在超聲檢測中,傳感器采集數(shù)據(jù)時易造成冗余信號和隨機噪聲,抑制隨機噪聲的同時壓縮重構(gòu)信號一直是超聲檢測領域的研究熱點和難點。基于壓縮感知理論和超聲檢測方法,提出一種改進壓縮采樣匹配追蹤（Compressive Sampling Matching Pursuit,Co Sa MP）的管道污垢超聲檢測信號壓縮重構(gòu)算法:采用K-SVD算法稀疏表示超聲檢測信號,推導峰值信噪比與迭代次數(shù)之間的關(guān)系,自適應確定稀疏度,利用回波信號與隨機噪聲在變換域的稀疏表征差異拾取有效信息。結(jié)果表明:該改進Co Sa MP算法能準確定位信號稀疏度,重構(gòu)超聲檢測信號反映了原始信號特征,且運算時間明顯縮短,證明了改進Co Sa MP算法重構(gòu)超聲檢測信號的可行性。 

【文章來源】：機械強度. 2020,42(06)北大核心CSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
前言
1 基本原理
    1.1 超聲檢測信號稀疏表示
    1.2 測量矩陣構(gòu)造
    1.3 超聲檢測信號重構(gòu)
2 試驗與分析
    2.1 仿真信號重構(gòu)
    2.2 重構(gòu)效果對比
3 實驗驗證
    3.1 管道污垢超聲檢測原理
    3.2 超聲檢測信號重構(gòu)
4 結(jié)論及展望


【參考文獻】：
期刊論文
[1]基于壓縮感知的電力設備狀態(tài)感知技術(shù)[J]. 丁暉,趙海丞,劉家強,任夢婕,戴睿.  高電壓技術(shù). 2020(06)
[2]基于Polar插值改進的結(jié)構(gòu)振動信號壓縮采樣正交匹配追蹤恢復算法[J]. 康杰,段忠東.  振動工程學報. 2020(03)
[3]基于稀疏貝葉斯學習的時域流信號魯棒動態(tài)壓縮感知算法[J]. 董道廣,芮國勝,田文飚,張洋,張海波.  電子學報. 2020(05)
[4]自適應分塊前向后向分段正交匹配追蹤在重構(gòu)滾動軸承故障信號中應用[J]. 孟宗,石穎,潘作舟,陳子君.  機械工程學報. 2020(09)
[5]VTC-KSVD:一種融合視覺特征與標簽一致性的多標簽圖像標注方法[J]. 張菊莉,賀占莊,戴濤,張君毅.  北京理工大學學報. 2020(02)
[6]基于壓縮感知的心電信號稀疏采樣與重構(gòu)算法[J]. 齊林,邢家柱,陳俊鑫,張良鈺.  東北大學學報(自然科學版). 2019(08)
[7]結(jié)合字典學習技術(shù)的ISAR稀疏成像方法[J]. 胡長雨,汪玲,朱棟強.  電子與信息學報. 2019(07)
[8]基于Chirp激勵的管道污垢超聲導波檢測頻率優(yōu)化選擇研究[J]. 孫靈芳,張穎,吳春迎,樸亨.  機械強度. 2019(03)
[9]分數(shù)階傅里葉和壓縮感知自適應抗頻譜彌散干擾[J]. 趙楊,尚朝軒,韓壯志,韓寧,解輝.  電子與信息學報. 2019(05)
[10]換熱管道污垢檢測回波頻率優(yōu)選數(shù)值模擬與實驗[J]. 孫靈芳,王彤彤,李霞,樸亨.  機械強度. 2019(01)



本文編號：3181391