电磁超声系统强噪声干扰抑制算法研究

论文摘要

电磁超声技术是无损检测发展的一种新方向,目前在我国铁路各部门有着广泛的应用。在实际应用中在利用电磁超声技术检测信号时,由于车轮本身表面状态以及存在的电磁干扰等因素,偶尔会出现噪声异常强以至于无法进行数据分析的状况。本论文旨在对系统采集的数据,设计相应的算法,对采集的信号进行处理,从而达到在去除噪声的同时,保留含有车轮踏面信息的数据。本文首先介绍检测目的及信号特点,国内外对于列车轮对检测的基本现状和本文所做的工作；接着介绍了自适应滤波算法的原理、分类,提出变步长的归一化的最小均方自适应滤波算法来处理实际信号；介绍了两种相位计算方法,结合布莱克曼窗函数及信号的频谱特征,本文提出了一种利用简单三角函数来实现信号相位计算的方法；随后根据噪声及有用的电磁超声信号的特征,提出了一种小波软阈值降噪算法；最后根据最终的降噪效果,提出了三种综合多种算法的降噪算法,通过相位、小波、信号的放大及平滑处理,最终实现了在降低噪声的同时,保留含有车轮踏面信息的有用信号的目的。实验及现场数据均验证了算法的可行性,因此该算法对准确地检测轮对质量状况具有一定的参考作用。

论文目录

• 摘要
• Abstract
• 第1章 电磁超声波信号相关背景
• 1.1 电磁超声信号中噪声信号抑制的目的
• 1.2 回波信号及噪声的特性
• 1.2.1 电磁超声探伤的基本原理
• 1.2.2 周期回波和缺陷回波的定位
• 1.2.3 电磁超声回波信号的特点
• 1.2.4 噪声信号来源及其特征
• 1.3 国内外现状
• 1.4 本文所做工作
• 1.4.1 本文工作背景
• 1.4.2 本文工作
• 1.4.3 本文创新性
• 第2章 自适应滤波算法
• 2.1 算法原理
• 2.2 自适应滤波算法分类
• 2.2.1 自适应最小均方（LMS）算法
• 2.2.2 自适应归一化最小均方NLMS算法
• 2.2.3 自适应递归最小二乘方（RLS）算法
• 2.3 算法的实现过程
• 2.3.1 本文设计的NLMS算法
• 2.3.2 NLMS算法处理的结果
• 2.4 本章小结
• 第3章 相位差算法
• 3.1 窗函数的选择
• 3.2 基于布赖克曼窗的DFT相位计算
• 3.3 基于布赖克曼窗的反三角函数的相位计算
• 3.4 本章小结
• 第4章 小波降噪算法
• 4.1 小波分析导论
• 4.1.1 傅立叶变换
• 4.1.2 小波分析
• 4.1.3 小波变换与傅立叶变换的比较
• 4.1.4 连续小波变换
• 4.1.5 离散小波变换
• 4.2 小波阈值去噪原理
• 4.2.1 小波去噪原理
• 4.2.2 阈值的种类
• 4.2.3 阈值去噪的两种形式
• 4.3 离散信号的小波软阈值去噪原理
• 4.4 小波选择
• 4.4.1 小波类型选择
• 4.4.2 小波分解层数选择
• 4.5 小波软阈值去噪流程
• 4.6 带通滤波器设计及信号的频谱分析
• 4.6.1 带通滤波器设计
• 4.6.2 小波处理前后的频谱分析
• 4.7 本章小结
• 第5章 几种综合的算法
• 5.1 现有系统的算法流程
• 5.2 相位差结合自适应滤波算法
• 5.3 相位差结合小波阈值去噪的算法
• 5.3.1 算法的实现过程
• 5.3.2 参数调整
• 5.3.3 数据测试
• 5.4 基于EMAT信号特征的相位结合小波的算法改进
• 5.4.1 算法流程介绍
• 5.4.2 数据测试
• 5.5 本章小结
• 总结及展望
• 本文工作总结
• 进一步研究方向
• 致谢
• 参考文献
• 攻读硕士学位期间发表（录用）的论文
• 附录