[发明专利]一种基于自编码器的超声信号处理方法

说明书

本发明公开了一种基于自编码器的超声信号处理方法，对超声信号进行预处理，然后叠加超声信号的样本，建立并分类超声信号的样本库，通过神经网络搭建的自动编码器对超声A扫描信号进行压缩和解压，基于深度学习获取特征函数的相关权重和偏置变量，并以此作为降噪参数对后续超声信号进行降噪处理。本发明对信号的降噪筛选兼容性较好，运算量小，计算成本低，提高降噪自编码器特征提取的准确率。

技术领域

本发明属于工业超声无损检测技术领域，具体涉及一种基于自编码器的超声 信号处理方法。

背景技术

作为一种非接触测量方法，无损检测已广泛应用于加工制造业中。根据检测 需求，针对被测物体内部缺陷的无损检测方法包括了：数字射线检测、超声检测 和工业CT检测等。由于数字射线检测需要放射物作为能量源，故其操作专业性 强，且对人体具有一定损伤；工业CT检测虽然检测精度较高，但成本高，检测 效率较低，且由于上述两类检测设备体积较大，无法实现在线检测和在位检测。 而超声检测设备体积相对较小，能够实现在线或在位测量，且检测过程安全、效 率高。故超声检测不仅能够对小尺寸被测物体进行在线在位快速检测，还能够对 大尺寸被测物体进行在位检测。

超声相控阵检测技术是超声检测技术目前的一个发展方向，其依托压电复合 技术、微型机电制造技术、微电子技术及计算机技术等学科的交叉。相比于传统 的超声检测技术，超声相控阵检测技术采用压电复合的多阵元探头，并由计算机 控制各阵元传感器的激发时序，通过控制激发时序能够实现超声波束的聚焦和角 度偏转等功能。相比于传统超声检测技术，具有更高的检测灵活性和精度。

在超声相控阵检测中，通过计算各阵元的激发/接收时序法则对各阵元传感器 的状态进行控制。为了得到最终的可视化检测结果，在各阵元传感器接收到原始 信号后需要利用算法对多路信号进行数据融合，并进行图像重构。由此可知，原 始接收信号的质量直接影响着最终的检测结果。一般来说，上述算法在数据融合 前后还需要对信号进行诸如降噪、调制等处理。目前对于该类信号处理的方法主 要是利用快速傅里叶变换(FFT)和小波滤波等方法来实现。但是，上述两种方 法均需要根据噪声分布进行人工阈值设置，对信号的降噪筛选兼容性较差，存在 一定的主观性；且在每一次信号处理过程中运算量较大，需要耗费较大的计算成 本。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于 自编码器的超声信号处理方法，提高了降噪的准确率，有效去除探头固有响应特 性对于回波信号处理时的干扰。

本发明采用以下技术方案：

一种基于自编码器的超声信号处理方法，对超声信号进行预处理，然后叠加 超声信号的样本，建立并分类超声信号的样本库，通过神经网络搭建的自动编码 器对超声A扫描信号进行压缩和解压，基于深度学习获取特征函数的相关权重和 偏置变量，并以此作为降噪参数对后续超声信号进行降噪处理。

具体的，预处理的具体过程如下：

S101、将单幅A扫描信号输出的一维数组进行升维，将一维数组各元素进行 取整；

S102、以声程的有效采样点做为二维数组的列数，设置二维零数组；

S103、以最大回波波幅与各采样点波幅之差作为各列索引，将A扫描信号各 列的波幅依次赋值于各列的索引处，将输出格式由一维数组升为二维数组。

进一步的，步骤S101中，二维数组的行数row计算如下：

其中，Value_max是回波波幅的最大值，Value_min是回波波幅的最小值。

更进一步的，当回波波幅的最小值Value_min＜0时，计算行数时加1。

更进一步的，预处理过程中，设初始一维信号如下：