度的信号，然后截取峰值回波有效信号段，并通过高通滤波器滤掉低频漂移信号，得到标准电磁超声信号；
(2)、构建高提离电磁超声信号模型
x(t)＝(s(t)+n1(t))+w(t)+n2(t)
其中，x(t)为采集到的标准电磁超声信号，n1(t)为x(t)携带的高斯白噪声，n2(t)为x(t)在整个频谱上的高斯白噪声，s(t)为x(t)携带的超声回波信号，w(t)为添加的固有噪声信号；
(3)、基于参数优化的变分模态算法对采集到的x(t)进行分解
设置参数优化的变分模态算法的分解模态k＝2，将x(t)分解成超声回波信号和固有噪声信号两个模态，记为IMF1和IMF2；
(4)、选择有效模态
计算两个模态对应信号的峭度
其中，xk分别代表两个模态对应信号，E表示求期望，σ为xk的幅度标准偏差；
选取峭度最大的信号对应的模态为有效模态；
(5)、消除白噪声
(5.1)、先利用小波阈值消除所选模态下对应信号所包含的噪声；
(5.2)、再利用希尔伯特变换提取小波阈值消噪后的信号的包络，得到消噪后的高提离电磁超声信号。
2.根据权利要求1所述的一种基于变分模态的高提离电磁超声信号消噪方法，其特征在于，所述的小波阈值为：
其中，thrj表示小波分解第j层的阈值，Nj表示第j层的小波系数，j＝1,2,…,J，J表示小波分解的总层数。
CN201910340424.5A 2019-04-25 2019-04-25 一种基于变分模态的高提离电磁超声信号消噪方法 Active CN110082436B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910340424.5A CN110082436B (zh) 2019-04-25 2019-04-25 一种基于变分模态的高提离电磁超声信号消噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910340424.5A CN110082436B (zh) 2019-04-25 2019-04-25 一种基于变分模态的高提离电磁超声信号消噪方法

Publications (2)

Publication Number Publication Date
CN110082436A true CN110082436A (zh) 2019-08-02
CN110082436B CN110082436B (zh) 2022-01-11

Family

ID=67416859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910340424.5A Active CN110082436B (zh) 2019-04-25 2019-04-25 一种基于变分模态的高提离电磁超声信号消噪方法

Country Status (1)

Country Link
CN (1) CN110082436B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110333285A (zh) * 2019-07-04 2019-10-15 大连海洋大学 基于变分模态分解的超声兰姆波缺陷信号识别方法
CN113537112A (zh) * 2021-07-26 2021-10-22 山东省科学院激光研究所 基于改进小波阈值及vmd的激光超声表面缺陷成像降噪方法

