- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
利用时频分析实现激光超声信号处理中缺陷特征的有效提取
摘要： 采用小波变换的时频分析(TFA)方法处理激光超声信号，有效提取了材料缺陷特征。通过TFA分析包含缺陷特征的激光激发表面声波(SAW)信号，显著提取了回波波特征，尤其在低信噪比(SNR)条件下效果突出。详细建立了含不同表面缺陷深度的铝板有限元(FEM)仿真模型，并采用TFA进行缺陷深度预测。结果表明：无需额外降噪处理时，TFA能在-3dB信噪比下显著提取0.1mm至0.9mm缺陷深度范围的回波SAW信号。该方法为获取缺陷信息提供了有效途径，在本研究中将检测精度提升了7.9dB，对超声信号处理和材料评估具有重要价值。
关键词： 时频分析、特征提取、小波变换、信噪比、激光超声信号
更新于2025-09-11 14:15:04
-
基于时频特性的光纤振动模式识别研究
摘要： 为检测和识别周界安防系统中的各类事件，本文提出一种基于时域特征与时频域特征相结合的光纤振动模式识别方法。性能参数（事件识别、事件定位和事件分类）至关重要，体现了本文方法的有效性。该模式识别方法精确基于时频熵和重心频率的经验模态分解，实现了对周界安全范围内事件（入侵或非入侵）的识别与分类功能。为实现该方法，首先根据振动信号的时域特征进行一级预判，再通过时频分析进行二级预测。通过经验模态分解和希尔伯特变换获取信号时频分布，继而利用时频熵和重心频率构成时频域特征，即结合时域特征形成特征向量。采用多种概率神经网络判断是否存在入侵及入侵类型。实验结果表明，该方法在事件类型识别与分类方面具有有效性和可靠性。
关键词： 时频域特征、时频分析、经验模态分解、时频熵、事件识别、模式识别、重心频率、时域特征
更新于2025-09-04 15:30:14