公岷　柴松

摘要：目前聲發(fā)射技術(shù)廣泛應(yīng)用于航天航空、電力工業(yè)、材料試驗(yàn)、石油化工工業(yè)等各個領(lǐng)域，是目前進(jìn)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(guān)鍵的部分。文章將研究的重點(diǎn)放在聲發(fā)射信號處理方面，旨在從理論上進(jìn)一步推動聲發(fā)射技術(shù)的發(fā)展。

關(guān)鍵詞：聲發(fā)射；信號處理；技術(shù)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(jì)50年代開始有已經(jīng)有專家學(xué)者投入到該方面的研究中。特別是進(jìn)入到20世紀(jì)后，聲發(fā)射技術(shù)已經(jīng)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(xiàn)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(jìn)行處理與分析具有重要意義。

2聲發(fā)射信號處理技術(shù)研究

2.1聲發(fā)射信號常規(guī)處理技術(shù)

（1）特征參數(shù)法。特征參數(shù)法又分為常規(guī)特征參數(shù)與新型特征參數(shù)。常規(guī)特征參數(shù)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(shù)能夠?qū)δ硞€具體領(lǐng)域的聲發(fā)射信號進(jìn)行更加深入的分析。這種方法雖然從一定程度上實(shí)現(xiàn)了聲發(fā)射技術(shù)的發(fā)展，但是也存在明顯不足，評價機(jī)制難以確定等問題仍然未得到解決。

（2）波形分析技術(shù)。早期的波形分析技術(shù)采用的是傅立葉變換實(shí)現(xiàn)聲發(fā)射信號時域轉(zhuǎn)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(dá)到提取純凈聲信號的作用，但是也過濾了大量同波形有關(guān)系的信息，導(dǎo)致信息分析質(zhì)量不高。現(xiàn)代波形分析的出現(xiàn)是因?yàn)閺?fù)合材料聲發(fā)射信號分析的需要。波形分析能夠?qū)β暟l(fā)射破壞信號進(jìn)行識別與區(qū)分，實(shí)現(xiàn)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(shí)驗(yàn)研究階段。

2.2聲發(fā)射信號新型處理技術(shù)

（1）小波分析。小波分析是在傅立葉變換的基礎(chǔ)上發(fā)展而來。傅立葉變換解釋了時間函數(shù)與頻譜函數(shù)的關(guān)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(jìn)其中。這種小波分析與傅立葉變化結(jié)合始于上個世紀(jì)90年代。這種應(yīng)用在復(fù)合材料中的研究更加深入，從目前的研究應(yīng)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(dú)立分量分析。盲源分離屬于神經(jīng)網(wǎng)絡(luò)的一種，其因能夠?qū)崿F(xiàn)兩個語音信號的盲分離成為了許多專家學(xué)者研究的重點(diǎn)。獨(dú)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(jì)獨(dú)立的原則通過優(yōu)化算法分解為若干個獨(dú)立分量，這些獨(dú)立分量可以看做是源信號的近似估計(jì)。盲源分離的基本數(shù)學(xué)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(dú)立分量分析已經(jīng)廣泛引用于圖像處理、生物醫(yī)學(xué)信號處理、特征提取等領(lǐng)域。后有專家將獨(dú)立分量分析引進(jìn)聲發(fā)射信號處理中。通過專家學(xué)者的多次試驗(yàn)證明發(fā)現(xiàn)獨(dú)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(yàn)證明獨(dú)立分量分析應(yīng)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(jié)合研究是始于上個世紀(jì)90年代初，試驗(yàn)結(jié)果第一次將分形維的變化與裂紋的形成對應(yīng)起來。但是由于分形維的理論研究還不夠完善，因此加強(qiáng)其理論研究在此基礎(chǔ)上進(jìn)行分形維在聲發(fā)射信號中的處理將具有實(shí)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(jī)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(jié)構(gòu)中傳播時同時存在頻散與多模態(tài)的特性，因此在預(yù)處理的過程中必須考慮到導(dǎo)波的頻散和多模態(tài)特性的影響。通過實(shí)驗(yàn)得到突發(fā)型聲發(fā)射信號的指數(shù)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(diào)制信號。從去噪的處理結(jié)果可以發(fā)現(xiàn)當(dāng)頻率厚度積較小時，一階彎曲波和一階擴(kuò)展波在波導(dǎo)中其主要作用。相反，當(dāng)頻率厚度積較大時，高階彎曲波和高階擴(kuò)展波的作用與一階彎曲波和一階擴(kuò)展波相同。

