郭立偉，周 陽，李文靜

(哈爾濱理工大學材料科學與工程學院，哈爾濱150040)

在超聲檢測中，無論是人為因素還是非人為因素，都不可避免的會出現(xiàn)影響實驗數(shù)據(jù)的因素，其中噪聲是很重要的一環(huán)，實驗數(shù)據(jù)的可靠性會因為噪聲的干擾而大打折扣，以為了提高檢測數(shù)據(jù)的精確性需要將噪聲去除掉.

噪聲的處理包括:1)儀器電路和電子噪聲的處理:在使用電子儀器的時候，由于儀器當中的電路會發(fā)生隨機擾動的現(xiàn)象，可以采用建立數(shù)字超聲系統(tǒng)物理模型無處噪聲[1].2)脈動噪聲的處理:由于信噪比可以直接的影響數(shù)據(jù)信息的可靠性，而脈動噪聲又能夠降低數(shù)據(jù)信號的信噪比，因此脈動噪聲對信號的頻譜也是有很大的影響的，可以采用空間平均法.高通濾波器法.小波變換消除脈動噪聲法對噪聲進行處理.3)脈沖噪聲的處理:由于各個檢測儀器，電脈沖，機械振動和變頻電源之間的相互干擾會產生脈沖噪聲，一般采用多通道相關法，多峰值剔除法，頻域濾波法和中值濾波法進行脈沖噪聲的處理[2－3].4)濾波降噪:在射線檢測中，所檢測出來的焊縫的圖像噪聲大多數(shù)是高斯白噪聲，一般情況在可能會用低通濾波的方法來消除噪聲，但是在消除圖像的噪聲的同時，同時也會消除圖像部分一些有用的高頻信息[4].5)獨立分量分析:將多通道的觀察信號源以獨立統(tǒng)計的原理通過將算法優(yōu)化以后，然后分成若干個獨立的成分，這樣就能夠使信號的分析更加準確[5－8].本文以獨立變量分析為原理，對人工加工的焊縫缺陷進行超聲C掃描檢測，同時應用MATLAB軟件將檢測結果中的A掃描信號進行分離迭代，能夠很好的分離出源信號與噪聲信號，可以避免噪聲對缺陷信號的掩蓋而導致檢測人員對焊縫的漏判.

1 ICA原理及基本理論

獨立分量分析法(簡稱ICA)理論最早在20世紀80年代初由J·Herault和 C·Jutten等人提出的.ICA算法從根本上來說是一個尋優(yōu)算法，其研究對象為盲源信號[4]，基本理論如下:

假設x1(t)，x2(t)，…，xn(t)是一組觀測信號，s1(t)，s2(t)，…，sn(t)是一組獨立的源信號，源信號通過混合后得到觀測信號，如下式

上式用矩陣的形式可表示為

式中

ICA信號分離的目的為在S和A未知的情況下，利用一定的學習算法，自適應地調整網(wǎng)絡的權W，使網(wǎng)絡輸出Y再現(xiàn)S，其中

ICA網(wǎng)絡關系見圖1.

圖1 ICA網(wǎng)絡關系圖

一般說來，在進行ICA時需遵循以下兩條規(guī)則[5]:1)各信號源相互獨立且最多有一個信號分量服從高斯分布.因為多個高斯信號的線性混合仍然服從高斯分布，從而導致信號不可區(qū)分;2)觀測信號的數(shù)目不能小于獨立信源數(shù).

在用ICA對信號進行處理時通常要進行目標函數(shù)的確定、觀測數(shù)據(jù)的預處理和獨立分量的提取與算法的實現(xiàn)等過程.以下以負熵理論的快速算法對其進行說明.

1.1 目標函數(shù)的定義

目標函數(shù)的定義主要是確定分析的目標和建立判斷y(i)是否獨立的判據(jù).常用的是負熵法.即假設隨機向量y的概率密度是p(y)，那么其熵為

其負熵為

由式(4)、(5)可得，當隨機向量y的各分量相互獨立時，其負熵取得極大值;當隨機向量y的各分量具有高斯分面時，其負熵為0.

國外的ICA研究學者A·Hyvninen提出了以下近似公式進行非高斯化度量

1.2 觀測信號的預處理

觀測信號的預處理主要是對其進行歸一化處理，最后得到如下結果

1.3 獨立分量分析的提取及算法實現(xiàn)

ICA算法是對目標進行分離迭代，并對分離迭代的結果進行非高斯化度量，當它滿足調整公式時迭代結束.快速ICA算法通常所用的調整公式為經過以上三個步驟，ICA可以分離出不同信號源產生的信號.

2 實驗過程

2.1 實驗準備

本文實驗所用儀器為美國物理聲學公司的ULTRAPAC水浸式超聲掃描成像系統(tǒng)，探頭采用的頻率是10 MHz的水浸聚焦探頭.采用的檢測試樣如圖2所示，焊縫中常見的缺陷為氣孔，在試樣焊縫位置上有人為加工的直徑為1 mm橫孔.

