本发明涉及信号处理技术领域，特别是涉及一种基于改进稀疏分解的超声信号特征获取方法。
背景技术：
无损检测是指以不损害或影响被测对象性能为前提，利用声、光、磁、电等特性对对象指定特性信息进行测量，从而判定对象技术状态的技术手段。以超声检测为代表的无损检测技术已成为国家工业发展必不可少的工具，在美国、德国等国家的工业领域占据重要地位。而近年来的国家重大科研项目规划表明，我国政府对无损检测技术的重视程度也正日益增加。
目前已有的无损检测技术主要包括放射性技术、红外光谱分析、超声脉冲反射等方法。但放射性技术、红外光谱分析等方法存在针对性强、实现较复杂、对环境和设备要求较严苛等问题，往往难以满足工业测量简单、实时的需求。各方法中，超声检测以其简单易行、实时准确等特点，更为适应现代工业对无损检测的高精度、高可靠性、高实时性要求。
而超声信号为突变信号，具有非线性和非平稳性，并常伴随信号混叠和噪声干扰，对信号特征的准确获取较为困难。传统频域分析方法对此类信号的处理效果不理想，现代方法中小波分析、希尔伯特黄分解等时频分解方法也具有一定局限性。
技术实现要素：
本发明实施例提供了一种基于改进稀疏分解的超声信号特征获取方法，可以解决现有技术中存在的问题。
本发明提供了一种基于改进稀疏分解的超声信号特征获取方法，该方法包括以下步骤：
步骤100，根据被测对象的特点，选取适当的超声检测装置及数据分析和存储设备，组成检测与处理系统；
步骤110，对被测对象进行超声检测，对获得的信号进行初步处理得到回波数据，对回波数据采用数据处理策略，选取待处理数据区域；
步骤120，根据待处理数据区域中回波信号的特点，选取匹配追踪算法或其变体为稀疏分解方式，以相似性为指标选取适当类型的原子构造过完备数据字典；
步骤130，根据所选择字典类型的参数，设定高维优化对象，以原子参数为帝国竞争算法中高维空间的国家位置，设定目标函数、约束条件和超限处理措施，准备开始稀疏分解中波形的逐步提取，在此过程中对超限数据进行即时处理；
步骤140，结合混沌策略初始化帝国集团参数，选取殖民地与帝国数量和位置，检测进化终止条件是否满足；
步骤150，进行帝国集团内部的成本比较与调整，进行强殖民地革命、帝国集团内位置交换和殖民地同化，结合鲸鱼优化算法，优化同化过程，增加算法遍历性；
步骤160，进行帝国集团间的竞争，强势帝国逐步吞并弱势帝国殖民地，迭代结束后获得最优成本帝国；
步骤170，根据最优成本帝国的位置，获得最匹配分解原子，即波形提取，计算当前残差并进行处理以获取新的待处理信号，返回步骤140继续循环，最终获得新的待处理信号的最匹配原子；
步骤180，达到波形分解要求后，提取稀疏分解获得的波形中的各项系数，进行判断和分析，获得被测对象特征相关参数数值。
优选地，步骤160中为增加遍历性，在熵数据指导下派出探险团队，进一步搜索空间中可能存在的未知领域，避免陷入局部最优。
本发明实施例中的一种基于改进稀疏分解的超声信号特征获取方法，针对超声检测信号的稀疏分解问题，提出在帝国竞争算法中结合鲸鱼优化的进化思路，并参考混沌思维与熵分析等理论对算法加以改进，形成一种新的改进帝国竞争算法，并以其与匹配追踪类稀疏分解方法相结合进行超声信号的深入分析与特征提取。本发明方法的应用范围广、实用性强，对无损检测、振动分析、地震波、医学类信号等研究与应用领域具有重要意义，为工业生产效率的进一步提高提供有效途径。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中的检测与处理系统的结构示意图；
图2为图1中检测与处理系统经过初步处理得到的回波数据示意图；
图3为本发明中基于改进稀疏分解的超声信号特征获取方法的流程图；
图4-图6为实例中可能获得的分解信号示意图；
