基于K-SVD超声渡越时间获取方法研究

发布时间：2018-10-17 11:40

【摘要】：针对信号稀疏分解中常用匹配追踪分解不够准确的问题,提出基于K-SVD奇异值分解的超声渡越时间获取方法。利用K-SVD训练得到超声回波信号的过完备字典,结合正交匹配追踪进行局部搜索适配原子,以提高信号稀疏分解的速度和准确度。基于Comsol Multipysics仿真软件建立充液污垢管道三维有限元模型,研究了超声回波传播特性规律。将K-SVD算法应用于超声回波仿真信号和换热污垢管道回波检测信号的处理,并与原始小波训练字典进行对比。结果表明,改进的K-SVD字典学习算法能够在提高信号稀疏分解的同时,获得较好的降噪结果和污垢特征信息提取,对超声检测信号的处理具有实际意义。
[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.
【作者单位】： 东北电力大学自动化工程学院;吉林省节能与测控技术工程实验室;
【基金】：国家自然科学基金资助项目(51176028) 吉林省科技发展计划资助项目(20140204030SF)
【分类号】：TB559

【相似文献】

相关期刊论文 前10条

1 陈发宇;杨长春;;对依据频率的匹配追踪快速算法的改进[J];石油物探;2009年01期

2 冯勇明;周丽;;基于匹配追踪算法的复合材料冲击损伤成像技术[J];爆炸与冲击;2012年03期

3 李明;李应;;基于遗传算法优化匹配追踪的自然环境声音分类[J];福州大学学报(自然科学版);2012年06期

4 朱启兵;赵文礼;刘杰;陈立平;;基于信号匹配追踪的模态参数提取[J];振动与冲击;2007年07期

5 赵天姿;宋炜;王尚旭;;基于匹配追踪算法的时频滤波去噪方法[J];石油物探;2008年04期

6 于勇凌;张海燕;冯国瑞;马世伟;;兰姆波检测信号的匹配追踪时频分析[J];声学学报;2013年05期

7 赵嵩;马荣华;薛朝改;李恒建;;基于树型冗余字典正交匹配追踪的信号稀疏分解[J];扬州大学学报(自然科学版);2011年04期

8 徐小慧;魏鑫;张安;;基于粒子群优化的核匹配追踪目标识别(英文)[J];光子学报;2009年04期

9 屈念念;刘江平;李家斌;;Riker子波匹配追踪算法及其改进[J];工程地球物理学报;2009年06期

10 张先玉;刘郁林;罗颖光;;基于匹配追踪的MB-OFDM时域信道估计[J];安徽大学学报(自然科学版);2009年01期

相关会议论文 前7条

1 陆媛媛;宋炜;左佳卉;李亭;;基于改进匹配追踪的子波特征能量气藏检测方法[A];中国地球物理2013——第十九专题论文集[C];2013年

2 李辉;;面向图像视频编码的多规模匹配追踪图像表达法[A];信息科学与微电子技术:中国科协第三届青年学术年会论文集[C];1998年

3 李政;罗飞路;;基于匹配追踪的超声回波参数估计方法[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

4 秦晓伟;郭建中;;匹配追踪算法(MP)在超声成像中的研究[A];第二届西安-上海两地声学学术会议论文集[C];2011年

5 于勇凌;张海燕;马世伟;;改进的chirplet匹配追踪在Lamb波信号时频分析中的应用[A];融合与创新：新世纪物理声学的发展——二零一二年度全国物理声学会议论文集[C];2012年

6 高建虎;陈杰;张履谦;;基于压缩感知和EMD的SAR海洋内波探测方法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

7 苏哲;许录平;甘伟;;基于压缩感知的脉冲星轮廓构建算法[A];第二届中国卫星导航学术年会电子文集[C];2011年

相关博士学位论文 前5条

1 杨成;压缩采样中匹配追踪约束等距性分析及其应用[D];复旦大学;2011年

2 曾春艳;匹配追踪的最佳原子选择策略和压缩感知盲稀疏度重建算法改进[D];华南理工大学;2013年

3 杨瑞明;基于压缩采样的比幅测向方法研究[D];电子科技大学;2010年

4 韩晓红;混沌时序非线性去噪方法研究及其应用[D];太原理工大学;2012年

5 李青;优化核方法[D];西安电子科技大学;2007年

相关硕士学位论文 前10条

1 李会龙;转子匹配追踪信息熵故障诊断研究[D];中北大学;2016年

2 杨盼;压缩感知中改进的匹配追踪类算法研究[D];安徽大学;2016年

3 辛一;基于分层匹配追踪及保序稀疏编码的行人识别研究[D];安徽大学;2016年

4 李明;匹配追踪在环境声音事件识别中的应用研究[D];福州大学;2013年

5 欧阳桢;优化的匹配追踪用于生态声音识别[D];福州大学;2014年

6 吴悠;汽车变速器齿轮和轴承混合故障诊断方法及实验研究[D];华南理工大学;2016年

7 赵玉娟;基于子空间匹配追踪的信号稀疏逼近[D];西安电子科技大学;2005年

8 任晓馨;压缩感知贪婪匹配追踪类重建算法研究[D];北京交通大学;2012年

9 校午阳;基于多通道匹配追踪算法的时频分析研究及在脑电信号处理中的应用[D];天津医科大学;2012年

10 李亚文;遗传匹配追踪算法的研究与改进[D];江南大学;2011年

，

本文编号：2276541