圖2 鈦合金T型激光焊接頭

自動超聲波檢測信號主要由目標信號和噪聲信號線性組合而成.假設s1(t)是自動超聲波檢測激光焊T型接頭得到的源信號，s2(t)是噪聲干擾信號，x1(t)和x2(t)是經s1(t)和s2(t)融合后檢測到的觀測信號，a11，a12，a21，a22，分別是它們的融合系數(shù)，則其關系可表示為圖3.

圖3 激光焊T型接頭缺陷信號的組合模型

研究采用Matlab軟件，它是一款以矩陣計算為基準的程序設計語言，利用獨立分量法對檢測信號進行分析圖3是用自動超聲波檢測得到的兩組含有噪聲干擾的激光焊接頭缺陷信號，此例中觀測信號的數(shù)目等于獨立信源的數(shù)目.

應用ICA理論檢測到缺陷中的電磁干擾信號就是要找到一個矩陣W，使得

從而根據(jù)觀測到超聲波檢測信號還原出干擾信號和實際測量信號.

2.2 實驗過程

采用ULTRAPAC自動水浸超聲掃描系統(tǒng)對人工加工的焊縫缺陷進行檢測，探頭聚焦于距焊縫表面2 mm深度，設備采集超聲信號距表面深度0.8～3 mm的數(shù)據(jù)，經圖像處理后得到水平投影的超聲掃描圖像，如圖4所示，該圖像以顏色代表深度，圖像上任意點都有一個超聲脈沖信號，檢測圖像的十字交叉線的交點位置的超聲信號就是圖4中左側顯示的信號波形，此超聲信號波形會隨著十字交叉線的移動而發(fā)生改變，且信號為數(shù)字信號可以根據(jù)需要進行變換.

圖4 人工加工焊縫缺陷處的C掃描圖像及脈沖信號

觀察圖4在焊縫中心有貫通白色區(qū)域的紅色圖像，以及分布的藍色點狀圖像，白色區(qū)域是焊縫中心無缺陷處，因超聲波直接發(fā)射至試樣底面才有反射，超出了系統(tǒng)所設定的采集數(shù)據(jù)區(qū)域，即距焊縫表面0.8～3 mm，因系統(tǒng)沒有取值所以沒有形成有色標中顏色的圖像，紅色貫穿焊縫圖像是人為加工橫孔反射超聲波被系統(tǒng)采集而形成的圖像，而那些分散分布的點狀圖像可能是噪聲圖像，也不排除是湮沒于噪聲中的微小缺陷信號所形成的圖像.

焊縫中心小缺陷處分離結果圖4為實際T型鈦合金接頭試件焊縫中心小缺陷處的C掃描圖像.圖中交叉點為焊縫中心的一點.焊縫中心小缺陷處同一點在兩次不同掃描過程中提取的瞬時超聲波A掃描檢測圖樣，按一定時間間隔提取相應的幅度值數(shù)據(jù)，然后根據(jù)負熵法ICA理論進行快速ICA變換，得到的分離結果如圖5.圖5(A)為分離得到的超聲波探頭檢測到的實際回波信號，圖5(B)為分離出來的噪聲信號.在焊縫中心微小缺陷分離的過程中，仍然可以發(fā)現(xiàn)在分離之前根本無法辨別的，完全混雜在表面波中的小缺陷信號，在分離后能夠識別，這說明ICA快速變換處理能夠得到比較好的噪聲分離，噪聲信號仍然主要分布于從表面到焊縫區(qū)下面晶粒粗大區(qū)域.

圖5 焊縫中心小缺陷處噪聲分離結果

3 結語

利用ICA理論對T型鈦合金激光焊接頭中的微小缺陷超聲檢測的噪聲干擾消除進行了研究，對實驗室條件下的數(shù)據(jù)進行了分離，可以很清晰地將回波信號與噪聲信號分離開來，在分離后的回波信號中可以更加準確的判斷缺陷的存在，而且可以將混合信號中被淹沒的缺陷信號清楚的分離出來.只要選用合適的目標函數(shù)和學習算法，即可快速準確的從混合信號中分離出實際回波信號與噪聲信號.在實驗中不論觀測信號的信噪比高低，即便是信號被噪聲淹沒，該方法也可以實現(xiàn)真實信號波形的有效恢復，顯然這對于弱信號檢測與提取具有重要的意義.

[1] 張小飛，王 茁，周有鵬.超聲檢測中的噪聲處理[J].無損檢測，2002(5):200－202.

[2] 左建國.超聲探傷的脈沖干擾噪聲及其消除方法[J].無損探傷，1998(3):8－11.

[3] HYVARINEN A.Independent Component Analysis:Algorithms and Applications[J].Neural Networks，2000，13(4):411 －430.

[4] 周光平，李 堅，劉振清，等.超聲信號處理法檢測表面缺陷[J].無損檢測，1996，18(12):331 －332.

[5] 張賢達，保 錚.盲信號分離[J].電子學報，2001，29(S1):1766－1771.

[6] 秦志峰，錢 進.基于統(tǒng)計估計的盲信號分離技術[J].艦船電子對抗，2001(3):9－11.

[7] 李大森，毛劍琴.盲信號分離的現(xiàn)狀和展望[J].信息與電子工程，2003，1(1):69－79.

[8] 楊竹青，李 勇，胡德文.獨立成分分析方法綜述[J].自動化學報，2002，28(5):762－771.