[发明专利]一种基于奇异谱分析的超声回波信号在线预处理方法

摘要

本发明提出了一种基于奇异谱分析的超声回波信号在线预处理方法，用于超声在线检测技术中的回波信号预处理，包括：根据实测的超声回波信号构造轨道矩阵，采用嵌入窗口长度选择算法自动确定合适的矩阵参数；对超声回波信号轨道矩阵进行奇异值分解，得到奇异值谱；计算超声回波信号轨道矩阵的特征值谱、奇异值差分谱；采用自适应重构算法确定奇异谱分析的重构分组数，进而构造去噪后的重构超声回波序列；进一步对信号分量对应的重构主成分序列进行频域分析。

主权项

1.一种基于奇异谱分析的超声回波信号在线预处理方法，其特征在于，包括以下步骤：步骤1：构造超声回波信号轨道矩阵；步骤2：对超声回波信号轨道矩阵X进行奇异值分解，获得超声回波信号轨道矩阵的奇异值谱；步骤3：求得超声回波信号轨道矩阵X的特征值谱和奇异值差分谱；步骤4：根据超声回波信号轨道矩阵的奇异值谱、特征值谱和奇异值差分谱，采用自适应重构算法确定奇异谱分析的重构分组数r，根据前r个奇异谱分析SSA主成分重构序列得到去噪后的超声回波信号序列；步骤5：前r个奇异谱分析SSA主成分重构序列，分别对应超声回波信号中不同频段下的信号分量，对于每个奇异谱分析SSA主成分重构序列进行傅里叶变换FFT得到其对应的频谱，从而完成超声回波信号在线预处理；步骤1包括：对于{t1,t2,...,tN}时刻对应的实测超声回波信号序列xsignal＝{x(t1),x(t2),...,x(tN)}＝{x1,x2,...,xN}，构造如下L×K阶Hankel型的超声回波信号轨道矩阵X：其中，L、K分别为矩阵X的行数和列数，x(tN)＝xN表示tN时刻对应的实测超声回波信号，L也被称为轨道矩阵嵌入窗口长度，L为正整数且满足L≤K≤N/2，采用嵌入窗口长度选择算法确定轨道矩阵嵌入窗口长度L，K＝N‑L+1，N为超声回波信号序列长度，{t1,t2,...,tN}为超声回波采样时刻序列；步骤1中所述采用嵌入窗口长度选择算法确定轨道矩阵嵌入窗口长度L，包括如下步骤：步骤1‑1，预设一个超声回波信号序列的长度门限值N0；步骤1‑2，当实测超声回波信号序列x_signal＝{x₁,x₂,...,x_N}的长度N≤N₀时，直接指定轨道矩阵X的嵌入窗口长度当实测超声回波信号序列x_signal的长度N＞N₀时，执行步骤1‑3，其中符号表示向下取整；步骤1‑3，根据经验公式确定轨道矩阵嵌入窗口长度的下限L0＝(lnN)c，其中参数c∈[1.5,2.5]；步骤1‑4，通过如下公式，计算当嵌入窗口长度值L取不同值时，超声回波信号序列xsignal的自相关测试系数Corr(L)：依次选取不同的L，即得到的Corr(L)是关于L的函数，其中，x_ave为实测的超声回波信号序列x_signal的算术平均值，变量满足：当1≤i≤N‑L时当N‑L＜i≤N时x_i、x_i+L和x_i+L‑N分别表示超声回波信号序列x_signal＝{x₁,x₂,...,x_N}中第i个元素、第i+L个元素和第i+L‑N个元素，i＝1,2,...,N；步骤1‑5，基于已确定的轨道矩阵嵌入窗口长度的下限L0，选取满足L＞L0且自相关测试系数Corr(L)曲线第一次穿越零点时对应的嵌入窗口长度集合{L1,L2}，即有Corr(L1)Corr(L2)≤0且L2＝L1+1＞L0；步骤1‑6，通过如下公式确定轨道矩阵X的嵌入窗口长度L：步骤2包括：采用