声发射信号处理及去噪方法的算法实现.docx

声发射信号处理及去噪方法的算法实现.docx

《声发射信号处理及去噪方法的算法实现.docx》由会员分享，可在线阅读，更多相关《声发射信号处理及去噪方法的算法实现.docx（9页珍藏版）》请在冰豆网上搜索。

声发射信号处理及去噪方法的算法实现

声发射信号处理及去噪方法的算法实现

张宏;范琳琳

【摘要】分析了基于声发射技术检测中噪声的来源及处理方法,并对消噪方法中采用的傅立叶算法和小波分析方法进行比较.描述了小波去噪的原理以及几种闽值的确定方法,并提出了一种改进的阈值函数.

【期刊名称】《林业机械与木工设备》

【年（卷）,期】2009（037）011

【总页数】3页（P26-28）

【关键词】振动与波;小波分析;信号去噪;声发射;傅立叶变换

【作者】张宏;范琳琳

【作者单位】哈尔滨理工大学计算机科学与技术学院,黑龙江,哈尔滨,150040;哈尔滨理工大学计算机科学与技术学院,黑龙江,哈尔滨,150040

【正文语种】中文

【中图分类】农业科学

第37卷第11期2009年11月林业机械与木工设备Vol37No.llFORESTRYMACHINERY&WOODWORKINGEQUIPMENTNov.2009声发射信号处理及去噪方法的算法实现张宏，范琳琳（哈尔滨理工大学计算机科学与技术学院，黑龙江哈尔滨150040）摘要：

分析了基于声发射技术检测中噪声的来源及处理方法，并对消噪方法中采用的傅立叶算法和小波分析方法进行比较。

描述了小波去噪的原理以及几种阈值的确定方法，并提出了一种改进的阈值函数。

关键词：

振动与波；小波分析；信号去噪；声发射；傅立叶变换中图分类号：

TB533；TH117文献标识码：

A文章编号：

1001-4462（2009）11-0026-03AcousticEmissionSignalProcessingandRealizationofDe-noisingAlgorithmZHANGHong,FANLin-Iin（SchoolofComputerScienc,eandTechnology,HarbinUniversityofScienceandTechnology,HarbinHeilongjiang150040,China）Abstract:

NoisesourceinacousticemissiondetectionandrelevantprocessingmethodsareanalyzedandthecomparisonbetweenFourieralgorithmandwaveletanalysismethodsadoptedinde-noisingmethodsismade.Theprincipleofwaveletde-noisingandthemethodsofdeterminingseveralthresholdvaluesaredescribed,withanimprovedthresholdfunctionpresented.KeywordS:

vibrationandwave;waveletanalysis;signalde-noising;acousticemission;Fouriertransform材料中能量从局部源快速释放产生瞬态弹性波的现象称之为声发射（AcousticEmission，AE）。

利用这种现象可以对材料或其它结构件进行检测，声发射检测与其它无损检测方法相比具有以下几个显著特点：

①声发射检测是唯一与实时时间发生关系的测试方法。

②声发射信号由被测物体直接发出而非无损检测仪器发出。

③声发射检测是一种动态检测，能反映出材料在载荷作用下内部损伤的发展情况。

噪声在声发射检测中出现是不可避免的，其是在使用频率内存在的干扰，但目前的标准和资料还没有对声发射检测结果中出现的噪声信号进行分析并提出相应的评价。

因此：

识别检测结果中出现的噪声信号而避免出现误判，对声发射检测的结果进行准确评价是亟待解决的问题。

1声发射噪声来源及处理方法1.1声发射噪声的类型声发射信号中噪声的类型一般包括机械噪声和电收稿日期：

2009-08-12磁噪声。

机械噪声的来源主要有以下三个方面：

①摩擦引起的噪声，其为加载装置在加载过程中由于相对机械滑动引起的噪声；②撞击噪声，包括雨、雪、风沙、振动以及人为敲打等；③流体噪声，包括高速流动、空化、沸腾及泵和阀门等的流体噪声。

电磁噪声的来源主要有以下三个方面：

①由前置放大器引起不可避免的本底电子噪声；②因检测系统和试件接地不当引起的回路噪声；③因环境中电台和雷达等无线发射器、电源干扰、电开关、继电器、电动机、焊接、电火花等引起的电噪声。

