主成分分析改进小波算法的超声波消噪方法与流程

技术特征：

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X_up(t)和分解信号的下包络线X_down(t)，然后计算上下包络线的均值线H₁(t)＝(X_up(t)+X_down(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r_n(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y_ni为小波系数的平方，T_{n_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^{\′}\left(i\right)=\left\{\begin{array}{cc}{k}_n\left(i\right)& \[k_n\left(i\right)\]\≥T_{n\_rigrsure}\\ 0& \[k_n\left(i\right)\]\<T_{n\_rigrsure}\end{array}\right.$

k'_n(i)是经过细节提取后得到的新的IMF分量，k_n(i)表示IMF信号幅值的绝对值大于阈值的分量，[k_n(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：W_n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：

W_n′表示有用信号能量，ε(k_n(t))＝∑_i＝1k_n(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

$X^d\left(t\right)=\underset{m=1}{\overset{n}{\Σ}}{\tilde{k}}_m\left(t\right)$

其中为消噪的IMF分量，X^d(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。