CN110824424A - 一种基于小波变换的声发射源定位方法 - Google Patents
一种基于小波变换的声发射源定位方法 Download PDFInfo
- Publication number
- CN110824424A CN110824424A CN201911135805.6A CN201911135805A CN110824424A CN 110824424 A CN110824424 A CN 110824424A CN 201911135805 A CN201911135805 A CN 201911135805A CN 110824424 A CN110824424 A CN 110824424A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- acoustic emission
- emission source
- cross
- correlation
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于小波变换的声发射源定位，包括3个步骤，S1：对断铅实验中传感器接收到的声发射源信号用db8小波基进行5层小波分解；S2：求出小波分解后5层细节系数中能量最大的那一层，该层系数包含最多的原始信号特征；S3：通过S1和S2，选出两个传感器接收到的声发射源信号分解后能量最大的细节系数层做互相关分析，互相关函数中互相关系数最大值所对应的时刻即为同一个声发射源到达两个传感器的时延；S4：将求得的时延代入TDOA定位算法进行定位。克服了一味地直接使用互相关分析，有时候并不能得到理想的结果的缺陷。
Description
技术领域
本发明涉及声发射源定位方法领域，特别是涉及一种基于小波变换的声发射源定位 方法。
背景技术
小波变换(wavelet transform，WT)是一种新的变换分析方法，它继承和发展了短时傅 立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随 频率改变的"时间-频率"窗口，是进行信号时频分析和处理的理想工具。它的主要特点是 通过变换能够充分突出问题某些方面的特征，能对时间(空间)频率的局部化分析，通过伸 缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细 分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。
其中小波变换(wavelet transform,WT)最强大的功能是能够利用变换将研究对象需要 关注的特征突出出来，进而可以实施局部化分析，目前时间频率信号分析的结果较差， 因此亟待本领域技术人员解决此问题。
发明内容
为了解决以上问题，本发明提供一种基于小波变换的声发射源定位方法，获得的时间频 率信号分析的结果良好，小波变换会细分高频段的时间以及低频段的频率，这样就可以将信 号的细节放大化，为达此目的，本发明所述的一种基于小波变换的声发射源定位方法，包括 如下步骤，
S1：对断铅实验中传感器接收到的声发射源信号用db8小波基进行5层小波分解；
S2：求出小波分解后5层细节系数中能量最大的那一层，该层系数包含最多的原始信号 特征；
S3：通过S1和S2，选出两个传感器接收到的声发射源信号分解后能量最大的细节系数 层做互相关分析，互相关函数中互相关系数最大值所对应的时刻即为同一个声发射源到达两 个传感器的时延；
S4：将求得的时延代入TDOA定位算法进行定位。
进一步地，所述步骤S1中的小波计算公式如下：
进一步地，所述步骤S1中的小波计算的变量包括：控制伸缩程度的尺度a(scale)，其为 频率的反比；控制平移多少的平移量τ(translation)，其为时间。
进一步地，所述步骤S1中的伸缩程度和平移量会在处于重叠状态时，将其二者相乘得到 一个大的值。
进一步地，所述步骤S1中小波包括母小波和父小波，其中缩放和平移母小波以及父小波 后的结果即为各种小波变换的基函数，将小波进行展开后，其近似计算式如下：
f(t)＝∑k∑jaj，kψj，k(t) (4.2)
进一步地，所述S1中的式中：ψj,k(t)为小波级数，小波变换中的基即由其组成，小波级 数一般为标准正交基。
进一步地，所述步骤S1中互相关分析计算公式如下：
其中，互相关分析为两个时间序列间的相关度，也就是代表两个信号在任意两个时刻取 值间的相关度。
进一步地，所述步骤S1中f1(t)和f2(t)为能量信号，这两个信号为随机信号或确定信号。
本发明一种基于小波变换的声发射源定位方法，具有如下有益效果：
1)本发明技术克服了一味地直接使用互相关分析，有时候并不能得到理想的结果的缺陷， 在做互相关分析之前先试用小波变换进行处理，在知悉信号有用的频带宽度之后，就可以对 获取到的原信号进行小波分解，准备工作是挑选符合条件的小波基和分解层数，进而将分解 后所需频带的小波系数进行互相关分析，就可以较好地得到时差；
2)本发明技术的小波变换有两个变量：控制伸缩程度的尺度a(scale)，其为频率的反比； 控制平移多少的平移量τ(translation)，其为时间，不同于傅里叶变换，能够确定信号含此频 率成分的同时，还能确定时域上该成分具体在哪里，在各尺度下轮流平移，再和信号相乘过 后，即能确定信号在各位置囊括何种频率成分，获得的数据准确。
附图说明
图1为本发明的小波变换的过程图；
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