在融合的過程中需要選擇小波基、分解層數(shù)、小波閾值，分析MP算法矩陣構(gòu)造的影響?？紤]到小波基有很多種類，相關(guān)文獻(xiàn)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(jì)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(shù)的不同只會反映出對不同的頻段上需要的細(xì)節(jié)不同。因此，針對分解層數(shù)的選擇需要根據(jù)實(shí)際情況進(jìn)行分析。

小波閾值的選擇比較簡單，根據(jù)實(shí)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(shù)或者是軟閾值函數(shù)。其中軟閾值函數(shù)既能夠降低閾值的風(fēng)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(shù)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(jìn)行聲發(fā)射信號的預(yù)處理。其基本處理流程為：根據(jù)信號s選擇小波，利用小波包進(jìn)行分解，選擇熵準(zhǔn)則計(jì)算出最佳樹，量化小波包分解系數(shù)閾值，進(jìn)行小波包重構(gòu)，最終得到重構(gòu)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(jié)果可以發(fā)現(xiàn)聲發(fā)射信號特征和裂紋擴(kuò)展的速度和裂紋的大小有著密切關(guān)系。在加載的初始階段，橫向拉應(yīng)變和劈裂荷載呈線性關(guān)系增長，到穩(wěn)定階段出現(xiàn)非線性，在非穩(wěn)定階段橫向拉應(yīng)變增加，荷載變化不大說明試件可能出現(xiàn)裂紋。從以上可以發(fā)現(xiàn)想要處理好聲發(fā)射信號關(guān)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(shù)型信號特征，可以直接使用小波分解的方式進(jìn)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(jié)合的方式。

4聲發(fā)射信號預(yù)處理方法研究

上文簡單闡述的獨(dú)立分量分析，其涉及到概率論、線性代數(shù)以及信息論等多個方面的知識。由于獨(dú)立分量分析是遵循統(tǒng)計(jì)獨(dú)立原則，因此統(tǒng)計(jì)獨(dú)立衡量成為獨(dú)立分量分析算法的關(guān)鍵。目前針對獨(dú)立性度量的方法在，主要有以下幾種：互信息量極小化判據(jù)、非高斯性極大判據(jù)、高階統(tǒng)計(jì)量判據(jù)、極大似然判據(jù)。針對獨(dú)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(shí)現(xiàn)這個目標(biāo)。換一種方法而言，獨(dú)立分量分析等同于優(yōu)化判據(jù)加上優(yōu)化方法。

針對獨(dú)立分量分析算法的預(yù)處理，通過對各種算法進(jìn)行比較分析發(fā)現(xiàn)，高階統(tǒng)計(jì)量法雖然計(jì)算簡單，但是對噪聲的突變值十分敏感，導(dǎo)致處理效果不理想。在基于信息論的獨(dú)立分量分析算法第一步進(jìn)行盲源信號的預(yù)處理，后采用各種后續(xù)獨(dú)立分量分析算法。兩者結(jié)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(jìn)行分析預(yù)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(shù)估計(jì)問題采用基于期望極大化算法進(jìn)行極大似然估計(jì)法的參數(shù)估計(jì)。

5結(jié)語

總而言之，針對聲發(fā)射信號的處理需要根據(jù)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(fù)雜、模態(tài)多，因此采用了獨(dú)立分量分析的預(yù)處理方式，并進(jìn)行了改進(jìn)。從理論意義而言對聲發(fā)射信號進(jìn)行研究能夠有效完善其理論基礎(chǔ)，對推動聲發(fā)射在各個領(lǐng)域的深度應(yīng)用具有現(xiàn)實(shí)意義。