【摘要】：針對信號稀疏分解中常用匹配追蹤分解不夠準確的問題,提出基于K-SVD奇異值分解的超聲渡越時間獲取方法。利用K-SVD訓練得到超聲回波信號的過完備字典,結合正交匹配追蹤進行局部搜索適配原子,以提高信號稀疏分解的速度和準確度�；贑omsol Multipysics仿真軟件建立充液污垢管道三維有限元模型,研究了超聲回波傳播特性規(guī)律。將K-SVD算法應用于超聲回波仿真信號和換熱污垢管道回波檢測信號的處理,并與原始小波訓練字典進行對比。結果表明,改進的K-SVD字典學習算法能夠在提高信號稀疏分解的同時,獲得較好的降噪結果和污垢特征信息提取,對超聲檢測信號的處理具有實際意義。
[Abstract]:Aiming at the inaccuracy of matching tracing decomposition in signal sparse decomposition, an ultrasonic transit time acquisition method based on K-SVD singular value decomposition (SVD) is proposed. In order to improve the speed and accuracy of sparse decomposition of ultrasonic echo signals, the over-complete dictionary of ultrasonic echo signals is obtained by using K-SVD training, and the matching atoms are locally searched by orthogonal matching tracing in order to improve the speed and accuracy of signal sparse decomposition. Based on Comsol Multipysics simulation software, the three-dimensional finite element model of liquid-filled fouling pipeline is established, and the characteristics of ultrasonic echo propagation are studied. The K-SVD algorithm is applied to the ultrasonic echo simulation signal and the heat transfer fouling pipeline echo detection signal processing, and compared with the original wavelet training dictionary. The results show that the improved K-SVD dictionary learning algorithm can not only improve the sparse decomposition of signals, but also obtain better noise reduction results and dirt feature information extraction, which is of practical significance for ultrasonic signal processing.
【作者單位】： 東北電力大學自動化工程學院;吉林省節(jié)能與測控技術工程實驗室;
【基金】：國家自然科學基金資助項目(51176028) 吉林省科技發(fā)展計劃資助項目(20140204030SF)
【分類號】：TB559

【相似文獻】

相關期刊論文 前10條

1 陳發(fā)宇;楊長春;;對依據頻率的匹配追蹤快速算法的改進[J];石油物探;2009年01期

2 馮勇明;周麗;;基于匹配追蹤算法的復合材料沖擊損傷成像技術[J];爆炸與沖擊;2012年03期

3 李明;李應;;基于遺傳算法優(yōu)化匹配追蹤的自然環(huán)境聲音分類[J];福州大學學報(自然科學版);2012年06期

4 朱啟兵;趙文禮;劉杰;陳立平;;基于信號匹配追蹤的模態(tài)參數(shù)提取[J];振動與沖擊;2007年07期

5 趙天姿;宋煒;王尚旭;;基于匹配追蹤算法的時頻濾波去噪方法[J];石油物探;2008年04期

6 于勇凌;張海燕;馮國瑞;馬世偉;;蘭姆波檢測信號的匹配追蹤時頻分析[J];聲學學報;2013年05期

7 趙嵩;馬榮華;薛朝改;李恒建;;基于樹型冗余字典正交匹配追蹤的信號稀疏分解[J];揚州大學學報(自然科學版);2011年04期

8 徐小慧;魏鑫;張安;;基于粒子群優(yōu)化的核匹配追蹤目標識別(英文)[J];光子學報;2009年04期

9 屈念念;劉江平;李家斌;;Riker子波匹配追蹤算法及其改進[J];工程地球物理學報;2009年06期

10 張先玉;劉郁林;羅穎光;;基于匹配追蹤的MB-OFDM時域信道估計[J];安徽大學學報(自然科學版);2009年01期

相關會議論文 前7條

1 陸媛媛;宋煒;左佳卉;李亭;;基于改進匹配追蹤的子波特征能量氣藏檢測方法[A];中國地球物理2013——第十九專題論文集[C];2013年

2 李輝;;面向圖像視頻編碼的多規(guī)模匹配追蹤圖像表達法[A];信息科學與微電子技術:中國科協(xié)第三屆青年學術年會論文集[C];1998年

3 李政;羅飛路;;基于匹配追蹤的超聲回波參數(shù)估計方法[A];2009中國儀器儀表與測控技術大會論文集[C];2009年

4 秦曉偉;郭建中;;匹配追蹤算法(MP)在超聲成像中的研究[A];第二屆西安-上海兩地聲學學術會議論文集[C];2011年

5 于勇凌;張海燕;馬世偉;;改進的chirplet匹配追蹤在Lamb波信號時頻分析中的應用[A];融合與創(chuàng)新：新世紀物理聲學的發(fā)展——二零一二年度全國物理聲學會議論文集[C];2012年

6 高建虎;陳杰;張履謙;;基于壓縮感知和EMD的SAR海洋內波探測方法[A];第九屆全國信息獲取與處理學術會議論文集Ⅱ[C];2011年

7 蘇哲;許錄平;甘偉;;基于壓縮感知的脈沖星輪廓構建算法[A];第二屆中國衛(wèi)星導航學術年會電子文集[C];2011年

相關博士學位論文 前5條

1 楊成;壓縮采樣中匹配追蹤約束等距性分析及其應用[D];復旦大學;2011年

2 曾春艷;匹配追蹤的最佳原子選擇策略和壓縮感知盲稀疏度重建算法改進[D];華南理工大學;2013年

3 楊瑞明;基于壓縮采樣的比幅測向方法研究[D];電子科技大學;2010年

4 韓曉紅;混沌時序非線性去噪方法研究及其應用[D];太原理工大學;2012年

5 李青;優(yōu)化核方法[D];西安電子科技大學;2007年

相關碩士學位論文 前10條

1 李會龍;轉子匹配追蹤信息熵故障診斷研究[D];中北大學;2016年

2 楊盼;壓縮感知中改進的匹配追蹤類算法研究[D];安徽大學;2016年

3 辛一;基于分層匹配追蹤及保序稀疏編碼的行人識別研究[D];安徽大學;2016年

4 李明;匹配追蹤在環(huán)境聲音事件識別中的應用研究[D];福州大學;2013年

5 歐陽楨;優(yōu)化的匹配追蹤用于生態(tài)聲音識別[D];福州大學;2014年

6 吳悠;汽車變速器齒輪和軸承混合故障診斷方法及實驗研究[D];華南理工大學;2016年

7 趙玉娟;基于子空間匹配追蹤的信號稀疏逼近[D];西安電子科技大學;2005年

8 任曉馨;壓縮感知貪婪匹配追蹤類重建算法研究[D];北京交通大學;2012年

9 校午陽;基于多通道匹配追蹤算法的時頻分析研究及在腦電信號處理中的應用[D];天津醫(yī)科大學;2012年

10 李亞文;遺傳匹配追蹤算法的研究與改進[D];江南大學;2011年

，

本文編號：2276541