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 -ag凯发k8国际

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ag凯发k8国际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ag凯发k8国际网站内容还不错，欢迎将ag凯发k8国际推荐给好友。