图7为残差信号图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在介绍本发明的技术方案前，首先对本发明中涉及到的一些技术进行解释：
帝国竞争算法(imperialistcompetitivealgorithm,ica)是基于帝国主义殖民竞争机制的群智能优化算法，2007年由atashpaz-gargari与lucas等学者提出。此方法在连续函数优化的效率与质量方面具有较好效果，被应用于组合优化、调度、机械设计等实际领域。ica算法也存在群智能优化常见的遍历性与寻优精度的矛盾问题，对其进行的理论与应用研究方兴未艾，有较为广阔的研究空间。
鲸鱼优化算法(whaleoptimizationalgorithm,woa)是由学者seyedalimirjalili和andrewlewis在2016年由提出的一种新的群智能优化算法，算法灵感源于座头鲸的狩猎行为，通过鲸群搜索、包围、捕猎猎物的行为模拟实现优化。此算法原理简单、易于实现、收敛速度快。
参照图1、图2和图3，本发明实施例中提供了一种基于改进稀疏分解的超声信号特征获取方法，该方法包括以下步骤：
步骤100，根据被测对象的特点，选取适当的超声检测装置及数据分析和存储设备，组成检测与处理系统，如图1所示。
步骤110，对被测对象进行超声检测，对获得的信号进行初步处理得到回波数据，如图2所示，对回波数据采用数据处理策略，选取待处理数据区域，如图2中虚线框中的部分。
步骤120，根据待处理数据区域中的回波信号的特点，选取匹配追踪算法(mp)或其变体(omp、cmp等)为稀疏分解方式，并以相似性为指标选取适当类型的原子构造过完备数据字典。
步骤130，根据所选择字典类型的参数，设定高维优化对象，以原子参数为帝国竞争算法中高维空间的国家位置，设定目标函数、约束条件和超限处理措施，准备开始稀疏分解中波形的逐步提取，在此过程中对超限数据进行即时处理。
步骤140，结合混沌策略初始化帝国集团参数，选取殖民地与帝国数量和位置，检测进化终止条件是否满足。
步骤150，进行帝国集团内部的成本比较与调整，进行强殖民地革命、帝国集团内位置交换和殖民地同化，结合鲸鱼优化算法，优化同化过程，以增加算法遍历性。
步骤160，进行帝国集团间的竞争，强势帝国逐步吞并弱势帝国殖民地，为增加遍历性，在熵数据指导下派出探险团队，进一步搜索空间中可能存在的未知领域，避免陷入局部最优，迭代结束后获得最优成本帝国。
步骤170，根据最优成本帝国的位置，获得最匹配分解原子，即波形提取，计算当前残差并进行处理以获取新的待处理信号，返回步骤140继续循环，最终获得新的待处理信号的最匹配原子。
步骤180，达到波形分解要求后，提取稀疏分解获得的波形中的各项系数，进行判断和分析，获得被测对象特征相关参数数值(如渡越时间、衰减系数等)，进行结果分析或在多探头检测中为数据融合提供数据。
下面以管道换热污垢超声检测信号中的特征信息为了对本发明的方法进行进一步说明。
由超声时域反射法的相关理论可知，换热污垢层中超声渡越时间等参数获取的准确性是污垢检测可行性的重要决定因素。但由于换热污垢质地疏松、表面粗糙，其超声检测回波信号中含有较多噪声与杂波干扰，并且回波能量偏低、回波波形复杂，从而使超声特征参数的准确获取较为困难。
针对此问题，本发明进行如下处理以实现特征获取。
(1)选择水浸聚焦超声探头及相关脉冲发射、信息存储与处理等设备，构造检测系统，如图1。
(2)进行超声检测，经过初步降噪获得类似图2的超声回波，并通过数据分析，获取待处理数据区域。
(3)构造数据字典。
此处设超声检测信号主要组成形式如式(1)所示：
其中m∈n为超声反射信号中的反射波形数目；n为信号f(t)长度，为便于处理，可取n＝2j，j∈n。由于反射信号可能存在一定程度的变形，式中采用约等符号。
