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:
针对应用超声对金属材料微小缺陷检测时缺陷回波容易被噪声干扰的问题,提出了一种基于集合经验模态分解(EEMD)和低秩稀疏分解相结合的检测方法,以避免传统基于经验模态分解(EMD)的去噪方法难以消除结构噪声的问题.首先对缺陷检测信号进行EEMD得到一系列本征模态函数(IMF),采用基于概率密度函数的相似性测量方法选取相关模态,同时舍弃非相关模态以实现初步降噪;然后基于短时傅里叶变换(STFT)计算相关模态重构信号的幅度谱,执行低秩稀疏分解算法提取幅度谱中的稀疏成份实现进一步降噪;最后对稀疏成份进行逆STFT得到纯净的缺陷回波信号.分别对仿真和实测信号进行处理,结果表明该方法在缺陷回波检测方面是有效的.
推荐文章
低秩矩阵和结构化稀疏分解的视频背景差分方法
前景检测
背景差分
矩阵分解
低秩表示
结构化稀疏
基于稀疏与低秩矩阵分解的视频背景建模
背景建模
稀疏与低秩矩阵分解
增广拉格朗日乘子法
奇异值分解
块Lanczos
热启动
期刊_联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测
高光谱图像
异常目标检测 低秩稀疏矩阵分解 稀疏矩阵 残差矩阵
基于低秩矩阵恢复的DOA稀疏重构方法
波达方向
非均匀噪声
低秩矩阵恢复
二阶统计量
加权l1范数
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EEMD和低秩稀疏分解的超声缺陷回波检测方法
来源期刊 计量学报 学科 工学
关键词 计量学 超声检测 金属缺陷 集合经验模态分解 低秩稀疏分解
年,卷(期) 2022,(1) 所属期刊栏目
研究方向 页码范围 77-84
页数 8页 分类号 TB95
字数 语种 中文
DOI 10.3969/j.issn.1000-1158.2022.01.12
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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)
研究主题发展历程
节点文献
计量学
超声检测
金属缺陷
集合经验模态分解
低秩稀疏分解
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
计量学报
月刊
1000-1158
11-1864/TB
大16开
北京1413信箱
2-798
1980
chi
出版文献量(篇)
3549
总下载数(次)
8
总被引数(次)
20173
论文1v1指导