本发明的实施例提供一种基于小波变换的声发射源定位方法，克服了一味地直接使用互 相关分析，有时候并不能得到理想的结果的缺陷，在做互相关分析之前先试用小波变换进行 处理，在知悉信号有用的频带宽度之后，就可以对获取到的原信号进行小波分解，准备工作 是挑选符合条件的小波基和分解层数，进而将分解后所需频带的小波系数进行互相关分析， 就可以较好地得到时差。
本发明提供的一种基于小波变换的声发射源定位方法，包括如下的步骤：
S1：对断铅实验中传感器接收到的声发射源信号用db8小波基进行5层小波分解；
S2：求出小波分解后5层细节系数中能量最大的那一层，该层系数包含最多的原始信号 特征；
S3：通过S1和S2，选出两个传感器接收到的声发射源信号分解后能量最大的细节系数 层做互相关分析，互相关函数中互相关系数最大值所对应的时刻即为同一个声发射源到达两 个传感器的时延；
S4：将求得的时延代入TDOA定位算法进行定位。
如图1所示，为小波变换的过程，具体的，小波变换使用长度有限且会衰减的小波基， 此小波基函数会伸缩和平移，本质上就是将两个正交基进行分解。缩短得窄就对应着高频段， 伸长得宽就对应着低频段。接下来将其和信号连续相乘。一个尺度下做乘法后的结果，即代 表着信号囊括的这个尺度下的部分[16]。因此，在某个尺度下，小波基函数能与信号相乘出 某个很大的结果，这时候基函数和信号重叠。进而就知道信号包含该频率成分的多少。
其中，Matlab里内置了15种小波基，一般用的比较多的是Haar，Daubechies，Coiflets， Symlets等。实际应用中选取原则有以下几点[18]：
1、支撑长度
支撑长度指的是小波以及尺度的函数由有限值收敛至零的长度，此时时频接近无穷大。 其变长会使运算更加耗时并且出现更多的高幅小波系数，通常使用最多的是支撑长度5～9间 的小波。
2、对称性
为了防止相位畸变，可以选择有对称性的小波，因为其对应滤波器含有线性相位的特征。
3、消失矩
现实应用中基本小波要达到容许条件的同时，也许加入消失矩(VanishingMoments)条件， 这样可以使为零的小波系数变多以及不为零的小波系数变少，进而益于数据的压缩以及消噪。 想要令为零的小波系数变多即增大消失矩，然而通常状况下，消失矩增高的同时支撑长度也 会增长，因此要综合考虑两者，使结果理想化。消失矩的定义是：
∫tpψ(t)dt＝0
其中Ψ(t)是基础的小波，0<＝p<N，这样就可以说小波函数含N阶的消失矩。
4、正则性
加强小波的正则性会令重构结果会更平滑，因为此时缩小了量化以及摒弃了误差对人眼 的干扰。
5、相似性
如果小波的波形和信号的相似，一般情况下压缩和消噪的结果越理想。
经过大量的实验研究，db8、sym8以及coif5三种小波基是最为符合声发射信号特征的。 现在处理声发射信号最常用的一种小波是Daubecheies小波，其特点是有限性、支撑性以及正 交性，同时算法所需时间短，以及能够较强的对信号的时频两域进行局部细化。综上所述， 本文选取Daubecheies波中的db8作为处理声发射信号的小波基函数。
本实施例中，所述步骤S1中的小波计算公式如下：
本实施例中，所述步骤S1中的小波计算的变量包括：控制伸缩程度的尺度a(scale)，其 为频率的反比；控制平移多少的平移量τ(translation)，其为时间。
本实施例中，所述步骤S1中的伸缩程度和平移量会在处于重叠状态时，将其二者相乘得 到一个大的值。
本实施例中，所述步骤S1中小波包括母小波和父小波，其中缩放和平移母小波以及父小 波后的结果即为各种小波变换的基函数，将小波进行展开后，其近似计算式如下：
f(t)＝∑k∑jaj，kψj，k(t) (4.2)
本实施例中，所述S1中的式中：ψj,k(t)为小波级数，小波变换中的基即由其组成，小波 级数一般为标准正交基。
本实施例中，所述步骤S1中互相关分析计算公式如下：
其中，互相关分析为两个时间序列间的相关度，也就是代表两个信号在任意两个时刻取 值间的相关度。
本实施例中，所述步骤S1中f1(t)和f2(t)为能量信号，这两个信号为随机信号或确定信 号。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制， 而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。
Claims (8)
1.一种基于小波变换的声发射源定位方法，其特征在于：包括如下步骤，
S1：对断铅实验中传感器接收到的声发射源信号用db8小波基进行5层小波分解；
S2：求出小波分解后5层细节系数中能量最大的那一层，该层系数包含最多的原始信号特征；
S3：通过S1和S2，选出两个传感器接收到的声发射源信号分解后能量最大的细节系数层做互相关分析，互相关函数中互相关系数最大值所对应的时刻即为同一个声发射源到达两个传感器的时延；
S4：将求得的时延代入TDOA定位算法进行定位。
2.根据权利要求1所述的一种基于小波变换的声发射源定位方法，其特征在于：所述步骤S1中的小波计算公式如下：
3.根据权利要求2所述的一种基于小波变换的声发射源定位方法，其特征在于：所述步骤S1中的小波计算的变量包括：控制伸缩程度的尺度a(scale)，其为频率的反比；控制平移多少的平移量τ(translation)，其为时间。
4.根据权利要求1所述的一种基于小波变换的声发射源定位方法，其特征在于：所述步骤S1中的伸缩程度和平移量会在处于重叠状态时，将其二者相乘得到一个大的值。
5.根据权利要求1所述的一种基于小波变换的声发射源定位方法，其特征在于：所述步骤S1中小波包括母小波和父小波，其中缩放和平移母小波以及父小波后的结果即为各种小波变换的基函数，将小波进行展开后，其近似计算式如下：
