在超聲無(wú)損評(píng)價(jià)和定量無(wú)損檢測(cè)中，噪聲是影響起聲無(wú)損檢測(cè)技術(shù)可靠性和精度的主要因素之一．實(shí)際中，利用超聲對(duì)310S不銹鋼管進(jìn)行檢測(cè)，由于受車間環(huán)境和鋼管本身鋼級(jí)的影響，超聲檢測(cè)回波信號(hào)的信噪比往往十分不理想．在這種強(qiáng)噪聲背景條件下，如何保證310S不銹鋼管的缺陷誤判率和溻檢率在檢測(cè)標(biāo)準(zhǔn)的允許范圍內(nèi)顯然已經(jīng)成為該自動(dòng)檢測(cè)系統(tǒng)的首要任務(wù)．
在利用超聲對(duì)不同對(duì)象進(jìn)行檢測(cè)時(shí)，一般總是在不同程度上受兩大類噪聲的影向：白噪聲和有色噪聲．超聲回波信號(hào)中的白噪聲（如電子噪聲）通?？梢酝ㄟ^(guò)均值濾波比較有效地消除，而有色噪聲通常是一些相干噪聲，如結(jié)構(gòu)噪聲，很難用常規(guī)的濾波方法達(dá)到提高信噪比的目的．針對(duì)相干噪聲的特殊性，裂譜分析方法、小波交換r49-51]、維格納分布，以及裂譜分析方法和時(shí)頻方法的一些結(jié)合技術(shù)等，有效地消除了回波信號(hào)中相干噪聲的影響，然而，在這些方法中，裂譜分析方法對(duì)濾波器組的參數(shù)選擇比較敏感；小波交換對(duì)母小波以及消噪閩值的選擇需要根據(jù)使用的場(chǎng)合而定，不具有廣譜性：而維格納分布又往往會(huì)丟失信號(hào)的相位信息．之所以會(huì)存在這樣一些不足，除了這些方法本身的使用范圍限制外，本質(zhì)原因在于超聲回波信號(hào)中噪聲形式的多樣性和不確定性．而傳統(tǒng)的常規(guī)消噪技術(shù)，則渴望通過(guò)剔除信號(hào)中的噪聲來(lái)提高信噪比，這勢(shì)必要考慮噪聲的多樣性等相關(guān)性質(zhì)．事實(shí)上，任何一種消噪技術(shù)，最終的目的就是為了凸顯信號(hào)中的有用信息，而信號(hào)本身包含有用成分以及噪聲部分，那么能否直接提取信號(hào)中的有用成分而不去考慮繁雜的噪聲，以達(dá)到殊途同歸的效果呢？
本章正是根據(jù)上述的思路，在分析超聲回波信號(hào)的建模基礎(chǔ)上，將模型估計(jì)基于模型估計(jì)和群體融合算法的310S不銹鋼管超聲回波信號(hào)消噪技術(shù)
在超聲無(wú)損評(píng)價(jià)和定量無(wú)損檢測(cè)中，噪聲是影響起聲無(wú)損檢測(cè)技術(shù)可靠性和精度的主要因素之一．實(shí)際中，利用超聲對(duì)310S不銹鋼管進(jìn)行檢測(cè)，由于受車間環(huán)境和鋼管本身鋼級(jí)的影響，超聲檢測(cè)回波信號(hào)的信噪比往往十分不理想．在這種強(qiáng)噪聲背景條件下，如何保證310S不銹鋼管的缺陷誤判率和溻檢率在檢測(cè)標(biāo)準(zhǔn)的允許范圍內(nèi)顯然已經(jīng)成為該自動(dòng)檢測(cè)系統(tǒng)的首要任務(wù)．
在利用超聲對(duì)不同對(duì)象進(jìn)行檢測(cè)時(shí)，一般總是在不同程度上受兩大類噪聲的影向：白噪聲和有色噪聲．超聲回波信號(hào)中的白噪聲（如電子噪聲）通?？梢酝ㄟ^(guò)均值濾波比較有效地消除，而有色噪聲通常是一些相干噪聲，如結(jié)構(gòu)噪聲，很難用常規(guī)的濾波方法達(dá)到提高信噪比的目的．針對(duì)相干噪聲的特殊性，裂譜分析方法、小波交換r49-51]、維格納分布，以及裂譜分析方法和時(shí)頻方法的一些結(jié)合技術(shù)等，有效地消除了回波信號(hào)中相干噪聲的影響，然而，在這些方法中，裂譜分析方法對(duì)濾波器組的參數(shù)選擇比較敏感；小波交換對(duì)母小波以及消噪閩值的選擇需要根據(jù)使用的場(chǎng)合而定，不具有廣譜性：而維格納分布又往往會(huì)丟失信號(hào)的相位信息．之所以會(huì)存在這樣一些不足，除了這些方法本身的使用范圍限制外，本質(zhì)原因在于超聲回波信號(hào)中噪聲形式的多樣性和不確定性．而傳統(tǒng)的常規(guī)消噪技術(shù)，則渴望通過(guò)剔除信號(hào)中的噪聲來(lái)提高信噪比，這勢(shì)必要考慮噪聲的多樣性等相關(guān)性質(zhì)．事實(shí)上，任何一種消噪技術(shù)，最終的目的就是為了凸顯信號(hào)中的有用信息，而信號(hào)本身包含有用成分以及噪聲部分，那么能否直接提取信號(hào)中的有用成分而不去考慮繁雜的噪聲，以達(dá)到殊途同歸的效果呢？
本章正是根據(jù)上述的思路，在分析超聲回波信號(hào)的建?；A(chǔ)上，將模型估計(jì)方法引入到回波信號(hào)有用成分的提取中，結(jié)合群體融合算法的局部和全局搜索能力，發(fā)展了一種具有高度并行性、收斂速度快、不易陷入局部極小值的超聲回波信號(hào)消噪方法，以提高310S不銹鋼管超聲回波信號(hào)的信噪比．
本章在建立310S不銹鋼管超聲目標(biāo)回波信號(hào)模型的基礎(chǔ)上，將蟻群算法的局部搜索能力和粒子群的全局搜索和記憶能力相結(jié)合，對(duì)模型參數(shù)進(jìn)行優(yōu)化估計(jì)，直接提取受噪聲污染的超聲回波目標(biāo)信號(hào)，得到有用信息，從而發(fā)展了一種基于模型估計(jì)和群體融合算法相結(jié)合的超聲回波信號(hào)消噪技術(shù)，解決了傳統(tǒng)方法直接剔除回波信號(hào)中的噪聲來(lái)突出有用信號(hào)所帶來(lái)必須考慮噪聲本身的多樣性、所在的大致頻段以及信號(hào)分解后選取合適的消噪闡值等問(wèn)題，造成影響消噪效果因素多，實(shí)施困難和消噪效果不穩(wěn)定等不足．實(shí)驗(yàn)結(jié)果表明，該方法較傳統(tǒng)方法具有更有效提高信號(hào)信噪比的能力，有望在310S不銹鋼管的在線檢測(cè)中得到應(yīng)用．