论文部分内容阅读
管道缺陷超声检测技术是无损检测领域研究热点之一,而管道缺陷超声内检测技术以其检测缺陷种类多,能同时实现管道表面及管道壁内多种缺陷的检测而成为管道缺陷检测重要方法之一。然而,超声内检测技术采用多传感器阵列结构,传感器数量多,再加之超声信号频率高,在检测中会产生大量的检测数据,对这些检测数据的实时传输、存储以及处理带来极大的困难,成为制约超声内检测技术发展的主要瓶颈。为此,本文研究了基于信号有限新息率(Finite Rate of Innovation,FRI)的超声信号稀疏采样理论及其在管道缺陷超声检测信号中的应用,极大地减少了检测过程中产生的数据量,并实现了缺陷的检测与参数估计。本文的主要研究工作如下: (1)首先分析了压缩采样在超声信号中的研究现状,结合管道检测超声信号的特点,研究了一种基于有限新息率的采样方法。该方法可以避免压缩传感中稀疏字典的构造,重构算法复杂等问题。在冲激信号个数较大或者信号受到噪声影响时,零化滤波器方法的重构性能恶化,因此研究了一种改进的最小二乘算法。实验结果表明改进的最小二乘算法能够以远远低于奈奎斯特速率的速率进行采样和重建原信号,并具有很好的抗噪能力。 (2)考虑到超声内检测带来的数据量巨大的问题,研究了一种适应于调制超声回波信号的新型低速率采样方法。它首先是对超声回波信号进行双通道再调制、滤波,实现正交解调,然后合成超声脉冲流。比较分析传统采样核后,选择SoS(Sum of Sincs)滤波器作为采样核,以新息率速率采集脉冲流信号。实验结果表明SoS采样核的抗噪性能优越,该采样方法可有效降低采样速率,减少数字化过程中的数据量,并能实现回波峰值的时延估计,达到管道缺陷检测的目的。 (3)结合超声回波信号的数学模型,研究了一种基于希尔伯特变换的超声回波信号的时延估计方法。该方法是将超声回波信号通过Hilbert变换解包络,形成具有FRI性质的脉冲流信号,利用低速率采样系统实现了脉冲信号的时延估计。实验结果表明该方法可减少信号的采样数据量,并能准确估计出回波峰值的达到时刻。 (4)研究了一种基于经验模态分解(Empirical Model Decomposition,EMD)的超声回波信号降噪方法及其FRI采样。该方法首先把原始采集的超声回波信号进行EMD处理,预处理回波信号中的噪声干扰,处理后的信号应用基于希尔伯特变换的FRI采样方法。实验结果表明时延估计精度得到了显著改善,验证了这种方法的可行性。