1.2噪声的排除方法噪声的鉴别和排除是声发射技术的主要难题，现有许多可供选择的软件和硬件排除方法。

有些需在检测前采取措施，而有些则要在实时或事后进行。

噪声的排除方法有以下几种：

①主幅鉴别排除噪声：

利用波到达主幅传感器的次序及其门电路，排除先到达副传感器的信号，而只采用来自主传感器附近的信号，该方法第37卷11期2009年11月林业机械与木工设备Vol37No.llFORESTRY张宏，范琳琳（文章编号：

1001-4462（2009）11-0026-03AcousticEmissionSignalProcessingandRealizationofDe-noisingAlgorithmFANLin-Iin（SchoolofComputerScienc,eandTechnology,HarbinUniversityofScienceandTechnology,HarbinHeilongjiang150040,China）Abstract:

NoisesourceinacousticemissiondetectionandrelevantprocessingmethodsareanalyzedandthecomparisonbetweenFourieralgorithmandwaveletanalysismethodsadoptedinde-noisingmethodsismade.Theprincipleofwaveletde-noisingandthemethodsofdeterminingseveralthresholdvaluesaredescribed,withanimprovedthresholdfunctionpresented.wordS:

vibrationandwave;waveletanalysis;signalde-noising;acousticemission;Fouriertransform材料中能量从局部源快速释放产生瞬态弹性波的现象称之为声发射（AcousticEmission，AE）。

利用这种现象可以对材料或其它结构件进行检测，声发射检测与其它无损检测方法相比具有以下几个显著特点：

①声发射检测是唯一与实时时间发生关系的测试方法。

②声发射信号由被测物体直接发出而非无损检测仪器发出。

噪声在声发射检测中出现是不可避免的，其是在使用频率内存在的干扰，但目前的标准和资料还没有对声发射检测结果中出现的噪声信号进行分析并提出相应的评价。

因此：

识别检测结果中出现的噪声信号而避免出现误判，对声发射检测的结果进行准确评价是亟待解决的问题。

机械噪声的来源主要有以下三个方面：

①摩擦引起的噪声，其为加载装置在加载过程中由于相对机械滑动引起的噪声；②撞击噪声，包括雨、雪、风沙、振动以及人为敲打等；③流体噪声，包括高速流动、空化、沸腾及泵和阀门等的流体噪声。

电磁噪声的来源主要有以下三个方面：

①由前置放大器引起不可避免的本底电子噪声；②因检测系统和试件接地不当引起的回路噪声；③因环境中电台和雷达等无线发射器、电源干扰、电开关、继电器、电动机、焊接、电火花等引起的电噪声。

