聲發(fā)射信號處理關鍵技術研究

公岷　柴松

摘要：目前聲發(fā)射技術廣泛應用于航天航空、電力工業(yè)、材料試驗、石油化工工業(yè)等各個領域，是目前進行無損檢測與評估的重要方式。聲發(fā)射中的信號處理是其中最關鍵的部分。文章將研究的重點放在聲發(fā)射信號處理方面，旨在從理論上進一步推動聲發(fā)射技術的發(fā)展。

關鍵詞：聲發(fā)射；信號處理；技術研究

1引言

聲發(fā)射是無損檢測中十分重要的一種方式。從上個世紀50年代開始有已經有專家學者投入到該方面的研究中。特別是進入到20世紀后，聲發(fā)射技術已經比常規(guī)的超聲無損檢測方法具有明顯優(yōu)勢。但是從目前的研究現狀而言，聲發(fā)射檢測還不能直接檢測到從聲發(fā)射源發(fā)出的原始聲發(fā)射信號，因此對傳感器接收到的聲發(fā)射信號進行處理與分析具有重要意義。

2聲發(fā)射信號處理技術研究

2.1聲發(fā)射信號常規(guī)處理技術

（1）特征參數法。特征參數法又分為常規(guī)特征參數與新型特征參數。常規(guī)特征參數屬于分析聲發(fā)射信號最廣泛時間最長的一種方法，該方式能夠定義聲發(fā)射信號的幅度、上升時間、持續(xù)時間、能量等等。新型特征參數能夠對某個具體領域的聲發(fā)射信號進行更加深入的分析。這種方法雖然從一定程度上實現了聲發(fā)射技術的發(fā)展，但是也存在明顯不足，評價機制難以確定等問題仍然未得到解決。

（2）波形分析技術。早期的波形分析技術采用的是傅立葉變換實現聲發(fā)射信號時域轉換為頻域，研究聲發(fā)射信號特征的過程。但是早期的聲發(fā)射傳感器是諧振式、高靈敏度型傳感器，雖然能夠達到提取純凈聲信號的作用，但是也過濾了大量同波形有關系的信息，導致信息分析質量不高?，F代波形分析的出現是因為復合材料聲發(fā)射信號分析的需要。波形分析能夠對聲發(fā)射破壞信號進行識別與區(qū)分，實現了更高層次的去噪能力與定位，但是波形分析目前的發(fā)展仍然停留在實驗研究階段。

2.2聲發(fā)射信號新型處理技術

（1）小波分析。小波分析是在傅立葉變換的基礎上發(fā)展而來。傅立葉變換解釋了時間函數與頻譜函數的關系，但是對頻率發(fā)生的時間定位方面還存在一定缺陷，因此將小波變化引進其中。這種小波分析與傅立葉變化結合始于上個世紀90年代。這種應用在復合材料中的研究更加深入，從目前的研究應用分析來看，小波分析雖然在聲發(fā)射信號處理中具有一定優(yōu)勢，但是小波對各種類型的聲發(fā)射信號的分析仍然停留在初級研究階段。

（2）盲源分離與獨立分量分析。盲源分離屬于神經網絡的一種，其因能夠實現兩個語音信號的盲分離成為了許多專家學者研究的重點。獨立分量分析是在源信號和信號混合模型未知的情況下降多道觀測信號按照統(tǒng)計獨立的原則通過優(yōu)化算法分解為若干個獨立分量，這些獨立分量可以看做是源信號的近似估計。盲源分離的基本數學模型為：X（t）=AS（t），M≥N，其中Xi（t），i=1，…M代表M個觀測信號，Si（t），i=1，…N代表N個未知的源信號。目前獨立分量分析已經廣泛引用于圖像處理、生物醫(yī)學信號處理、特征提取等領域。后有專家將獨立分量分析引進聲發(fā)射信號處理中。通過專家學者的多次試驗證明發(fā)現獨立分量分析方法能夠用于多聲發(fā)射源定位中。越來越多的試驗證明獨立分量分析應用于聲發(fā)射信號分析方面有著明顯優(yōu)勢，具有巨大發(fā)展?jié)摿Α?/p>

（3）分形理論。分形理論與聲發(fā)射信號處理方面的結合研究是始于上個世紀90年代初，試驗結果第一次將分形維的變化與裂紋的形成對應起來。但是由于分形維的理論研究還不夠完善，因此加強其理論研究在此基礎上進行分形維在聲發(fā)射信號中的處理將具有實踐意義。

