热门关键词:

针对孔型缺陷的自适应滤波应用研究

  • 该文件为pdf格式
  • 文件大小:731.57KB
  • 浏览次数
  • 发布时间:2014-08-07
文件介绍:
本资料包含pdf文件1个,下载需要1积分

I教 J争 k_十r= 静针对孔型缺陷的自适应滤波应用研究冯字翔 鞠响(中北大学信息与通信工程学院 山西太原 030051)应用研究摘要:为了准确检测出5-.件内部由于噪声影响存在的孔型缺陷,本文通过分析自适应滤波原理,运用自适应滤波去噪方法对存在孔型缺陷的工件的回波信号进行去噪处理:噪声杂坡被有效滤除,效果明显。

关键词:qb型缺陷 自适应滤波 去噪处理中图分类号:TH878.2 文献标识码:A 文章编号:l007—9416(20l3)08—0067—02Abstract:In order to detect the signal ofthe Hole defects around the noise in the specimen accurately.This article analyze the principle ofthe adaptivefiltering,llses the filtering denoising sign al processing methods to removel the noise of the Echo sign a1.It is obvious that the noise is removed.

Key Words:Hole defects Adaptive fiteringae—noising processing1前言 2自适应滤波器原理白适应滤波足利用前一时刻已获得的滤波器参数等结果,自动地凋= ‘现时刻的滤波器参数,以适应信号和噪声未知的或随时间变化的统计特性,从而实现最优滤波。对于自适应滤波器,北方交通大学的迟男等人在TMS320C32芯片(DSP处理器)上扩展EPROM和RAM.实现丁30阶LMS自适应滤波器,使用的A/D转化器件为AD1674,最高采样频率为l00KHz;国外的HesenerA.于l996年提出了用FPGA实现 自适应滤波器的设想,并在FPGA上实现了处理速度可达SM的8阶8位FIR滤波器。本文借鉴国内外滤波器的优良之处,埘有噪声=r扰的予L型缺陷信号进行去噪研究。

图1直接型自适应 FIR滤波器嚼 一 脚l 一图2自适应滤波效果图图3孔型缺陷透照图滤波是信号处理领域中的一种基本而又极其重要的技术,然而滤波方法有很多,一般用到中值滤波法、算术平均滤波法、递推平均滤波法、加权递推平均滤波法及 自适应滤波法。不同的滤波方法针对不同的对象各有优缺点,而对于有随机噪声干扰的孔型缺陷信号,拥有能有效克服因偶然因素引起的脉冲干扰,自适应滤波方法是最佳选择。

自适应滤波器是根据不同对象自设计的,由于其靠递归算法进行运算,不必事先给定信号及噪声的自相关函数,利用前一时刻已获得的滤波参数等结果,自动地调节现时刻的滤波器参数,使得滤’螺。

a单孔状缺陷输入信号 x(n)蝴lIl口l .

b自适应滤波后输出信号y(n)图 4单孔状缺陷信号自适应滤波前后对比图, . 1 ll聋应用研究 I数J争技术 f波器输出和未知的输入之间的均方误差最小化,从而实现超声信号的最优滤波。因此可在有关信号特征不完整的情况下进行滤波处理 。

自适应滤波器由自适应和滤波器两个过程组成,两者组成了一个反馈回路。x(n)为输入信号,y(r1)为输出信号,d(n)为期望信号,e(n)是期望信号与输出信号的差值。滤波系数由误差信号控制,根据e(n)的值和 自适应算法自动调整。

公式推导如下 :假设x(n)是长度为M的序列,由图1有:(n)= h(k)x(n一 ), =0,1,2,3?··M) (3.1)误差信号e(n)为d(n)与y(n)的差,即,I?孵柳A密孔状缺陷输入信号 x(n)b自适应滤波后输出信号y(n)图5密集孔状缺陷信号的自适应滤波前后对比图? ? 上接第66页分析的做法,创造性地将聚类算法进行提取并应用于证券客户交易数据的动态生产分析,克服了传统聚类分析静态信息不能反映最新数据变动特征的局限性 ,实现证券业客户细分特征的动态更新,及时反映出客户群的动态变化特征,同时通过量化的客户流失预警模型,预报客户流失概率,建立了实现事先预警、事中控制、事后分析以及模型更新的正反馈机制。

参考文献[1]《数据挖掘一客户关系管理的科学与艺术》一一[美]迈克尔.J.

