[发明专利]一种基于预测函数模型识别金属材料的方法

权利要求书

1.一种基于预测函数模型识别金属材料的方法，其特征在于，包括以下步骤：

(1)按照常规方法分别采集标准金属试样和待识别金属试样的时域信号，并依次记为标准信号和待识别信号；

(2)取标准信号，构建预测函数模型，计算预测误差，利用最小均方误差准则和迭代算法得到标准金属试样的p阶线性预测系数a_i，i＝1～p；

(3)根据金属试样种类以及p阶线性预测系数a_i，采用多倍标准差方法确定出标准信号的阈值Δ；

(4)按照步骤(2)的方法计算出各个待识别信号的p阶线性预测系数；

(5)将待识别信号的p阶线性预测系数与步骤(3)的阈值Δ进行比较，若待识别信号的p阶线性预测系数均在阈值Δ范围内，为同种材料；若有某一阶或某几阶超出阈值范围，为异种材料，实现金属材料的识别。

2.根据权利要求1所述的基于预测函数模型识别金属材料的方法，其特征在于，所述步骤(2)具体包括：

(2.1)利用超声探头采集到标准金属试样的时域信号，幅值表示为X(n)，n为超声信号采样点；

(2.2)对标准金属试样时域信号的每一个采样点的幅值X(n)做归一化处理：

其中：X(n)_min为回波信号中最小幅值；X(n)_max为回波信号中最大幅值，x(n)是标准金属试样信号第n个采样点的信号幅值，即真实信号；

(2.3)根据第n个采样点之前的p个采样点的标准金属试样信号幅值x(n-i)，通过预测函数得到标准金属试样信号第n个采样点的信号幅值即标准金属试样超声预测信号；其中：i为P个采样点中的任意一个采样点；

(2.4)计算金属试样超声预测信号和真实信号之间的预测误差e(n)以及均方误差ε：

(2.5)利用最小均方误差准则计算a_i，使ε取最小值，得到a_i为变量的线性方程组：

其中，a_i为线性预测系数；x(n-j)表示利用第i个金属试样时域信号幅值之前j个金属试样时域信号幅值预测的第x(n)个金属试样时域信号幅值；

(2.6)由步骤(2.5)的线性方程组构建标准金属试样时域信号的自相关函数R_n(j)，N为使用超声探头采集到的金属试样回波信号的采样数据总数，因此0≤n≤N：

其中：j为金属试样超声信号的自相关函数的时间延时，R_n(i-j)表示利用第i个采样点金属试样时域信号自相关函数值之前的j个自相关函数值预测的第R_n(j)个自相关函数值；

(2.7)将R_n(j)拆分成Toeplize矩阵并由迭代算法计算系数：

迭代计算出a_i，表达如下：

式(8)中，是金属试样时域信号自相关函数矩阵与金属试样时域信号的预测均方误差矩阵组成而成的Toeplize矩阵的解；并由迭代算法计算系数；k_j是反射系数，l代表金属试样时域信号的线性预测系数的每个迭代计算的阶数；为当前迭代阶数之前所得结果，R_n(j-l)是利用第j个金属试样时域信号自相关函数值之前l个自相关函数值来预测第R_n(j)个自相关函数值；ε^(j-1)表示迭代计算时，当前迭代的上一次迭代所计算出的金属试样时域信号的预测均方误差。

3.根据权利要求1所述的基于预测函数模型识别金属材料的方法，其特征在于，所述步骤(3)具体为：

基于高斯分布来模拟信号采集中的分布情况，根据下式(9)计算出阈值Δ，具体为：

其中，m为标准信号的个数；a_r为p阶线性预测系数；记表示m个标准信号p阶线性预测系数的均值；δ为m个标准信号p阶线性预测系数的标准差。