噪声的鉴别和排除是声发射技术的主要难题，现有许多可供选择的软件和硬件排除方法。

有些需在检测前采取措施，而有些则要在实时或事后进行。

噪声的排除方法有以下几种：

①主幅鉴别排除噪声：

利用波到达主幅传感器的次序及其门电路，排除先到达副传感器的信号，而只采用来自主传感器附近的信号，该方法第Il期张宏，等：

声发射信号处理及去噪方法的算法实现27属空间鉴别，适用于来自特定区域外的机械噪声排除。

②载荷控制门排除噪声：

利用载荷门电路，只采用特定载荷范围内的信号，其适用于疲劳试验时机械噪声的排除。

③数据滤波排除噪声：

对撞击信号设置参数滤波窗口，滤波窗口外的撞击数据（包括前端实时滤波和事后滤波），其适用于机械噪声或电磁噪声的排除（1]。

2现代信号处理方法声发射信号去噪处理是声发射信号处理的重要步骤。

现代去噪处理方法的种类很多，有时域法、频域法和时频域法，每种方法都有不同的适用范围。

一般来说，对平稳信号大多采用频域分析法，通过傅立叶变换提取信号的频谱特征；而对非平稳信号，目前常用的则是小波分析法。

声发射信号是一种非平稳信号，而且声发射信号的类型不同、传播特性不同，相应的去噪方法也就不同。

因此对声发射信号进行传播特性分析，是去噪方法选取的理论基础和依据[2]。

2.1傅立叶变换快速傅立叶变换（FFT）是信号处理的主要方法。

信号的相关、滤波和谱估计都要通过FFT来实现。

已知有限列长为N，序列x（n）的离散傅立叶变换（DFT）为：

Ⅳ一lx（¨：

∑并（n）肜臀ri=O式中：

k：

o，1，…，N-l;W：

e1（2rT’。

应用傅立叶变换去噪流程如下：

①对原始信号进行傅立叶变换，求出其频谱。

②根据频谱，对比我们所关心的频谱成分，对不需要的频谱成分进行抑制。

③对变换后的频谱做傅立叶逆变换，得到降噪后的信号。

此过程其实相当于对原信号在一定范围内做滤波，还原到时域相当于对信号进行卷积运算。

设原始信号为f（t），降噪后信号为g（t），其傅立叶变换形式分别为F（【0）和G（【0），则该过程可表示为：

G（co）=H（o））gF（（I））其中H（co）为频域中的滤波器，其可抑制噪声信号的频谱。

使用低通滤波器对信号进行降噪处理，结果如图1所示。

2_2小波分析2.2.1小波分析降噪原理小波分析（又称小波变换）是一种新的时频分析方蝤11曲ito罂一l趔1善O翼一lj璺l篓。

票一l0200040006000800010000采样点数原始信号0200040006000800010000采样点数0200040006000800010000采样点数宽度为50的低通滤波器滤波后的信号图1降噪结果法。

与其他时频方法不同的是，小波分析是用尺度算子代替频率移动算子，将时间频率相平面换为时间尺度相平面，而且时窗函数为变特性窗，在高频段时窗长度短，低频段时窗长度长。

由于小波变换具有时窗恃陛可调的特点，使其既能对信号中的短时高频成分进行有效分析，又能对信号中的低频缓变成分进行精确估计。

设f（t）∈L2（R），则对其可允许小波函数叩。

上（t）的连续小波变换为：

，∞（形∥）（口，6）=f以≠）谚忑了d￡小波分析降噪可分以下几个阶段：

①分解过程：

选定一种小波，对信号进行N层小波小波包）分解。

②作用阈值过程：

对分解得到的各层系数选择一个阈值，并对细节系数作软阈值处理。

③重建过程：

将处理后的系数通过小波（小波包）重建恢复成原始信号‘3]2.2.2从原始信号确定各级阈值得到信号的噪声强度后即可据此来确定各层的阈值，对噪声强度为盯的白噪声，阈值的确定主要有硬阈值法和软阈值法两种。

其中硬阈值法的方程为：

^IWj.klIWj.kl≥thr埘，产{Xl哟，。

I<琥，软阈值法的方程为：

^V＆）（lwj.icl-thr）lwj.i:

l≥thr加，，t={89nG0lwj，々k￡hr式中：

sgn（）为符号函数thr的阈值，其选取方法有以下两种。

①利用缺省的阈值确定模型，阈值公式为：

Il等：

声发射信号处理及去噪方法的算法实现属空间鉴别，适用于来自特定区域外的机械噪声排除。

②载荷控制门排除噪声：

利用载荷门电路，只采用特定载荷范围内的信号，其适用于疲劳试验时机械噪声的排除。

③数据滤波排除噪声：

对撞击信号设置参数滤波窗口，滤波窗口外的撞击数据（包括前端实时滤波和事后滤波），其适用于机械噪声或电磁噪声的排除（1]现代去噪处理方法的种类很多，有时域法、频域法和时频域法，每种方法都有不同的适用范围。

一般来说，对平稳信号大多采用频域分析法，通过傅立叶变换提取信号的频谱特征；而对非平稳信号，目前常用的则是小波分析法。

声发射信号是一种非平稳信号，而且声发射信号的类型不同、传播特性不同，相应的去噪方法也就不同。

因此对声发射信号进行传播特性分析，是去噪方法选取的理论基础和依据[2]2.1傅立叶变换快速傅立叶变换（FFT）是信号处理的主要方法。

信号的相关、滤波和谱估计都要通过FFT来实现。

已知有限列长为N，序列x（n）的离散傅立叶变换（N-l;W：

e1（2rT’应用傅立叶变换去噪流程如下：

①对原始信号进行傅立叶变换，求出其频谱。

②根据频谱，对比我们所关心的频谱成分，对不需要的频谱成分进行抑制。

此过程其实相当于对原信号在一定范围内做滤波，还原到时域相当于对信号进行卷积运算。

设原始信号为f（t），降噪后信号为g（t），其傅立叶变换形式分别为所示。

2_2小波分析2.2.1小波分析降噪原理蝤曲ito罂一l趔1善O翼j璺l篓。

票一0200040006000800010000采样点数图降噪结果与其他时频方法不同的是，小波分析是用尺度算子代替频率移动算子，将时间频率相平面换为时间尺度相平面，而且时窗函数为变特性窗，在高频段时窗长度短，低频段时窗长度长。