此处考虑声波信号基本形式si(t)与gabor原子具有较高相似性并且原子参数较少，此处可选取较经典的gabor原子作为原子基函数gγ，通过原子的展缩、平移、调制等变形手段构成过完备原子库d较恰当(也可选择其他字典类型)。gabor原子gγ如式(2)：
其中，g(t)＝exp(-πt2)，为高斯窗函数；s、u、v、
(4)进行稀疏分解的前期准备。
根据实际需求，设定其中参数s、u、v、
(5)结合混沌策略初始化帝国集团参数：选取殖民地与帝国数量和位置，检测进化终止条件是否满足。
目前在混沌优化群智能寻优算法的中，常用的logistic映射模型和tent映射模型作为混沌序列发生器的序列分布均匀性和随机性仍存在一定问题，可选择混沌猫映射(catmap)实现初始国家位置的分布设定。此后根据预先选取比例，排序并进行帝国与殖民地设定选取，完成群内集团分配和数据初始化。
(6)根据帝国竞争算法基本策略，进行帝国集团内部的成本比较与调整：进行强殖民地革命、帝国集团内位置交换和殖民地的同化。以鲸鱼捕食进化策略为同化策略，并对优化中的收敛因子参数进行适当非线性调整，可增强个体的随机性和同化进程中的遍历性。
(7)根据帝国竞争策略，进行帝国集团间的竞争(加权的平均成本比较)，较强帝国逐步吞并弱势帝国殖民地。通过熵数据的指导探险团队策略，进入最优以外空间搜索可能存在的未知领域，增强遍历性，更好的避免陷入局部最优；也可以此为依据适当调整前一步骤中收敛因子，实现局部搜索，保证局部搜索和遍历性的平衡。经搜索，帝国成本达到收敛性要求或达到设定进化迭代次数后，结束迭代，获得最优帝国位置
(8)根据最优成本帝国位置，获得在原子字典d内对与f(t)的最匹配分解原子(即提取波形)gγ1。
提取f(t)中能量最强的超声反射波形s1(t)形式为：
s1(t)＝＜gγ1(t),f(t)＞gγ1(t)(3)
以余项r2f(t)＝f(t)-s1(t)为新信号，重复步骤(5)，在原子字典d内逐次进行最匹配原子gγ2～gγm的查找，并以同样方法完成其他超声反射波形的提取：
sl(t)＝＜gγl(t),rlf(t)＞gγl(t)，l＝2,3,...,m(4)
若最终残差rm+1f(t)分布均匀且能量较小，则稀疏分解较准确完整，残差部分主要由噪声及干扰构成。
(9)达到波形分解要求后，实现对超声信号的稀疏分解，如式(5)。提取稀疏分解获得的波形gγi中的各项系数，获得被测对象特征相关参数数值(如渡越时间、衰减系数等)。
上式中si(t)为稀疏分解所提取的各界面超声反射波形。波形的提取在一定程度上削弱了噪声影响，并为单探头数据的后续分析以及多探头组合数据的数据融合提供了条件。
此处仅以超声渡越时间(timeofflight，tof)数据的获取为例进行说明。
例如获得超声波形如图2，其中选取区域进行稀疏分解，可能获得的分解信号s1(t)～s3(t)如图4～6，残差信号如图7。选取适当阈值比例系数β。取各超声反射波形sl(t)首次达到此阈值比例的时间作为对应的超声波至时间τl,l∈n且l∈[1,m]。则超声到界面l的波至时间τl将为此超声反射波形在上升沿时间范围(tl1,tl2)内首次满足式(6)关系的时间值：
sl(τl)＝β·max(sl(τl))，τl∈(tl1,tl2),l∈n,l∈[1,m](6)
对i与j两个界面间的超声渡越时间(tof)δτi,j可根据需要以波至时间之差获得：
δτi,j＝|τj-τi|,i,j∈n,i,j∈[1,m],i≠j(7)
则可参考材质中超声纵波声速，以公式(8)对界面i、j间的距离δdi,j进行求取：
厚度数值获取的效率取决于由稀疏分解获取的渡越时间(tof)效率，因此本发明所提出的稀疏分解方法的效果改善，对提高超声检测效率具有重要意义，也为其他相关研究提供了有效帮助。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。