f(t)＝∑k∑jaj，kψj，k(t) (4.2) 。
6.根据权利要求5所述的一种基于小波变换的声发射源定位方法，其特征在于：所述S1中的式中：ψj,k(t)为小波级数，小波变换中的基即由其组成，小波级数一般为标准正交基。
7.根据权利要求1所述的一种基于小波变换的声发射源定位方法，其特征在于：所述步骤S1中互相关分析计算公式如下：
其中，互相关分析为两个时间序列间的相关度，也就是代表两个信号在任意两个时刻取值间的相关度。
8.根据权利要求7所述的一种基于小波变换的声发射源定位方法，其特征在于：所述步骤S1中f1(t)和f2(t)为能量信号，这两个信号为随机信号或确定信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911135805.6A CN110824424A (zh) | 2019-11-19 | 2019-11-19 | 一种基于小波变换的声发射源定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911135805.6A CN110824424A (zh) | 2019-11-19 | 2019-11-19 | 一种基于小波变换的声发射源定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110824424A true CN110824424A (zh) | 2020-02-21 |
Family
ID=69556892
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911135805.6A Pending CN110824424A (zh) | 2019-11-19 | 2019-11-19 | 一种基于小波变换的声发射源定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110824424A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101285796A (zh) * | 2008-04-30 | 2008-10-15 | 湘潭大学 | 热障涂层损伤及其失效过程的声发射实时检测方法 |
| KR101224512B1 (ko) * | 2012-09-03 | 2013-01-21 | 한국항공우주연구원 | Ｔｄｏａ 기법을 기반으로 하는 미지신호 발생원 위치 측정방법 |
| WO2014113739A1 (en) * | 2013-01-18 | 2014-07-24 | Syracuse University | Spatial localization of intermittent noise sources by acoustic antennae |
| CN104391047A (zh) * | 2014-12-16 | 2015-03-04 | 北京林业大学 | 一种基于声发射技术的木材损伤监测装置 |
| CN106290578A (zh) * | 2016-07-27 | 2017-01-04 | 常州大学 | 一种压力管道小泄漏源检测及精确定位方法 |
| CN106646375A (zh) * | 2016-11-15 | 2017-05-10 | 华北理工大学 | 一种基于all‑fft相位差的岩石声发射源定位方法 |
| CN107328868A (zh) * | 2017-06-27 | 2017-11-07 | 福州大学 | 一种快速识别陶瓷涂层失效类型的声发射信号分析方法 |
-
2019
- 2019-11-19 CN CN201911135805.6A patent/CN110824424A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101285796A (zh) * | 2008-04-30 | 2008-10-15 | 湘潭大学 | 热障涂层损伤及其失效过程的声发射实时检测方法 |
| KR101224512B1 (ko) * | 2012-09-03 | 2013-01-21 | 한국항공우주연구원 | Ｔｄｏａ 기법을 기반으로 하는 미지신호 발생원 위치 측정방법 |
| WO2014113739A1 (en) * | 2013-01-18 | 2014-07-24 | Syracuse University | Spatial localization of intermittent noise sources by acoustic antennae |
| US20150362582A1 (en) * | 2013-01-18 | 2015-12-17 | Syracuse University | Spatial Localization of Intermittent Noise Sources By Acoustic Antennae |
| CN104391047A (zh) * | 2014-12-16 | 2015-03-04 | 北京林业大学 | 一种基于声发射技术的木材损伤监测装置 |
| CN106290578A (zh) * | 2016-07-27 | 2017-01-04 | 常州大学 | 一种压力管道小泄漏源检测及精确定位方法 |
| CN106646375A (zh) * | 2016-11-15 | 2017-05-10 | 华北理工大学 | 一种基于all‑fft相位差的岩石声发射源定位方法 |
