关键词:
超声检测
频谱混叠,噪声消除,时频变换,模型辨识
摘要:
为解决超声检测中噪声频谱混叠导致检测精度低的问题,提出一种数据-模型联合驱动的超声检测信号高质量提取方法。结合经验模态分解和分量聚类指标实现超声检测信号预处理,减小噪声对检测信号提取的影响;基于高斯回波模型,结合时频变换、频谱高斯拟合和人工蜂群算法对预处理信号的模型参数进行准确估计;根据模型参数对信号进行重构,实现超声检测信号高质量提取。仿真结果表明,本文方法可高质量提取信噪比SNR低至4.56 dB的超声检测信号,提取信号信噪比SNR均值提升至28.71 dB,提取效果显著优于现有常用方法,如经验模态分解(SNR=9.82 dB)和变分模态分解(SNR=11.07 dB)。此外,超声检测实验证明了本文方法可实现噪声频谱混叠下超声检测信号的高质量提取。