CN113820310B - 一种频率调制热波信号稀疏辅助去噪方法 - Google Patents

一种频率调制热波信号稀疏辅助去噪方法 Download PDF

Info

Publication number
CN113820310B
CN113820310B CN202110953040.8A CN202110953040A CN113820310B CN 113820310 B CN113820310 B CN 113820310B CN 202110953040 A CN202110953040 A CN 202110953040A CN 113820310 B CN113820310 B CN 113820310B
Authority
CN
China
Prior art keywords
frequency modulation
sparse
signal
thermal
wave 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.)
Active
Application number
CN202110953040.8A
Other languages
English (en)
Other versions
CN113820310A (zh
Inventor
张辉
罗志涛
苏梓豪
王胜
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202110953040.8A priority Critical patent/CN113820310B/zh
Publication of CN113820310A publication Critical patent/CN113820310A/zh
Application granted granted Critical
Publication of CN113820310B publication Critical patent/CN113820310B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

本发明提供了一种频率调制热波信号稀疏辅助去噪方法，该方法将稀疏优化原理和传统的时不变低通滤波相结合对频率调制热波信号进行降噪。通过将频率调制热回波信号建模为低通分量、分段平滑分量和噪声，并将该问题转化为稀疏正则化的线性逆问题，并利用最大‑最小迭代算法进行求解，以达到重建低通分量和分段平滑分量，实现对频率调制热回波信号进行降噪的目的。由于该迭代算法利用了带状系统快速求解的优点，因此显著提高了计算效率。该发明不仅适用于线性调频和非线性调频的热波信号，还适用于其它类型的频率调制热波信号，具有广泛的应用范围，对碳纤维增强复合材料等工业复合材料、牙齿等生物组织的高分辨率脉冲压缩热成像具有重要意义。

