在超聲檢測中,無論是人為因素還是非人為因素,都不可避免的會出現影響實驗數據的因素,其中噪聲是很重要的一環,實驗數據的可靠性會因為噪聲的干擾而大打折扣,以為了提高檢測數據的精確性需要將噪聲去除掉.噪聲的處理包括:1)儀器電路和電子噪聲的處理:在使用電子儀器的時候,由于儀器當中的電路會發生隨機擾動的現象,可以采用建立數字超聲系統物理模型無處噪聲[1].2)脈動噪聲的處理:由于信噪比可以直接的影響數據信息的可靠性,而脈動噪聲又能夠降低數據信號的信噪比,因此脈動噪聲對信號的頻譜也是有很大的影響的,可以采用空間平均法.高通濾波器法.小波變換消除脈動噪聲法對噪聲進行處理.3)脈沖噪聲的處理:由于各個檢測儀器,電脈沖,機械振動和變頻電源之間的相互干擾會產生脈沖噪聲,一般采用多通道相關法,多峰值剔除法,頻域濾波法和中值濾波法進行脈沖噪聲的處理[2-3].4)濾波降噪:在射線檢測中,所檢測出來的焊縫的圖像噪聲大多數是高斯白噪聲,一般情況在可能會用低通濾波的方法來消除噪聲,但是在消除圖像的噪聲的同時,同時也會消除圖像部分一些有用的高頻信息[4].5)獨立分量分析:將多通道的觀察信號源以獨立統計的原理通過將算法優化以后,然后分成若干個獨立的成分,這樣就能夠使信號的分析更加準確[5-8].本文以獨立變量分析為原理,對人工加工的焊縫缺陷進行超聲C掃描檢測,同時應用MATLAB軟件將檢測結果中的A掃描信號進行分離迭代,能夠很好的分離出源信號與噪聲信號,可以避免噪聲對缺陷信號的掩蓋而導致檢測人員對焊縫的漏判.1ICA原理及基本理論獨立分量分析法(簡稱ICA)理論最早在20世紀80年代初由JHerault和CJutten等人提出的.ICA算法從根本上來說是一個尋優算法,其研究對象為盲源信號[4],基本理論如下:假設x1(t),x2(t),…,xn(t)是一組觀測信號,s1(t),s2(t),…,sn(t)是一組獨立的源信號,源信號通過混合后得到觀測信號,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)上式用矩陣的形式可表示為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信號分離的目的為在S和A未知的情況下,利用一定的學習算法,自適應地調整網絡的權W,使網絡輸出Y再現S,其中Y=WX(3)ICA網絡關系見圖1.圖1ICA網絡關系圖一般說來,在進行ICA時需遵循以下兩條規則[5]:1)各信號源相互獨立且最多有一個信號分量服從高斯分布.因為多個高斯信號的線性混合仍然服從高斯分布,從而導致信號不可區分;2)觀測信號的數目不能小于獨立信源數.在用ICA對信號進行處理時通常要進行目標函數的確定、觀測數據的預處理和獨立分量的提取與算法的實現等過程.以下以負熵理論的快速算法對其進行說明.1.1目標函數的定義目標函數的定義主要是確定分析的目標和建立判斷y(i)是否獨立的判據.常用的是負熵法.即假設隨機向量y的概率密度是p(y),那么其熵為H(y)=-p(y)lgp(y)dy(4)其負熵為Ng(y)=H(yGauss-H(y)(5)由式(4)、(5)可得,當隨機向量y的各分量相互獨立時,其負熵取得極大值;當隨機向量y的各分量具有高斯分面時,其負熵為0.國外的ICA研究學者AHyvninen提

總結

以上是生活随笔為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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。