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103234121A (zh) * 2013-05-10 2013-08-07 中国石油大学(华东) 基于音波信号的输气管道泄漏检测装置及检测方法
CN103336049A (zh) * 2013-06-27 2013-10-02 电子科技大学 一种消除提离效应的脉冲涡流检测方法及装置
CN106153339A (zh) * 2016-06-29 2016-11-23 潍坊学院 一种基于变分模式分解滤波的包络分析方法
CN106198015A (zh) * 2016-06-29 2016-12-07 潍坊学院 一种滚动轴承的vmd、谱峭度和平滑迭代包络分析方法
CN106446829A (zh) * 2016-09-22 2017-02-22 三峡大学 一种基于svd与vmd模态自相关分析的水电机组振动信号降噪方法
CN106897663A (zh) * 2017-01-06 2017-06-27 重庆邮电大学 主成分分析改进小波算法的超声波消噪方法
CN107192554A (zh) * 2017-05-19 2017-09-22 西安理工大学 一种风电机组滚动轴承的振动故障诊断方法
CN107229795A (zh) * 2017-06-02 2017-10-03 东北大学 一种基于变分模态分解和能量熵的铣削颤振识别方法
CN107505135A (zh) * 2017-08-15 2017-12-22 河北建设集团卓诚路桥工程有限公司 一种滚动轴承复合故障提取方法及系统
CN107515424A (zh) * 2017-07-26 2017-12-26 山东科技大学 一种基于vmd与小波包的微震信号降噪滤波方法
CN107607065A (zh) * 2017-09-22 2018-01-19 河海大学 一种基于变分模态分解的冲击回波信号分析方法
CN107702908A (zh) * 2017-10-12 2018-02-16 国网山东省电力公司莱芜供电公司 基于vmd自适应形态学的gis机械振动信号时频分析方法
CN107843884A (zh) * 2017-09-13 2018-03-27 成都信息工程大学 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法
CN108562904A (zh) * 2018-01-11 2018-09-21 成都信息工程大学 一种x波段双偏振天气雷达降水估测方法
CN108804832A (zh) * 2018-06-14 2018-11-13 东南大学 一种基于vmd的间隔阈值局部放电去噪方法
CN108830128A (zh) * 2018-03-28 2018-11-16 中南大学 基于类噪声信号vmd分解的电力系统低频振荡模态辨识方法
CN108845306A (zh) * 2018-07-05 2018-11-20 南京信息工程大学 基于变分模态分解的激光雷达回波信号去噪方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103234121A (zh) * 2013-05-10 2013-08-07 中国石油大学(华东) 基于音波信号的输气管道泄漏检测装置及检测方法
CN103336049A (zh) * 2013-06-27 2013-10-02 电子科技大学 一种消除提离效应的脉冲涡流检测方法及装置
CN106153339A (zh) * 2016-06-29 2016-11-23 潍坊学院 一种基于变分模式分解滤波的包络分析方法
CN106198015A (zh) * 2016-06-29 2016-12-07 潍坊学院 一种滚动轴承的vmd、谱峭度和平滑迭代包络分析方法
CN106446829A (zh) * 2016-09-22 2017-02-22 三峡大学 一种基于svd与vmd模态自相关分析的水电机组振动信号降噪方法
CN106897663A (zh) * 2017-01-06 2017-06-27 重庆邮电大学 主成分分析改进小波算法的超声波消噪方法
CN107192554A (zh) * 2017-05-19 2017-09-22 西安理工大学 一种风电机组滚动轴承的振动故障诊断方法
CN107229795A (zh) * 2017-06-02 2017-10-03 东北大学 一种基于变分模态分解和能量熵的铣削颤振识别方法
CN107515424A (zh) * 2017-07-26 2017-12-26 山东科技大学 一种基于vmd与小波包的微震信号降噪滤波方法
CN107505135A (zh) * 2017-08-15 2017-12-22 河北建设集团卓诚路桥工程有限公司 一种滚动轴承复合故障提取方法及系统
CN107843884A (zh) * 2017-09-13 2018-03-27 成都信息工程大学 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法
CN107607065A (zh) * 2017-09-22 2018-01-19 河海大学 一种基于变分模态分解的冲击回波信号分析方法
CN107702908A (zh) * 2017-10-12 2018-02-16 国网山东省电力公司莱芜供电公司 基于vmd自适应形态学的gis机械振动信号时频分析方法
CN108562904A (zh) * 2018-01-11 2018-09-21 成都信息工程大学 一种x波段双偏振天气雷达降水估测方法
CN108830128A (zh) * 2018-03-28 2018-11-16 中南大学 基于类噪声信号vmd分解的电力系统低频振荡模态辨识方法
CN108804832A (zh) * 2018-06-14 2018-11-13 东南大学 一种基于vmd的间隔阈值局部放电去噪方法
CN108845306A (zh) * 2018-07-05 2018-11-20 南京信息工程大学 基于变分模态分解的激光雷达回波信号去噪方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
DAN SI: "EMD of EMAT NDT in X70 Pipeline Weld Defects", 《2017远东无损检测新技术与应用论坛》 *
孙斐然等: "基于洛伦兹力机制的电磁超声发射换能器的建模与优化", 《机械工程学报》 *
孙晨光: "电磁超声导波信号采集分析系统的设计与实现", 《中国矿业》 *
杜必强等: "变分模态分解和熵理论在超声信号降噪中的应用", 《中国工程机械学报》 *
江念等: "电磁超声检测钢板厚度实验的参数优化", 《传感技术学报》 *
陈益等: "改进的小波阈值消噪法应用于超声信号处理", 《北京航空航天大学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110333285A (zh) * 2019-07-04 2019-10-15 大连海洋大学 基于变分模态分解的超声兰姆波缺陷信号识别方法
CN110333285B (zh) * 2019-07-04 2021-07-27 大连海洋大学 基于变分模态分解的超声兰姆波缺陷信号识别方法
CN113537112A (zh) * 2021-07-26 2021-10-22 山东省科学院激光研究所 基于改进小波阈值及vmd的激光超声表面缺陷成像降噪方法

Also Published As

Publication number Publication date
CN110082436B (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
Legendre et al. Neural classification of Lamb wave ultrasonic weld testing signals using wavelet coefficients
Smith et al. Ultrasonic analytic-signal responses from polymer-matrix composite laminates
CN110082436A (zh) 一种基于变分模态的高提离电磁超声信号消噪方法
CN109001703A (zh) 一种基于小波包多阈值处理的海杂波去噪办法
CN111795931B (zh) 一种针对激光超声缺陷检测衍射回波信号的重构提取方法
EP2344871A2 (en) Ultrasonic composite evaluation
CN110926386A (zh) 基于ceemd-改进小波阈值去噪的变压器绕组超声检测三维成像方法
CN109444270A (zh) 一种电磁超声与脉冲涡流复合检测传感器
CN105929029B (zh) 一种用于sh导波无损检测技术中噪声处理方法
Kehlenbach et al. Identifying damage in plates by analyzing Lamb wave propagation characteristics
Yang et al. A new singular spectrum decomposition method based on cao algorithm and amplitude aware permutation entropy
CN106442744B (zh) 一种去除超声探头响应特性的超声波信号处理方法
CN113569799B (zh) 一种蜂窝结构空耦超声信号特征提取方法
Zhang et al. Electromagnetic ultrasonic signal processing and imaging for debonding detection of bonded structures
Tsui et al. An adaptive threshold filter for ultrasound signal rejection
CN112014478B (zh) 一种淹没于超声草状信号中的缺陷回波盲提取自适应方法
Yuan et al. Comparative analysis of EMAT receiving process between ferromagnetic and nonferromagnetic materials
Sharma et al. Wavelet transform-based approach for processing ultrasonic B-scan images
CN106840281A (zh) 一种基于类方波前馈控制随机共振的涡街频率检测方法
CN105675731B (zh) 阵列式同发、同收超声波探头的检测信号增强方法
Dequan et al. Defects detection system for steel tubes based on electromagnetic acoustic technology
CN206177897U (zh) 一种由多探头匹配并联的超声探头
Shi et al. Envelope extraction of underwater acoustic echo using wavelet and hilbert transforms
Pardo et al. Shift invariant wavelet denoising of ultrasonic traces
Sharma et al. Continuous wavelet transform analysis for the enhancement of signal-to-noise ratio in coarse grain austenitic stainless steel

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant