[发明专利]基于K-SVD训练局部字典的高频超声稀疏去噪方法及系统

说明书

本发明公开了一种基于K‑SVD训练局部字典的高频超声稀疏去噪方法及系统，包括以下步骤：获取待测样品的高频超声检测信号；将获取的超声检测信号截取为长度为n的局部信号，组成数据集；利用数据集和K‑SVD训练局部字典；利用训练好的局部字典对局部信号进行稀疏分解，得到稀疏系数矩阵；利用稀疏系数矩阵重构超声检测信号的所有局部信号；利用重构的所有局部信号和贝叶斯最大后验概率估计全局信号，重构全局高频超声检测信号，完成去噪。本发明提高高频超声信号的信噪比和检测精度，可以更有效的观察到样品内部微缺陷的反射信号及位置。

技术领域

本发明涉及信号处理技术领域，具体涉及一种基于K-SVD训练局部字典的高频超声稀疏去噪方法。

背景技术

高频超声在样品内部传播时，遇到不同界面会发生反射现象，产生不同的反射信号(回波)，利用这一特性，可以通过高频超声扫描样品，从而对样品内部的微缺陷进行检测。

当超声波传播到缺陷界面时，由缺陷引起的声阻抗失配将影响反射信号的强度，通过分析检测回波信号，可以对缺陷进行有效诊断。超声检测回波信号包含着与缺陷位置、尺寸以及特征相关的信息，由于高频超声检测受材料晶粒噪声以及检测系统噪声的影响，缺陷的反射回波被掩盖在噪声中，从而极大地限制了高频超声检测地检测精度和准确性。在实际检测中，高频超声检测对象的尺度通常比较微小，为微米级，缺陷的反射回波信号本身就比较微弱，因此，对回波信号进行去噪以提高检查精度尤为重要。目前，针对信号的去噪已经有较为成熟的去噪技术，但缺乏针对高频超声信号的专门处理技术，且高频超声信号和一般信号有很大的区别，一方面高频超声信号属于脉冲信号，能量比较集中，对处理技术的时间分辨率要求较高；另一方面高频超声信号由于频率极高，因此对采样频率的要求也极高，导致高频超声信号维度较大，因此对处理技术的计算效率要求较高。

发明内容

本发明的目的是提供一种基于K-SVD训练局部字典的高频超声稀疏去噪方法及系统，针对高频超声检测信号，快速有效的去噪，为实现更加快速且准确的微小缺陷检测提供了方法。

为了解决上述技术问题，本发明提供了基于K-SVD训练局部字典的高频超声稀疏去噪方法，包括以下步骤：

S1：获取待测样品的高频超声检测信号；

S2：将获取的超声检测信号截取为长度为n的局部信号，组成数据集；

S3：利用数据集和K-SVD训练局部字典；

S4：利用训练好的局部字典对局部信号进行稀疏分解，得到稀疏系数矩阵；

S5：利用稀疏系数矩阵重构超声检测信号的所有局部信号；

S6：利用重构的所有局部信号和贝叶斯最大后验概率估计全局信号，重构全局高频超声检测信号，完成去噪。

作为本发明的进一步改进，所述S1具体包括以下步骤：将待测样品完全浸没在去离子水中，高频超声探头的焦平面设置在待测样品的底面，保存扫描过程中获取的高频超声检测信号。

作为本发明的进一步改进，所述S2具体包括以下步骤：将获取的长度为N的高频超声检测信号进行重复截取长度为n的局部信号，组成数据集得到(N-n+1)个局部信号。

作为本发明的进一步改进，所述S3具体包括以下步骤：

S31：将数据集作为训练集，设定训练迭代终止条件，初始化迭代参数；

S32：迭代求解，对于第J次迭代，对每个样本z_j进行稀疏分解得到稀疏系数，最终得到稀疏系数矩阵α，利用稀疏系数矩阵α对字典D^(J)中的原子依次更新；