3聲發(fā)射信號去噪處理研究

聲發(fā)射信號中的噪聲分為機械噪聲與電磁噪聲。采用的去噪方法有小波去噪、MP去噪。針對聲發(fā)射信號的不同類型其去噪方法也不同。

（1）針對聲發(fā)射信號中的突發(fā)型聲發(fā)射信號的去噪處理。以斷鉛聲發(fā)射信號為例，由于聲發(fā)射波在薄板結構中傳播時同時存在頻散與多模態(tài)的特性，因此在預處理的過程中必須考慮到導波的頻散和多模態(tài)特性的影響。通過實驗得到突發(fā)型聲發(fā)射信號的指數部分代表了以相速度傳播的載波，另一部分代表了以群速度傳播的調制信號。從去噪的處理結果可以發(fā)現當頻率厚度積較小時，一階彎曲波和一階擴展波在波導中其主要作用。相反，當頻率厚度積較大時，高階彎曲波和高階擴展波的作用與一階彎曲波和一階擴展波相同。

在融合的過程中需要選擇小波基、分解層數、小波閾值，分析MP算法矩陣構造的影響?？紤]到小波基有很多種類，相關文獻證明Symlets8小波、Coiflets5小波、Daubechies8是符合其選擇條件的。一般信號的信噪比越高，原始信號與去噪后估計信號的均方根越小，去噪后的信號就會越接近原始信號，得到的去噪效果就越好。而分解層數的不同只會反映出對不同的頻段上需要的細節(jié)不同。因此，針對分解層數的選擇需要根據實際情況進行分析。

小波閾值的選擇比較簡單，根據實際情況選擇最合適的閾值。在去噪過程中可以選擇硬閾值函數或者是軟閾值函數。其中軟閾值函數既能夠降低閾值的風險，又保留原始信號的部分特征，因此比較常用。MP算法的主要對象是指數型信號。

（2）針對聲發(fā)射信號中的連續(xù)型聲發(fā)射信號去噪處理。本段研究中以水管泄漏聲發(fā)射信號為研究對象。由于水管泄漏聲發(fā)射信號模態(tài)多，因此采用小波包進行聲發(fā)射信號的預處理。其基本處理流程為：根據信號s選擇小波，利用小波包進行分解，選擇熵準則計算出最佳樹，量化小波包分解系數閾值，進行小波包重構，最終得到重構后的信號S′。

（3）針對聲發(fā)射信號中的混合型聲發(fā)射信號去噪處理。本段研究以混凝土試件加載聲發(fā)射信號為研究對象。從去噪結果可以發(fā)現聲發(fā)射信號特征和裂紋擴展的速度和裂紋的大小有著密切關系。在加載的初始階段，橫向拉應變和劈裂荷載呈線性關系增長，到穩(wěn)定階段出現非線性，在非穩(wěn)定階段橫向拉應變增加，荷載變化不大說明試件可能出現裂紋。從以上可以發(fā)現想要處理好聲發(fā)射信號關鍵在于區(qū)分3個階段。針對初始階段由于其頻譜單一，加上沒有明顯的指數型信號特征，可以直接使用小波分解的方式進行處理。針對穩(wěn)定階段采用小波包處理，針對非穩(wěn)定階段使用小波和MP算法兩種結合的方式。

4聲發(fā)射信號預處理方法研究

上文簡單闡述的獨立分量分析，其涉及到概率論、線性代數以及信息論等多個方面的知識。由于獨立分量分析是遵循統(tǒng)計獨立原則，因此統(tǒng)計獨立衡量成為獨立分量分析算法的關鍵。目前針對獨立性度量的方法在，主要有以下幾種：互信息量極小化判據、非高斯性極大判據、高階統(tǒng)計量判據、極大似然判據。針對獨立分量分析的優(yōu)化算法，主要思考的是采用哪種優(yōu)化算法實現這個目標。換一種方法而言，獨立分量分析等同于優(yōu)化判據加上優(yōu)化方法。

針對獨立分量分析算法的預處理，通過對各種算法進行比較分析發(fā)現，高階統(tǒng)計量法雖然計算簡單，但是對噪聲的突變值十分敏感，導致處理效果不理想。在基于信息論的獨立分量分析算法第一步進行盲源信號的預處理，后采用各種后續(xù)獨立分量分析算法。兩者結合考慮，提出一種新的處理理念。首先對含有噪聲的盲源信號進行分析預處理，將原有的白化處理中使用到的主分量分析方法替換掉，針對分析的參數估計問題采用基于期望極大化算法進行極大似然估計法的參數估計。

5結語

總而言之，針對聲發(fā)射信號的處理需要根據其不同類型采用不同的處理方法?？紤]到聲發(fā)射信號頻散復雜、模態(tài)多，因此采用了獨立分量分析的預處理方式，并進行了改進。從理論意義而言對聲發(fā)射信號進行研究能夠有效完善其理論基礎，對推動聲發(fā)射在各個領域的深度應用具有現實意義。