| CN107328868A (zh) * | 2017-06-27 | 2017-11-07 | 福州大学 | 一种快速识别陶瓷涂层失效类型的声发射信号分析方法 |
Non-Patent Citations (3)
| Title |
|---|
| 李杨 等: "不同含水率云南松声发生信号特征", 《林业科学》 * |
| 杨丽 等: "热障涂层基于小波变换的声发射源定位方法", 《湘潭大学自然科学学报》 * |
| 赵静荣: "声发射信号处理系统与源识别方法的研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110598166B (zh) | 一种自适应确定小波分层级数的小波去噪方法 | |
| CN112084845B (zh) | 基于多尺度小波系数自相关的低频1/f噪声消除方法 | |
| Wang et al. | Application of the dual-tree complex wavelet transform in biomedical signal denoising | |
| CN104280776B (zh) | 一种自适应小波阈值求取方法 | |
| JP2020524286A5 (zh) | ||
| Vimala et al. | Noise reduction based on double density discrete wavelet transform | |
| Raju et al. | Denoising of MRI and X-ray images using dual tree complex wavelet and curvelet transforms | |
| Zeng et al. | The de-noising algorithm based on intrinsic time-scale decomposition | |
| CN110824424A (zh) | 一种基于小波变换的声发射源定位方法 | |
| Madan et al. | Signal filtering using discrete wavelet transform | |
| Jaffery et al. | Selection of optimal decomposition level based on entropy for speech denoising using wavelet packet | |
| Baili et al. | Application of the discrete wavelet transform to denoise GPR signals | |
| Chen et al. | Sparse representation based on tunable Q-factor wavelet transform for whale click and whistle extraction | |
| Susrutha et al. | Analysis on FFT and DWT transformations in image processing | |
| al Balushi et al. | Wavelet based human voice identification system | |
| Shukla et al. | Wavelets: basic concepts | |
| Serbes et al. | Directional dual-tree rational-dilation complex wavelet transform | |
| Thu et al. | A review for reduction of noise by wavelet transform in audio signals | |
| Xie et al. | The application of adaptive step threshold method in fluorescence signal detection | |
| Ting | Research on wavelet analysis and its application in image processing | |
| Peng et al. | Analysis of denoising methods of underwater acoustic pulse signal based on wavelet and wavelet packet | |
| Isar et al. | Nonlinear adaptive filters and wavelets. A statistical analysis | |
| CN106842146A (zh) | 相位编码信号旁瓣抑制的工程实现方法 | |
| Damnjanović et al. | Effects of the parameters of wavelets applied in de-noising of room impulse responses | |
| Wang et al. | New time-frequency approach for weak-chirp-signal detection |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200221 |