Description

一种频率调制热波信号稀疏辅助去噪方法
技术领域
本发明涉及多物理场光热无损检测技术领域，尤其涉及一种频率调制热波信号稀疏辅助去噪方法。
背景技术
脉冲压缩热成像技术近年来由于具有高信噪比、大动态探测深度，开始被用于碳纤维等工业复合材料、牙齿等生物组织的无损检测，该技术即使在仅使用低功率外部激励源情形下，也能显著提高信噪比和增大热成像的探测范围以及深度分辨率，并且不会对待测样品产生热损伤。然而，距离/深度分辨率是制约脉冲压缩热成像技术发展的主要瓶颈，目前，可通过施加合适的激励波形和采用合适的后处理算法，如去噪处理，来进一步提高脉冲压缩热成像的分辨率。
在脉冲压缩热成像中，为了实现较深的探测范围，通常采用低中心频率的线性调频或非线性调频信号作为脉冲压缩热成像技术中的激励波形，然而，它们也不可避免地受到其匹配滤波输出的较为显著的旁瓣的影响，不利于实现高分辨率脉冲压缩热成像。
发明内容
本发明目的在于针对现有技术的缺陷，提供一种本发明提供了一种频率调制热波信号稀疏辅助去噪方法，该方法利用稀疏优化原理和传统的时不变低通滤波对频率调制热波信号进行降噪。
为解决上述技术问题，本发明提供技术方案如下：
一种频率调制热波信号稀疏辅助去噪方法，其特征在于：包括以下步骤：
步骤10：以低中心频率的线性调频或非线性调频信号s(t)作为激励波形施加到被测样品表面，利用红外热像仪获取被测样品表面的含噪声的热回波信号T(t)，所述含噪声的热回波信号T(t)包括与激励波形相似但已失真的低中心频率热波信号f(t)、K阶稀疏导数信号x(t)和噪声w，其中，t表示时间变量；
步骤20：根据所施加的激励波形信号s(t)，确定低中心频率热波信号f(t)、滤波器阶数d和与稀疏导数信号x(t)同阶的差分矩阵D的阶数K，以获得带状托普利兹矩阵P和Q；
步骤30：通过将K阶稀疏导数信号x(t)进行正则化，并定义u＝Ds，稀疏辅助去噪算法可表示为：
Figure GDA0003792821270000011
式中，‖·‖1和‖·‖2分别表示1-范数和2-范数，λ表示大于0的正则化参数，H＝Q-1P表示高通滤波器，矩阵P可进行因式分解，即P＝P1D；
步骤40：采用最大-最小迭代算法求解式(1)获得u；
步骤50：通过
Figure GDA0003792821270000021
获得不含噪声w的热波信号，式中，
Figure GDA0003792821270000022
和
Figure GDA0003792821270000023
分别表示为不含噪声w的热波信号、重建的低中心频率热波信号和重建的K阶稀疏导数信号，M为积分矩阵，且满足DM＝I，I为单位矩阵。
进一步的，所述含噪声的热回波信号T(t)为：
T(t)＝f(t)+x(t)+w
式中，f(t)表示为与激励波形相似但已失真的低中心频率热波信号、x(t)为K阶稀疏导数信号、w为噪声，t表示时间变量。
进一步的，所述正则化参数λ通过网格搜索法得到。
进一步的，所述被测样品为工业复合材料或生物组织。
与现有技术相比，本发明的有益效果是：1、本发明能够更准确地重构出不含噪声的原始热回波信号，通过将红外热像仪测得的频率调制热回波信号建模为低通分量、分段平滑分量和噪声三者之和，将该问题转化为稀疏正则化的线性逆问题，并利用最大-最小迭代算法进行求解，以达到从含噪声热波信号中重建低通分量和分段平滑分量，实现对频率调制热波信号进行降噪的目的。2、由于带状系统快速求解器的引入，具有较高的计算效率。3、脉冲压缩热成像的匹配滤波输出具有更好的脉冲压缩质量，可进一步实现高分辨率脉冲压缩热成像。4、所引入的最大-最小迭代算法利用了带状系统快速求解的特点，可显著提高计算效率。5、利于基于脉冲压缩热成像技术的碳纤维复合材料等工业复合材料、牙齿等生物组织的高精度无损检测与定量表征。
附图说明
图1为本发明步骤流程示意图；
图2为本发明实施例一的线性调频激励波形及不含噪声热回波信号波形图；
图3为本发明实施例一的含噪声的线性调频热回波信号及稀疏辅助去噪后重建的热回波信号波形图；
图4为本发明实施例二的非线性调频激励波形及不含噪声热回波信号波形图；
图5为本发明实施例二的含噪声的非线性调频热回波信号及稀疏辅助去噪后重建的热回波信号波形图。
具体实施方式
为了加深本发明的理解，下面我们将结合附图对本发明作进一步详述，该实施例仅用于解释本发明，并不构成对本发明保护范围的限定。
如图1所示，一种频率调制热波信号稀疏辅助去噪方法，包括以下步骤：
步骤10：以低中心频率的线性调频或非线性调频信号s(t)作为激励波形施加到被测样品表面，利用红外热像仪获取被测样品表面含噪声的热回波信号T(t)，含噪声的热回波信号T(t)包括与激励波形相似但已失真的低中心频率热波信号f(t)、K阶稀疏导数信号x(t)和噪声w，
T(t)＝f(t)+x(t)+w
其中，t表示时间变量；
步骤20：根据所施加的激励波形信号s(t)，确定低中心频率热波信号f(t)、滤波器阶数d和与稀疏导数信号x(t)同阶的差分矩阵D的阶数K，以获得带状托普利兹矩阵P和Q；