A.贝里,戈登.S.利诺夫[著]一一袁卫[译]一一中国财政经济出版社.

[2]《金融业客户关系管理》一付晓蓉 等[著]~~机械工业出版e(n)=d(n)一),( ), =0,1,2,3??M) (3.2)选择滤波器系数使平方误差和很小。因此有M M N 1 2£ =∑P ( )=∑[ ( )一∑h(k)x(n一 )】 (3.3)N =0 n=0 k=0自适应滤波实际上是一种递推算法,首先,它用任意选择的{h(k)}的初始值作为开始,其次,将每一个新的输入样本{x(k)}输入到自适应FIR滤波器,计算相应的输出{y(k)},误差信号为e(n)=d(n)一y(n),并按方程( )=h 一l(k)+Ae(n)x(n-k),0 k N一1 (3.4)更新滤波器的系数 ,式(3.4)中△称为步长参数,x(n-k)是输入信号在时问n位于滤波器的第k个样本,而e(n)x(n-k)是第k个滤波器系数的一个梯度负值的近似估计。

3自适应滤波处理结果与分析3.1无缺陷自适应滤波结果本文选择容易受到干扰噪声的孔型缺陷信号作为处理对象,通过超声探头位置移动得到两个信号分别作为x(n)与d(n)输入自适应滤波器,此时可认为超声探头前后相关性降低较多。因此,超声探头位置移动得到的两个缺陷回波信号作为 自适应滤波器可实现噪声抵消的效果。在没有缺陷的被测物体噪声被成功的滤除,由图2看出效果还是非常不错的。

3.2孔型缺陷 自适应滤波结果由图4和图5看出滤波后的缺陷回波信号还是很明显的,保留了其完整的信息,幅值也没有变 ,噪声部分被成功滤除。

4结语本文借鉴国内外滤波器的优良之处,通过分析 自适应滤波器的原理,推导有关算法公式,并对孔型缺陷进行试验。实验表明:针对有噪声干扰的孔型缺陷信号,通过自适应滤波器对其进行滤波处理,噪声杂波被有效滤除,效果明显。

参考文献[1]刘镇清,项延训.自适应滤波在超声无损检测中的应用[J].无损检测,2001,9.399—401.

[2]何振亚.自适应信号处理[H].第一版.北京:科学出版社,2003.1—85.

[3]陈友兴,王召巴.自适应滤波在多界面超声检测中的应用[J].中国测试技术,2006。32(4):57—58.

[4]迟男,刘杰.浮点DSP实现 自适应滤波的研究[J].北方交通大学学报,2000。24(5):1—4.

社 .

[3]《数据挖掘技术 一市场营销、销售与客户关系管理领域应用》一一[美]Hichael J.A.Berry,Gordon S.Linoff[著]一一别荣芳,尹静,邓六爱[译]一一机械工业出版社.

[4 数据挖掘原理与应用一SQL Serve r 2008数据库》一_[美]Jamie MacLennan,ZhaoHui Tang,Bogdan Crivat[著]一一董艳,程文俊[译]一一清华大学出版社.

[5 数据仓库生命周期工具箱》一-[美]Ra]ph Kimball等[著]一一唐富年,孙媛媛[译]一一清华大学出版社.

[6]《=SQL Server 2008分析服务从入门到精通 Step by Step》一一[美]Scott Cameron[著]一一王净[译]一一清华大学出版社.

正在加载...请等待或刷新页面...
发表评论
验证码 验证码加载失败