基于改进CoSaMP的管道污垢超声检测信号的压缩重构研究

发布时间：2021-05-11 12:15

　　在超声检测中,传感器采集数据时易造成冗余信号和随机噪声,抑制随机噪声的同时压缩重构信号一直是超声检测领域的研究热点和难点。基于压缩感知理论和超声检测方法,提出一种改进压缩采样匹配追踪（Compressive Sampling Matching Pursuit,Co Sa MP）的管道污垢超声检测信号压缩重构算法:采用K-SVD算法稀疏表示超声检测信号,推导峰值信噪比与迭代次数之间的关系,自适应确定稀疏度,利用回波信号与随机噪声在变换域的稀疏表征差异拾取有效信息。结果表明:该改进Co Sa MP算法能准确定位信号稀疏度,重构超声检测信号反映了原始信号特征,且运算时间明显缩短,证明了改进Co Sa MP算法重构超声检测信号的可行性。 

【文章来源】：机械强度. 2020,42(06)北大核心CSCD

【文章页数】：7 页

【文章目录】：
前言
1 基本原理
    1.1 超声检测信号稀疏表示
    1.2 测量矩阵构造
    1.3 超声检测信号重构
2 试验与分析
    2.1 仿真信号重构
    2.2 重构效果对比
3 实验验证
    3.1 管道污垢超声检测原理
    3.2 超声检测信号重构
4 结论及展望


【参考文献】：
期刊论文
[1]基于压缩感知的电力设备状态感知技术[J]. 丁晖,赵海丞,刘家强,任梦婕,戴睿.  高电压技术. 2020(06)
[2]基于Polar插值改进的结构振动信号压缩采样正交匹配追踪恢复算法[J]. 康杰,段忠东.  振动工程学报. 2020(03)
[3]基于稀疏贝叶斯学习的时域流信号鲁棒动态压缩感知算法[J]. 董道广,芮国胜,田文飚,张洋,张海波.  电子学报. 2020(05)
[4]自适应分块前向后向分段正交匹配追踪在重构滚动轴承故障信号中应用[J]. 孟宗,石颖,潘作舟,陈子君.  机械工程学报. 2020(09)
[5]VTC-KSVD:一种融合视觉特征与标签一致性的多标签图像标注方法[J]. 张菊莉,贺占庄,戴涛,张君毅.  北京理工大学学报. 2020(02)
[6]基于压缩感知的心电信号稀疏采样与重构算法[J]. 齐林,邢家柱,陈俊鑫,张良钰.  东北大学学报(自然科学版). 2019(08)
[7]结合字典学习技术的ISAR稀疏成像方法[J]. 胡长雨,汪玲,朱栋强.  电子与信息学报. 2019(07)
[8]基于Chirp激励的管道污垢超声导波检测频率优化选择研究[J]. 孙灵芳,张颖,吴春迎,朴亨.  机械强度. 2019(03)
[9]分数阶傅里叶和压缩感知自适应抗频谱弥散干扰[J]. 赵杨,尚朝轩,韩壮志,韩宁,解辉.  电子与信息学报. 2019(05)
[10]换热管道污垢检测回波频率优选数值模拟与实验[J]. 孙灵芳,王彤彤,李霞,朴亨.  机械强度. 2019(01)



本文编号：3181391