由于小波变换具有时窗恃陛可调的特点，使其既能对信号中的短时高频成分进行有效分析，又能对信号中的低频缓变成分进行精确估计。

∞得到信号的噪声强度后即可据此来确定各层的阈值，对噪声强度为盯的白噪声，阈值的确定主要有硬阈值法和软阈值法两种。

其中硬阈值法的方程为：

^IWj.klIWj.kl≥thr埘，产{Xl哟，。

I<琥，＆）（lwj.icl-thr）lwj.i:

l≥thr加，t={89nG0lwj々k￡hr式中：

sgn（）为符号函数thr的阈值，其选取方法有以下28林业机械与木工设备第37卷thr=、／瓦西i陌-其中，n为信号的长度。

②采用小波分析中的penalty阈值，阈值公式可由下式给出：

令t+使得以下函数得到的t值最小。

crit（f）=一∑c}+2cr2t（a+log（nlt）!

≤1式中：

Ck为小波分解系数排序后第k大的系数；n为系数的总数，则阈值为：

thr=lc:

l；盯为信号的噪声强度，a为经验系数，a必须为大于l的实数，随着a的增大，降噪后信号的小波系数会变稀疏，重建后的信号也会变得更光滑[4】2.2.3改进的小波阈值函数硬阈值算法中，0i，。

在wj．k=thr处不连续，给重构信号带来振荡；而软阈值算法中得到的小波系数虽然连续，但这些系数与实际信号经小波分析得到的系数存在恒定偏差，这会直接影响重构信号与真实信号的逼近程度。

而且它的导数不连续，在实际应用中经常需要连续的一阶甚至高阶导数进行运算处理，因此该函数的应用具有一定的局限性。

为解决软、硬阈值算法的不足，可将其结合起来，构造出一个改进的阈值函数，即：

^啦，☆一athr十—i：

芝丝叠_．一lwj.rcl≥￡胁埘j.h=1印（戈）Olw，.il

此算法中，当系数a=0时是硬阈值算法，a=l时是软阈值算法。

由于软阈值算法估计出来的小波系数Wj,k的绝对值总比Wj,k小thr，因此影响了重构精度，所以要设法减小此偏差，但这种偏差减小为零未必最好，应使IWj.k[的取值介于lwj.kl-thr和1w

1．。

I之间，以便使估计出来的小波系数嚣．，。

与实际更加接近。

当O$a≤1时，随着IWj,。

J的增大，嚣i，。

和Wj．。

的偏差绝对值会逐渐减小为athr，这就大大减小了软阈值算法中产生的恒定偏差，提高了重构精度，改善了去噪效果。

在小波分解过程中，每次分解得到的近似系数都比以前更光滑，舍去的细节信息则存放在各层的近似系数中，简单的构想就是重建笫i层近似系数达到降噪的目的，即通过抑制细节系数实现降噪[5]，其降噪结果如图2所示。

2.3结果分析两种方法降噪后的结果比较如表1所示。

从表1可以看出，傅立叶变换只能在频域范围内表述，而且对系数进行处理的方法也相对单一，而小波分解之后可以在各个层次选择阈值对噪声成分进行抑制，手段更加灵活．。

趔l1哑lo罂一1j型1喜o罂-l匝0200040006000800010000采样点数原始信号匝0200040006000800010000采样点数通过抑制细节得到的降幅信号图2通过抑制细节系数对信号的降噪结果表l两种降噪方法降噪后的结果比较降噪降噪后信号在原信号中降噪后信号在原信号中方法的能量成分的标准差98.240/015.3208小波降噪95.51%3.2697在采用小波变换进行噪声抑制时，降噪结果的能量比例（95.51%）虽然没有FFT滤波器的结果（98.24%）高，但小波变换却保持了与原始信号更高的相似程度。

表1所示的小波变换对细节系数抑制后的滤波结果与原信号的标准差为3.2697，比FFT的结果15.3208小。

从这个意义上讲，展开之后的小波系数，不但可以对某些频段的系数做滤波，更重要的是还可以根据某些频段所分离出的系数随时间的变化，通过某些准则来确定其是信号本身所包含的信息，还是在统计上为无规律的噪声l6l。