如下公式对超声回波信号轨道矩阵X进行奇异值分解：其中矩阵U和矩阵V为K×L阶正交矩阵，U＝[u1,u2,...,uL]，V＝[v1,v2,...,vL]，uj和vj分别表示矩阵U的第j个列向量和矩阵V的第j个列向量，对角阵Λ＝diag(σ1,σ2,...,σL)为L×L阶方阵，其主对角元σ1,σ2,...,σL为超声回波信号轨道矩阵X的L个奇异值，序列{σ1,σ2,...,σL}即超声回波信号矩阵X的奇异值谱，且满足σ1≥σ2≥...≥σL，σj表示奇异值谱的第j个元素，j＝1,2,...,L；步骤3中，根据步骤2获得的超声回波信号轨道矩阵X的L个奇异值，求得超声回波信号轨道矩阵X的特征值谱{δ₁,δ₂,...,δ_j,...,δ_L}和奇异值差分谱{d₁,d₂,...,d_p,...,d_L‑1}，δ_j表示超声回波信号轨道矩阵X的第j个特征值，j＝1,2,...,L，d_p表示轨道矩阵X奇异值差分谱的第p个元素，p＝1,2,...,L‑1，其中d_p＝d(σ_p)＝σ_p‑σ_p+1，σ_j、σ_p和σ_p+1分别表示矩阵X奇异值谱的第j个元素、第p个元素和第p+1个元素；步骤4包括如下步骤：步骤4‑1，通过如下方式构建表示奇异值差分谱{d₁,d₂,...,d_p,...,d_L‑1}中所有峰值点的集合Ψ：对于奇异值差分谱中的元素d_p，若d_p＞d_p‑1且d_p＞d_p+1则令d_p∈Ψ，反之则令再通过如下方式构建阈值候选集Φ：对于奇异值差分谱中的元素d_p，若d_p∈Ψ且d_p＝(σ_p‑σ_p+1)＞d_ave则令其对应的奇异值σ_p∈Φ，反之则令阈值候选集Φ表示集合Ψ中大于d_ave的点所对应的奇异值集合，其中p＝1,2,...,L‑1，d_ave为判定奇异值差分谱中一个峰是否显著的一个经验参数，d_ave定义为奇异值差分谱中所有峰值的算术平均，即d_ave＝mean(Ψ)；步骤4‑2，通过如下方式构建表示特征值谱{δ₁,δ₂,...,δ_j,...,δ_L}中大于δ_ave的点所对应的奇异值集合Ω：对于特征值谱中的元素δ_j，若则令其对应的奇异值σ_j∈Ω，反之则令其中j＝1,2,...,L，δ_ave为判定一个奇异谱分析SSA主成分是否显著的一个经验参数，δ_ave定义为所有特征值的算术平均，即步骤4‑3，选取集合Ω中的最小元素σs＝argmin(Ω)作为信号、噪声的近似边界；步骤4‑4，若σs∈Φ则直接将σs确定为最终的去噪阈值参量σr，否则找出集合Φ中最接近σs的元素并将其作为最终的去噪阈值参量σr，r表示重构分组数；步骤4‑5，通过对角平均化分别将前r个奇异谱分析SSA主成分轨道矩阵{X⁽¹⁾,X⁽²⁾,...,X^(q),...,X^(r)}转化为对应的重构序列{g⁽¹⁾,g⁽²⁾,...,g^(q),...,g^(r)}，其中序列过程如下公式所示：其中，X^(q)表示第q个奇异谱分析SSA主成分轨道矩阵，为矩阵X^(q)中第m行第n列元素，表示重构序列g^(q)的第i个元素，q＝1,2,...,r，i＝1,2,...,N；步骤4‑6，确定重构分组数r后，将前r个奇异谱分析SSA主成分重构序列{g⁽¹⁾,g⁽²⁾,...,g^(r)}进行加合，得到去噪后的重构超声回波信号序列其中y_signal＝{y(t₁),y(t₂),...,y(t_N)}＝{y₁,y₂,...,y_N}，g^(q)表示第q个奇异谱分析SSA主成分重构序列，