超声检测信号特征提取

超声检测信号特征提取
方法：采用小波包分析提取信号特征信息，其基本思想是选取适当的小波基函数对信号进行小波包变换，提取各个频带上的能量构成特征向量。
超声检测技术中，缺陷的准确定性分类这一技术难题至今尚未得以彻底解决。其主要原因在于，超声缺陷回波信号是一种典型的瞬态信号，采用传统的傅氏分析方法所得到的频谱，无法同时反映出其时域突变位置和对应频率等特征信息，而缺陷回波信号的特征提取和选择则是缺陷分类的前提，因此，特征提取方法的优劣直接影响着缺陷分类的正确性和可靠性。小波变换具有时频分辨率高和多分辨率分析的特点，适用于对瞬态信号的分析处理。应用小波包分解手段将实测的缺陷回波信号分解到不同尺度上，通过对各尺度上的能量进行统计分析，选取典型频段上的特征能量，构成反映信号本征的特征向量，采用基于距离的类别可分性判据对其进行可分性测度分析。结果证明，该方法对超声检测缺陷回波信号的特征提取是有效的。

1.2 小波包变换
作为信号的一种时频分析方法，小波分解的缺点是频率分辨率随频率升高而降低。小波包分解是一种比小波分解更为精细的分解方法。
1.2.1 小波包特征提取
小波包变换的优势： 由于正交小波变换只对信号的低频部分做进一步分解，而对高频部分也即信号的细节部分不再继续分解，所以小波变换能够很好地表征一大类以低频信息为主要成分的信号，但它不能很好地分解和表示包含大量细节信息（细小边缘或纹理）的信号，如非平稳机械振动信号、遥感图象、地震信号和生物医学信号等。与之不同的是，小波包变换可以对高频部分提供更精细的分解，而且这种分解既无冗余，也无疏漏，所以对包含大量中、高频信息的信号能够进行更好的时频局部化分析，因此常用于信号特征的提取。
1.2.2 小波基的选择
对小波基的选取主要考虑以下几个因素：（1）正交性，能有效去除信号的相关性；（2）支撑集，为了得到有限长滤波器，避免滤波过程中的截断误差，保证优良的空间局部性质；（3）对称性，可使量化误差较小，保证子波的滤波特性有线性相移，不会造成信号失真；（4）正则性，用来度量小波函数的光滑性，对最小量化误差起主要作用，保证频率分辨率的高低。紧支撑性与正则性二者不可兼得，要求小波具有较高的光滑性，必然要求增加小波支集的长度；反之，为了保证小波分析的局部特性，利于算法实现，支集的长度要尽量小，但这又保证不了光滑性。参考文献《基于小波包分析的超声缺陷信号特征提取》（黄河等）。编程仿真可得（仿真环境matlab2008a）：

图1 正常情况信号图

图2 正常情况能量谱图

图4 表面有一个气孔的能量谱图


图6 表面有两个气孔的能量谱图


图8 下方有气孔的能量谱图


图9 表面有裂痕的能量谱图


重新整理如下：

局部放大，可得下图所示：

从结果可以看出，不同性质的缺陷回波信号经小波包分解后，其能量在各个频带上的分布是不同的，且在所选频带上的分布差别明显。因此，可以看作不同类型缺陷的特征值，作为后续缺陷分类的依据。