3结束语提出了一种改进的阈值函数，通过试验及数据分析，证明了对基于声发射技术采集的含噪声信号应采用小波分析的方法消除噪声。

主要参考文献：

[1]杨明伟．声发射检测[s].北京：

机械工业出版社，2005:

1-30．[2J董长虹，等．Mallab小波分析工具箱原理与应用[M]．北京：

国防工业出版社，2004:

108-126.[3]胡广书．现代信号处理教程[M]．北京：

清华大学出版社，2004:

397-40

2．[4]秦品乐，等．基于小波去噪和EMD的船舶液位信号特性分析[J]．计算机工程，2008,34（18）:

13-16.[5]王秉仁，等，小波阈值降噪技术在振动信号处理中的应用[J]．噪声与振动控制，2008（6）:

9-12．第一作者简介：

张宏（1962-），博士，副教授，硕士生导师，研究方向为计算机系统设计。

┏━━━━━━━┳━━━━━━━━━━━┳━━━━━━━━━━━┓┃┃降噪后信号在原信号中┃┣━━━━━━━╋━━━━━━━━━━━╋━━━━━━━━━━━┫┃┃┗━━━━━━━┻━━━━━━━━━━━┻━━━━━━━━━━━┛下式给出：

令t+使得以下函数得到的t值最小。

crit（f）=∑c}+2cr2t（a+log（nlt）!

≤1式中：

Ck为小波分解系数排序后第k大的系数；n为系数的总数，则阈值为：

thr=lc:

l；盯为信号的噪声强度，a为经验系数，a必须为大于l的实数，随着a的增大，降噪后信号的小波系数会变稀疏，重建后的信号也会变得更光滑[4】硬阈值算法中，0i，。

在wj．k=thr处不连续，给重构信号带来振荡；而软阈值算法中得到的小波系数虽然连续，但这些系数与实际信号经小波分析得到的系数存在恒定偏差，这会直接影响重构信号与真实信号的逼近程度。

而且它的导数不连续，在实际应用中经常需要连续的一阶甚至高阶导数进行运算处理，因此该函数的应用具有一定的局限性。

为解决软、硬阈值算法的不足，可将其结合起来，构造出一个改进的阈值函数，即：

^啦，☆一athr十—i：

芝丝叠_．一lwj.rcl≥￡胁印（戈）Olw.il

此算法中，当系数a=0时是硬阈值算法，a=l时是软阈值算法。

由于软阈值算法估计出来的小波系数Wj,k的绝对值总比Wj,k小thr，因此影响了重构精度，所以要设法减小此偏差，但这种偏差减小为零未必最好，应使IWj.k[的取值介于lwj.kl-thr和1w1．。

I之间，以便使估计出来的小波系数嚣．，。

与实际更加接近。

当O$a≤1时，随着IWj,。

J的增大，嚣i，。

和Wj．。

的偏差绝对值会逐渐减小为athr，这就大大减小了软阈值算法中产生的恒定偏差，提高了重构精度，改善了去噪效果。

在小波分解过程中，每次分解得到的近似系数都比以前更光滑，舍去的细节信息则存放在各层的近似系数中，简单的构想就是重建笫i层近似系数达到降噪的目的，即通过抑制细节系数实现降噪[5]2.3结果分析两种方法降噪后的结果比较如表1所示。

从表1可以看出，傅立叶变换只能在频域范围内表述，而且对系数进行处理的方法也相对单一．哑lo一1型喜o-l匝8000100002通过抑制细节系数对信号的降噪结果表两种降噪方法降噪后的结果比较在采用小波变换进行噪声抑制时，降噪结果的能量比例（95.51%）虽然没有FFT滤波器的结果（98.24%）高，但小波变换却保持了与原始信号更高的相似程度。

表1所示的小波变换对细节系数抑制后的滤波结果与原信号的标准差为3.2697，比FFT的结果15.3208小。

从这个意义上讲，展开之后的小波系数，不但可以对某些频段的系数做滤波，更重要的是还可以根据某些频段所分离出的系数随时间的变化，通过某些准则来确定其是信号本身所包含的信息，还是在统计上为无规律的噪声l6l3结束语[1]杨明伟．声发射检测[s].北京：

机械工业出版社，2005:

1-30．[2J董长虹，等．Mallab小波分析工具箱原理与应用[M]．北京：

国防工业出版社，2004:

108-126.397-402．[4]秦品乐，等．基于小波去噪和EMD的船舶液位信号特性分析[J]．┏━┳┓┣╋┫┗┻┛

【文献来源】