基于小波分析的涡流信号去噪处理

摘 　要:涡流检测方法是常规无损检测技术之一。但微小裂缝、穿孔引起的涡流检测信号很 微弱 ,容易被各种噪声湮没 ,分辨起来较困难。沧州欧谱用小波分析方法对涡流信号进行处理 ,能分辨出较 微弱的缺陷信号 ,得到比较满意的结果。

关键词:涡流检验;信号处理;降噪;缺陷识别 　　

中图分类号 :TG115. 28 　　　文献标识码:A 　　　

文章编号:100026656 (2003) 0520257203

WAVELET ANALYSIS BASED DENOISING OF EDDY CURRENT SIGNALS LIN Jun2ming , YU Xing2zeng , LIN Chun2jing (Eddysun (Xiamen) Electronic Co. , Ltd. , Xiamen 361001 , China) FANG Song2li , WU Yu2kun , DONG Zhen2jun ( Guangdong Nuclear Power Joint Venture Co. Ltd. , Shenzhen 518124 , China) Abstract : Eddy current testing is one of the common nondestructive testing technologies. The eddy currentsignalsfrom thin flaws and perforations are merged by noises and difficult to be distinguished. Weak eddy current signals can be identified by wavelet analysis. Keywords :Eddy current testing ; Signal processing ; Denoising ; Defect identification 　　

航空工业的发展及航空器的安全运行离不开无 损检测。涡流检测是无损检测的五大常规方法之 一 ,与其它方法相比 , 涡流法有其独特的优点。与 超声法和射线法相比 ,涡流法不需要耦合剂 ,又可非 接触检测;与磁粉法相比 ,涡流法对磁性和非磁性材 料均有效 ,且不污染环境;与渗透法相比 ,它不需要 清洗试件 ,可以实现检测自动化。因此 ,涡流检测是 无损检测技术中具有重要意义的一种方法。从石油 化工到机械造船 ,从高压锅炉到火电厂核电站 ,从铁 路汽车到航空航天 ,它的应用越来越广泛。然而 ,通 过仪器获得的信息难免混有多种干扰信号 ,尤其是 在现场 ,微小的缺陷产生的涡流信号很微弱 ,容易被 各种噪声湮没。因此 ,必须将干扰信号降到允许的 范围 ,才能进行识别。小波分析是信号处理的新技 术 ,比傅里叶分析更有效。它在信号处理、图像压 缩、语音编码、模式识别、地震勘探以及许多非线性 科学领域内获得了巨大的突破。小波分析在无损检 收稿日期:2003203227 测中的应用和研究尚处在探索阶段[1～4 ]。

作者利用 小波分析处理微弱的声脉冲检测信号 ,得出了较满 意的结果[1 ]。下面介绍涡流信号的小波去噪处理。

1 　小波分析简介 [5] 小波分析是广为使用的傅里叶变换方法的新发 展 ,已在许多方面获得成功应用 ,成为信号处理的一 种强大工具。函数 f ( x)的小波变换定义为 Wf ( s , x) = 1 s∫f ( t)φx - t s d t =∫f ( t)φs ( x - t) d t 式中 φs ———关于母小波φ的尺度伸缩 φs = 1 s φ x s s ———尺度参数 小波φ要求满足容许性条件 ∫ ∞ 0 | φ^ | 2 ω dω < ∞ 其逆转换公式为 f ( x) = 1 c∫ ω 0∫ ω - ω Wf ( s , t)φ…( t - x) dsd t s · 752 · 第25卷第5期 2 0 0 3 年 5 月 无损检测 NDT Vol . 25 No . 5 May 2 0 0 3 © 1995-2003 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.　　

小波变换对不同频率在时域上的取样步长是具 有调节性的,即在低频时小波变换的时间分辨力较 差,而频率分辨力较高;在高频时时间分辨力较高, 而频率分辨力较低,这正符合了低频信号变化缓慢 而高频信号变化迅速的特点。这便是它优于经典的 傅里叶变换之处。 小波除噪的原理是基于噪声和信号在小波变换 下的不同表现[4 ]。

2 　利用小波分析对实测数据进行处理 所用数据是用爱德森(厦门)电子有限公司生产 的 EEC239/ RFT智能全数字四频远场涡流检测仪及 内穿差动式探头 ,沧州欧谱检测 <25mm×1mm铜管外壁 <0. 3 和 0. 5mm的人工盲孔所得到的。由小波基的选择 及信号的预处理方法[1 ]可知 ,小波函数是不具备唯 一性的 ,与傅里叶变换截然不同。同一个工程应用 问题 ,用不同的小波函数进行分析得到的结果相差 甚远。小波函数的选择是小波分析应用中的一个难 点问题 ,也是小波分析研究的一个热点问题 ,往往只 是通过经验或不断的实验来选择小波函数。笔者采 用后一种方法获得了一个较理想的小波函数(除非 特别注明 ,所有分解层数均为五层) 。