步骤30：通过将K阶稀疏导数信号x(t)进行正则化，并定义u＝Ds，稀疏辅助去噪算法可表示为：
Figure GDA0003792821270000031
式中，‖·‖1和‖·‖2分别表示1-范数和2-范数，λ表示大于0的正则化参数，通过网格搜索法得到，H＝Q-1P表示高通滤波器，矩阵P可进行因式分解，即P＝P1D；
步骤40：由于式(1)是标准1-范数稀疏最小二乘问题，可采用最大-最小迭代算法求解式(1)获得u；
步骤50：通过
Figure GDA0003792821270000032
获得不含噪声w的热波信号，式中，
Figure GDA0003792821270000033
和
Figure GDA0003792821270000034
分别表示为不含噪声w的热波信号、重建的低中心频率热波信号和重建的K阶稀疏导数信号，M为积分矩阵，且满足DM＝I，I为单位矩阵。
步骤10中的被测样品为玻璃纤维增强复合材料等工业复合材料以及生物医学领域的牙齿、羊骨等生物组织。
下面结合具体的实施例进一步说明本发明的方法：
以下实施例以单层厚度为0.2mm、总厚度为3.2mm的碳纤维增强聚合板为被测样品，其热扩散率为α＝6.16×10-7m2/s，热传导率为k＝0.46W/mK。
实施例一：
步骤10：向被测样品表面施加线性调频信号激励波形，该波形的起始频率f1＝0.1×(1-0.66Hz，终止频率f2＝0.1×(1+0.66)Hz，激励持续时间T＝130s。该激励波形的表达式为：
s(t)＝cos[2πfLFM(t)·t-π]
式中，fLFM(t)＝f1+(f2-f1)/T·t表示瞬时频率，波形如图2中实线所示，所获得的理想状态下不含噪声的热回波信号如图2中虚线所示，含有噪声的热回波信号如图3中灰色线所示。
步骤20：根据所施加激励波形的起始与终止频率，可确定低中心频率的热波信号f(t)的截止频率为0.01，确定滤波器阶数为2，差分矩阵D的阶数K为4，并获得带状托普利兹(Toeplitz)矩阵P和Q。
步骤30：通过将4阶稀疏导数信号进行正则化，并定义u＝Ds，稀疏辅助去噪算法可表示为：
Figure GDA0003792821270000041
式中，‖·‖1和‖·‖2分别表示1-范数和2-范数，λ表示大于0的正则化参数，可通过网格搜索法确定，得到λ值为700。
步骤40：由于上式是标准1-范数稀疏最小二乘问题，可采用最大-最小迭代算法求解获得u；
步骤50：通过
Figure GDA0003792821270000042
获得不含噪声w的热波信号，如图3的黑色实线所示。
由表1中的对比可知，在不同的噪声水平下，稀疏辅助去噪法处理后的波形的均方根误差值均低于传统低通滤波方法，从图2和图3中得到的线性调频激励热回波波形更加接近理想状态下的波形，达到了更好的去噪效果。
实施例二：
步骤1，向被测样品表面施加非线性调频激励波形，该波形的起始频率f1＝0.1×(1-0.66)Hz,终止频率f2＝0.1×(1+0.66)Hz，激励持续时间T＝130s。设计瞬时频率为凹二次函数的非线性调频激励波形，该波形的表达式为：
s(t)＝cos[2πfNLFM(t)·t-π]
式中，
Figure GDA0003792821270000043
表示瞬时频率，k＝(f2-f1)/T表示频率调制斜率，其波形如图4中实线所示，所获得的理想状态下不含噪声的热波信号如图4中虚线所示，含噪声的热回波信号如图5中灰色线所示。
步骤20：根据所施加激励波形的起始与终止频率，可确定低中心频率的热波信号f(t)的截止频率为0.01，确定滤波器阶数为2，差分矩阵D的阶数K为4，并获得带状托普利兹(Toeplitz)矩阵P和Q；
步骤30：通过将4阶稀疏导数信号进行正则化，并定义u＝Ds，稀疏辅助去噪算法可表示为：
Figure GDA0003792821270000051
式中，‖·‖1和‖·‖2分别表示1-范数和2-范数，λ表示大于0的正则化参数，可通过网格搜索法确定，得到λ值为700。
步骤40：由于上式是标准1-范数稀疏最小二乘问题，可采用最大-最小迭代算法求解获得u；
步骤5，最终，可通过
Figure GDA0003792821270000052
获得不含噪声w的热波信号，如图5的黑色实线所示。
由表1中的对比可知，在不同的噪声水平下，稀疏辅助去噪法处理后的波形的均方根误差值均低于传统低通滤波方法。从图4和图5中可以得到的非线性调频激励热回波波形更加接近理想状态下的波形，达到了更好的去噪效果。
表1不同噪声水平下稀疏辅助去噪与传统低频滤波后的RMSE值对比
Figure GDA0003792821270000053
上述具体实施方式，仅为说明本发明的技术构思和结构特征，目的在于让熟悉此项技术的相关人士能够据以实施，但以上内容并不限制本发明的保护范围，凡是依据本发明的精神实质所作的任何等效变化或修饰，均应落入本发明的保护范围之内。

