[发明专利]超声智能检测中海量数据的分形剔除方法

摘要

本发明涉及一种超声智能检测中海量数据的分形剔除方法。在长时间、长距离超声自动检测、超声阵列自动检测时会产生海量检测数据，测试数据量非常大，导致数据的实时存储非常困难。针对测试数据中绝大部分为无缺陷信号这一现实，本发明提出将无缺陷超声信号剔除，只对有缺陷超声回波信号存储，从而解决数据存储这一技术难题。为此，将海量数据的存储问题归结为二元识别问题。本发明中利用基于分形技术的有限含噪序列分形R/S算法性，提取信号的特征向量(Hurst指数)，并提出衡量分形特性好坏的分形线性度指标，利用这两个特征分布来区分信号。通过大量的试验表明：无缺陷信号有很好的分形特性，其Hurst指数集中分布在一个较小的区间；而有缺陷信号没有明显的分形特性，拟合的分形参数线性较差，其Hurst指数散布较大。试验结果还表明，该方法程序实现简便，实时性好，受噪声影响小，判断准确率和稳定性高。

主权项

1、一种超声智能检测中海量数据的分形剔除方法，包括如下具体步骤：分形特征提取算法：1)将待分析数据剔除问题归结为二元识别问题，即首先判断检测信号是有缺陷的回波信号，还是没有缺陷回波的噪声信号；2)将待分析数据分段幅值归一化，利用基于(R/S)的分段Hurst指数算法，提取超声信号的Hurst指数；3)提取2)中对应信号的分形线性度指标Δ；建立数据分形特征统计数据库：4)根据实际研究对象，用上述1)-3)的方法对不同种类的已知目标体进行分形特征统计分析，求得其统计分形特征，存储在特征数据库中，供判别时使用；实测数据判断分类：5)对实测数据按1)-3)的方法求得其分形特性，再利用4)中的分形统计特征对数据进行分类；无缺陷信号，即噪声信号被剔除，而有缺陷回波信号被保留，并进行存储。