2. 1 　不同小波基对处理效果的影响 选择合适的小波基是用小波分析处理工程问题 的关键。用不同的小波基对涡流信号进行去噪处 理 ,其效果明显不同。图 1 是 <0. 3mm 人工盲孔所 产生的涡流原始数据图 ,噪声信号很强 ,看不到“8” 字形图形。图 2 是其余参数不变时 ,用处理声脉冲 信号的小波基对涡流信号进行小波去噪的结果。图 3 是用专为涡流信号处理设计的小波基进行去噪的 结果。用处理声脉冲信号的小波基对涡流信号进行 小波去噪 ,虽然有一定作用 ,但和专为涡流信号设计 的小波基的处理效果还是有明显的差距。 图 1 <0. 3mm人工盲孔涡流原始信号 图 2 　声脉冲信号处理用小波基处理图 1 信号结果 图 3 　涡流专用小波基处理图 1 信号结果

2. 2 　分解层数对处理效果的影响 影响小波去噪的因素很多 ,分解层数也是其中 之一。图 4 和 5 是使用涡流专用小波基 ,在分解层 数分别为两层和七层时处理图 1 信号的结果。可以 看出 ,分解层数越高 ,效果越好 ,但计算量也越大。 一般分解层数为五层就能得到比较满意的结果。

2. 3 <0. 5mm人工盲孔涡流信号的小波处理 图 6 是 <0. 5mm人工盲孔所产生的涡流原始数 据图。噪声信号也很强 ,但由于孔较大 ,所产生的涡 流信号较强 ,所以仍可看到“8”字形图形。用小波处 图 4 　两层分解处理图 1 信号结果 · 852 · 林俊明等: 基于小波分析的涡流信号去噪处理 © 1995-2003 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.图 5 　七层分解处理图 1 信号结果 图 6 <0. 5mm人工盲孔涡流原始信号 理图 6 信号所得结果示于图 7 ,可见 ,能去除大部分 噪声信号 ,使“8”字形更加清晰。

3 　结论 实验结果表明 ,用于声脉冲信号去噪的小波基 函数直接移植处理涡流数据的结果并不理想 ,这正 说明了不同的工程问题需要选择不同的小波基函 图 7 　涡流专用小波基处理图 6 信号结果 数。当选择适当的小波基函数对涡流数据进行去 噪 ,能够很好地去除噪声信号 ,提高识别微弱信号的 能力 ,从而提高涡流检测系统的分辨力和信噪比。 以管材涡流检测数据为例 ,对板材的表面微小缺陷 , 笔者采用涡流点式探头及涡流专用小波基处理 ,同 样获得了很好的效果。

参考文献: [1 ] 林俊明 ,余兴增 ,等. 小波分析在声脉冲信号处理中的 应用[J ].无损探伤 ,数字超声波探伤仪http://www.shuzichaoshengbotanshangyi.com2001 ,25(3) :34 - 35. [2 ] 甘传付 ,张尊泉 ,等. 小波分析在微波探伤中的应用 [J ].无损检测 ,2000 ,22(5) :209 - 211. [3 ] 张海燕 ,吴 　淼 ,等. 小波变换和模糊模式识别技术在 金属超声检测缺陷分类中的应用[J ]. 无损检测 ,2000 , 22 (2) :51 - 54. [4 ] 刘东辉 ,陈德智 ,等. 一种基于小波分析的除噪方法 [J ].仪器仪表学报 ,2000 ,21(6) :636 - 638. [5 ] 秦前清 ,杨宗凯.实用小波分析[M]. 西安:西安电子科 技大学出版社 ,1994. (上接第 238 页) 利用小波理论 ,结合动态相关分析 ,提出一种图 像实时跟踪采集的方法 ,经程序设计后实现了系统 运行。该方法利用小波信号分析的的高分辨特点 , 建立动态图像运行状态的自动识别机制 ,并将自动 分割与图像处理相结合 ,实现了焊接件检测系统自 动连续捕获和处理的功能 ,解决了视频图像不能得 到高像质的问题 ,提高了自动检测水平 ,大大改善了 操作程序。在工件的焊接质量 X 射线实时检测系 统中 ,该方法对在国标指导下实现评片的标准化和 规范化具有重要意义。

参考文献: [1 ] Stollnitz EJ , Derose TD , Salesin DH . Wavelets for computer graphics : a primer (part 1) [J ]. IEEE Computer Graphics and Application ,1995 ,15(3) :76 - 84. [2 ] Chen Z , Feng TJ , Meng Q. The application of wavelet neural network in time series prediction and system modeling based on multi2resolution learning [ A ]. Proc of IEEE 1999 Int’l Conf on Syst Man and Cybern I [ C ]. Tokyo : 1999. 423 - 425. [3 ] Mech R , Wollborn M. A noise robust method for 2D shape estimation of moving objects in video sequences considering a moving camera[J ]. Signal Processing ,1998 ,66 (2) : 203 - 217. [4 ] Aggarwal J K, Cai Q. Human motion analysis : a review[J ]. Computer Vision and Image Understanding ,1999 ,73(3) :428 - 440.