快速广义的形态分量分析 matlab,独立分量分析法降噪技术研究 -尊龙游戏旗舰厅官网

在超声检测中,无论是人为因素还是非人为因素,都不可避免的会出现影响实验数据的因素,其中噪声是很重要的一环,实验数据的可靠性会因为噪声的干扰而大打折扣,以为了提高检测数据的精确性需要将噪声去除掉.噪声的处理包括:1)仪器电路和电子噪声的处理:在使用电子仪器的时候,由于仪器当中的电路会发生随机扰动的现象,可以采用建立数字超声系统物理模型无处噪声[1].2)脉动噪声的处理:由于信噪比可以直接的影响数据信息的可靠性,而脉动噪声又能够降低数据信号的信噪比,因此脉动噪声对信号的频谱也是有很大的影响的,可以采用空间平均法.高通滤波器法.小波变换消除脉动噪声法对噪声进行处理.3)脉冲噪声的处理:由于各个检测仪器,电脉冲,机械振动和变频电源之间的相互干扰会产生脉冲噪声,一般采用多通道相关法,多峰值剔除法,频域滤波法和中值滤波法进行脉冲噪声的处理[2-3].4)滤波降噪:在射线检测中,所检测出来的焊缝的图像噪声大多数是高斯白噪声,一般情况在可能会用低通滤波的方法来消除噪声,但是在消除图像的噪声的同时,同时也会消除图像部分一些有用的高频信息[4].5)独立分量分析:将多通道的观察信号源以独立统计的原理通过将算法优化以后,然后分成若干个独立的成分,这样就能够使信号的分析更加准确[5-8].本文以独立变量分析为原理,对人工加工的焊缝缺陷进行超声c扫描检测,同时应用matlab软件将检测结果中的a扫描信号进行分离迭代,能够很好的分离出源信号与噪声信号,可以避免噪声对缺陷信号的掩盖而导致检测人员对焊缝的漏判.1ica原理及基本理论独立分量分析法(简称ica)理论最早在20世纪80年代初由jherault和cjutten等人提出的.ica算法从根本上来说是一个寻优算法,其研究对象为盲源信号[4],基本理论如下:假设x1(t),x2(t),…,xn(t)是一组观测信号,s1(t),s2(t),…,sn(t)是一组独立的源信号,源信号通过混合后得到观测信号,如下式s1(t)=a11s1(t) a12s2(t) … a1msm(t)s2(t)=a21s1(t) a22s2(t) … a2msm(t)sn(t)=an1s1(t) an2s2(t) … anmsm(t)(1)上式用矩阵的形式可表示为x=as(2)式中x=[x1(t),x2(t),…,xn(t)]t,s=[s1(t),s2(t),…,sm(t)]t,a=a11a12…a1ma21a22…a2man1an2…anm.ica信号分离的目的为在s和a未知的情况下,利用一定的学习算法,自适应地调整网络的权w,使网络输出y再现s,其中y=wx(3)ica网络关系见图1.图1ica网络关系图一般说来,在进行ica时需遵循以下两条规则[5]:1)各信号源相互独立且最多有一个信号分量服从高斯分布.因为多个高斯信号的线性混合仍然服从高斯分布,从而导致信号不可区分;2)观测信号的数目不能小于独立信源数.在用ica对信号进行处理时通常要进行目标函数的确定、观测数据的预处理和独立分量的提取与算法的实现等过程.以下以负熵理论的快速算法对其进行说明.1.1目标函数的定义目标函数的定义主要是确定分析的目标和建立判断y(i)是否独立的判据.常用的是负熵法.即假设随机向量y的概率密度是p(y),那么其熵为h(y)=-p(y)lgp(y)dy(4)其负熵为ng(y)=h(ygauss-h(y)(5)由式(4)、(5)可得,当随机向量y的各分量相互独立时,其负熵取得极大值;当随机向量y的各分量具有高斯分面时,其负熵为0.国外的ica研究学者ahyvninen提

总结

以上是尊龙游戏旗舰厅官网为你收集整理的快速广义的形态分量分析 matlab,独立分量分析法降噪技术研究的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得尊龙游戏旗舰厅官网网站内容还不错，欢迎将尊龙游戏旗舰厅官网推荐给好友。