基于FLDA与BP神经网络的超声3D目标识别

• 作者: 卢翠娥 姜琴 宋寿鹏 张恒 耿伟
• 来源期刊: 无损检测
• 学科: 工学
• 关键词: 3D目标识别 超声波 特征融合 BP神经网络
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 科研成果与学术交流
• 页码范围: 5-10
• 页数: 6页
• 分类号: TG115.28|TP391
• 语种: 中文

摘要

针对目前超声3D识别普遍存在的识别率低、鲁棒性差等问题,以物体内部人工标准缺陷为超声靶标,通过对超声靶标脉冲超声回波信号进行处理,提取了相对能量、相对幅值、相对频域带宽、相对峰度系数、相对离散系数、相对包络面积、相对偏度系数和相对频谱半高宽等多个特征参数,利用Fisher线性判别分析(Fisher Linear Discriminative Analysis,FLDA)对这些特征参数进行融合,形成融合特征,并采用反向传播(Back Propagation,BP)神经网络对融合特征进行训练与识别,对物体内部矩形槽、横通孔及平底孔三类超声靶标进行识别.试验结果表明:三种靶标的识别率分别高达了93.3％,93.3％,100％;对噪声有抑制能力,对测试工况不敏感,识别稳健性得到了提高,可为超声3D目标识别提供理论和技术参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张恒		22	89	6.0	8.0
2	宋寿鹏		34	228	7.0	14.0
3	卢翠娥		4	5	1.0	2.0
4	耿伟		4	2	1.0	1.0
5	姜琴		2	0	0.0	0.0