论文部分内容阅读
针对目前超声3D识别普遍存在的识别率低、鲁棒性差等问题,以物体内部人工标准缺陷为超声靶标,通过对超声靶标脉冲超声回波信号进行处理,提取了相对能量、相对幅值、相对频域带宽、相对峰度系数、相对离散系数、相对包络面积、相对偏度系数和相对频谱半高宽等多个特征参数,利用Fisher线性判别分析(Fisher Linear Discriminative Analysis,FLDA)对这些特征参数进行融合,形成融合特征,并采用反向传播(Back Propagation,BP)神经网络对融合特征进行训练与识别,对物体内部