基于線性Radon變換的超聲混疊信號分離研究

聶 彬, 趙英亮, 聶鵬飛, 王黎明

(1.中北大學 信息探測與處理山西省重點實驗室 山西 太原 030051;2.中北大學 信息與通信工程學院, 山西 太原 030051)

0 引 言

在火箭發動機燃燒厚度變化測試的場景中, 采用一發一收低頻反射超聲方法對此類大厚度介質進行測厚實驗時, 所獲得的信號結果中有效的底面回波信號與直達干擾信號產生混疊, 加大了分辨難度。同時, 在各項無損檢測中, 如何對混疊信號進行有效分離處理一直是亟待解決的重點。

目前, 針對混疊信號進行的分離處理主要是對信號在時頻域表現出的差異性進行進一步的分離。通過傅里葉分析可將時域內復雜難辨的混疊信號轉換為頻率域中簡單信號的和, 從而分辨其頻譜特征, 分數傅立葉變換(FRFT)方法[1-3]是在這一基礎上進行了改進。后續信號處理過程中常用濾波器對已知頻譜特性的混疊信號進行分離, 其中, 維納濾波器具有處理重疊信號的潛力, 且常與反褶積算法結合以提高分辨率[4]。匹配追蹤(MP)[5-8]作為超聲信號分析中常用的一種方法, 是根據信號的時域特性構建原子字典對信號模型進行迭代求解, 常與稀疏反褶積結合用于重疊回波的處理中[9-11], 但該方法僅在解決單個回波問題中具有其獨特的優越性[12]。

借助于日趨成熟的深度神經網絡, Arthur等[13]利用超聲回波信號在時域表現出的形狀和振幅等特征來訓練卷積神經網絡以達到對重疊超聲回波的識別和分離。深度學習方法雖能分離信號, 但在處理幅度較小的混疊回波時, 仍然存在固定偏差[14]。……