基于支持矢量机的小波域超声信号消噪技术

被引:9
作者
杨克己
乔华伟
机构
[1] 浙江大学现代制造工程研究所
关键词
超声无损检测; 信噪比; 小波变换; 支持矢量机;
D O I
暂无
中图分类号
TP274.53 [];
学科分类号
摘要
为了提高超声无损检测与无损评价基础数据的信噪比,提出一种基于支持矢量机模式识别理论的小波域超声信号消噪技术。该技术在研究材料内部散射体引起的结构噪声产生机理,以及分析传统裂谱分析算法局限性的基础上,利用小波变换方法将原始超声检测信号分解到小波空间,并通过采用以高斯函数为核函数的支持矢量机所构成的信噪分离器对信号和噪声进行识别、分离来消除噪声,得到高信噪比的超声回波信号。试验结果表明,与传统裂谱分析算法相比。该技术提高了消噪性能的稳定性,增强了湮没材料内部各种散射体散射中的缺陷回波信号能力。
引用
收藏
页码:66 / 71
页数:6
相关论文
共 6 条
[1]   一种基于SVM和EMD的齿轮故障诊断方法 [J].
于德介 ;
杨宇 ;
程军圣 .
机械工程学报, 2005, (01) :140-144
[2]   支持向量机及其应用研究综述 [J].
祁亨年 .
计算机工程, 2004, (10) :6-9
[3]   基于神经网络的自适应裂谱分析方法 [J].
杨克己 ;
胡旭晓 .
中国机械工程, 2002, (09) :92-95+6
[4]  
人工神经网络原理及仿真实例[M]. 机械工业出版社 , 高隽编著, 2003
[5]  
Signal processing for the detection of multiple imperfection echoes drowned in the structural noise[J] . R Drai,A Benammar,A Benchaala.Ultrasonics . 2004 (1)
[6]  
Studies of split spectrum processing, optimal detection, and maximum likelihood amplitude estimation using a simple clutter model[J] . Mats G. Gustafsson,Tadeusz Stepinski.Ultrasonics . 1997 (1)