Claims (4)

1.一种频率调制热波信号稀疏辅助去噪方法，其特征在于：包括以下步骤：
步骤10：以低中心频率的线性调频或非线性调频信号s(t)作为激励波形施加到被测样品表面，利用红外热像仪获取被测样品表面的含噪声的热回波信号T(t)，所述含噪声的热回波信号T(t)包括与激励波形相似但已失真的低中心频率热波信号f(t)、K阶稀疏导数信号x(t)和噪声w，其中，t表示时间变量；
步骤20：根据所施加的激励波形信号s(t)，确定低中心频率热波信号f(t)、滤波器阶数d和与稀疏导数信号x(t)同阶的差分矩阵D的阶数K，以获得带状托普利兹矩阵P和Q；
步骤30：通过将K阶稀疏导数信号x(t)进行正则化，并定义u＝Ds，稀疏辅助去噪算法可表示为：
Figure FDA0003792821260000011
式中，||·||1和||·||2分别表示1-范数和2-范数，λ表示大于0的正则化参数，H＝Q-1P表示高通滤波器，矩阵P可进行因式分解，即P＝P1D；
步骤40：采用最大-最小迭代算法求解式(1)获得u；
步骤50：通过
Figure FDA0003792821260000012
获得不含噪声w的热波信号，式中，
Figure FDA0003792821260000013
和
Figure FDA0003792821260000014
分别表示为不含噪声w的热波信号、重建的低中心频率热波信号和重建的K阶稀疏导数信号，M为积分矩阵，且满足DM＝I，I为单位矩阵。
2.根据权利要求1所述一种频率调制热波信号稀疏辅助去噪方法，其特征在于：所述含噪声的热回波信号T(t)为：
T(t)＝f(t)+x(t)+w
式中，f(t)表示为与激励波形相似但已失真的低中心频率热波信号、x(t)为K阶稀疏导数信号、w为噪声，t表示时间变量。
3.根据权利要求2所述一种频率调制热波信号稀疏辅助去噪方法，其特征在于：所述正则化参数λ通过网格搜索法得到。
4.根据权利要求3所述一种频率调制热波信号稀疏辅助去噪方法，其特征在于：所述被测样品为工业复合材料或生物组织。
CN202110953040.8A 2021-08-19 2021-08-19 一种频率调制热波信号稀疏辅助去噪方法 Active CN113820310B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110953040.8A CN113820310B (zh) 2021-08-19 2021-08-19 一种频率调制热波信号稀疏辅助去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110953040.8A CN113820310B (zh) 2021-08-19 2021-08-19 一种频率调制热波信号稀疏辅助去噪方法

Publications (2)

Publication Number Publication Date
CN113820310A CN113820310A (zh) 2021-12-21
CN113820310B true CN113820310B (zh) 2022-09-30

Family

ID=78913276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110953040.8A Active CN113820310B (zh) 2021-08-19 2021-08-19 一种频率调制热波信号稀疏辅助去噪方法

Country Status (1)

Country Link
CN (1) CN113820310B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110503614A (zh) * 2019-08-20 2019-11-26 东北大学 一种基于稀疏字典学习的磁共振图像去噪方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110503614A (zh) * 2019-08-20 2019-11-26 东北大学 一种基于稀疏字典学习的磁共振图像去噪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于稀疏分解的LFM回波信号检测算法;肖正安;《湖北第二师范学院学报》;20160815(第08期);全文 *
基于迭代自适应稀疏分解的雷达信号去噪;樊甫华;《现代雷达》;20130615(第06期);全文 *
稀疏重构下的非线性调频信号参数估计算法;夏杰等;《信号处理》;20170125(第01期);全文 *

Also Published As

Publication number Publication date
CN113820310A (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
US4723553A (en) Ultrasound medium characteristics measuring apparatus
CN113820016B (zh) 一种相位调制热波信号全变分去噪方法
CN109884891B (zh) 一种高精度智能仿核信号发生系统及其工作方法
CN113238193B (zh) 一种多分量联合重构的sar回波宽带干扰抑制方法
Ricci et al. Exploiting non-linear chirp and sparse deconvolution to enhance the performance of pulse-compression ultrasonic NDT
WO2024109031A1 (zh) 一种基于hht变换的电压质量扰动检测方法
CN108846173B (zh) 一种基于慢特征分析的巴克豪森信号应力估计方法
CN113820310B (zh) 一种频率调制热波信号稀疏辅助去噪方法
CN103513094B (zh) 一种消除电力系统检测信号噪声的装置及方法
CN110032968A (zh) 基于双树复小波和自适应半软阈值法的去噪方法
CN111835360B (zh) 一种基于基追踪去噪的稀疏信号重构方法
CN116336936A (zh) 基于波长调制的傅里叶域oct系统色散补偿方法及系统
Guo et al. Reconstructing outside pass-band data to improve time resolution in ultrasonic detection
Nannan The application of an improved wavelet threshold function in de-noising of heart sound signal
CN116383605A (zh) 基于小波分解的车辆震动信号去噪方法
CN104883192A (zh) 基于混合压缩采样的非合作超宽带信号的重构方法
CN113556169A (zh) 一种小波阈值去噪方法及基于所述方法的光时域反射仪
Tsui et al. Noise-modulated empirical mode decomposition
Rieger Signal-folding for range-enhanced acquisition and reconstruction
Yan et al. A Power Thresholding Function-based Wavelet Image Denoising Method.
CN117274094B (zh) 一种用于可穿戴超声成像质量提升的反卷积重构方法
Lee et al. Linear time-varying filter with variable bandwidth
Li et al. Threshold of Denoising Weak Electrical Signals in Plants from Daubechies Wavelet Transform
Yadav et al. Enhancement and analysis of ECG signals using combined difference total variation optimization
Healey et al. Speckle definitions

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