基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
强噪声背景下微弱信号的提取一直是超声信号处理领域研究的一个难题,传统的信号处理方法难以准确提取弱缺陷信号,稀疏分解方法为提高超声弱缺陷的检出率开辟一条新途径,但计算量大是困扰其应用的一个主要因素.本文提出一种人工鱼群优化匹配追踪的快速算法.人工鱼是一种新型智能优化算法,具有并行寻优、全局收敛性好,对初值不敏感的特点.利用本文算法在重建信号质量不变的情况下,提高稀疏分解在冗余字典中原子匹配的速度和精度,满足信号处理实时性要求.采用与超声信号最优匹配的Gabor函数,经伸缩和平移生成过完备原子库,提高对超声信号的表达能力.通过仿真分析和实际检测铸钢试件,表明该方法能够有效地检测出强噪声背景下的弱信号.
推荐文章
基于自适应噪声抵消的微弱振动信号提取方法
微弱信号
振动信号
自适应噪声抵消
信号提取
基于蜂群算法优化向量机的微弱信号检测方法
蜂群算法
支持向量机
海杂波
微弱信号检测
基于谐波小波包的微弱信号的频域提取
谐波小波包
小波变换
傅里叶变换
微弱信号提取
基于多参数组合优化的微弱信号检测方法
微弱信号检测
混沌
参数组合优化
支持向量机
遗传算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于人工鱼优化的MP超声微弱信号提取方法研究
来源期刊 铁道学报 学科 交通运输
关键词 微弱信号 匹配追踪 人工鱼群 超声探伤
年,卷(期) 2011,(1) 所属期刊栏目 铁道通信信号
研究方向 页码范围 47-51
页数 分类号 U285.49
字数 3788字 语种 中文
DOI 10.3969/j.issn.1001-8360.2011.01.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 齐爱玲 西安科技大学计算机与科学技术学院 14 85 5.0 9.0
2 马宏伟 西安科技大学机械工程学院 171 1433 18.0 32.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (765)
参考文献  (12)
节点文献
引证文献  (9)
同被引文献  (11)
二级引证文献  (5)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(1)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(5)
  • 参考文献(1)
  • 二级参考文献(4)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(7)
  • 参考文献(0)
  • 二级参考文献(7)
2005(3)
  • 参考文献(2)
  • 二级参考文献(1)
2006(8)
  • 参考文献(2)
  • 二级参考文献(6)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(3)
  • 引证文献(3)
  • 二级引证文献(0)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
微弱信号
匹配追踪
人工鱼群
超声探伤
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
铁道学报
月刊
1001-8360
11-2104/U
大16开
北京复兴路10号
2-308
1979
chi
出版文献量(篇)
4684
总下载数(次)
8
总被引数(次)
85544
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导