1.主成分分析改进小波算法的超声波消噪方法,包括以下步骤:
S1,用经验模态分解算法将采集的超声波信号X(t)作为分解信号,分解成若干个IMF分量;
S2,根据小波阈值算法确定每个IMF分量的消噪阈值;
S3,根据每个IMF分量的消噪阈值计算每个IMF分量的有用信号能量;
S4,根据每个IMF分量的有用信号能量,按照贡献率大到小,确定前S个分量为主成分,进而得到PCA分量;
S5,将每个PCA分量相加得到消噪的IMF分量;
S6,将消噪后的IMF分量进行融合得到消噪超声波信号。
2.根据权利要求1所述主成分分析改进小波算法的超声波消噪方法,其特征在于:所述将分解信号分解成若干个IMF分量的过程为:
S11将超声波信号为X(t)作为分解信号,构造分解信号的上包络线Xup(t)和分解信号的下包络线Xdown(t),然后计算上下包络线的均值线H1(t)=(Xup(t)+Xdown(t))/2:
S12计算X(t)和H1(t)的差值,m1(t)=X(t)-H1(t),m1(t)为包络差值;
S13判断m1(t)是否满足本征模函数分量的性质,如果满足则将m1(t)作为第一个IMF分量k1(t),如果不满足,则将m1(t)作为新的分解信号,重复以上处理,直至得到第一个IMF分量k1(t),然后计算余项r1(t)=X(t)-k1(t);
S14判断第一个余项r1(t)是否满足单调函数的特性,如果不满足则将r1(t)作为新的分解信号,重复以上处理,再次得到第二个IMF分量k2(t)和第二个余项r2(t),直到得到满足单调函数特性的第n个余项rn(t),结束分解。
3.根据权利要求1所述主成分分析改进小波算法的超声波消噪方法,其特征在于:所述消噪阈值的计算公式为yni为小波系数的平方,Tn_rigrsure为消噪阈值,σ表示噪声方差。
4.根据权利要求3所述主成分分析改进小波算法的超声波消噪方法,其特征在于:所述IMF分量的有用信号能量的确定方法为:
S31对每层IMF分量进行细节信息的提取:
k'n(i)是经过细节提取后得到的新的IMF分量,kn(i)表示IMF信号幅值的绝对值大于阈值的分量,[kn(i)]表示IMF信号幅值得绝对值。
S32按以下公式计算IMF分量的噪声能量:Wn是噪声能量;
S33进一步计算有用信号能量:
W'n是有用信号能量。
5.根据权利要求1所述主成分分析改进小波算法的超声波消噪方法,其特征在于:步骤S4所述S通过有用超声波信号能量和原始超声波信号能量的比值确定。
6.根据权利要求5所述主成分分析改进小波算法的超声波消噪方法,其特征在于:所述有用超声波信号能量和原始超声波信号能量的比值为:
Wn′表示有用信号能量,ε(kn(t))=∑i=1kn(i)2表示采集的原始超声波信号的实际能量。
7.根据权利要求1所述主成分分析改进小波算法的超声波消噪方法,其特征在于:所述消噪超声波信号表示为
其中为消噪的IMF分量,Xd(t)为消噪超声波信号,n表示每个IMF分量在进行细节提取时经过数字量化得到的第n个分量。