声发射信号处理关键技术研究

公岷　柴松

摘要：目前声发射技术广泛应用于航天航空、电力工业、材料试验、石油化工工业等各个领域，是目前进行无损检测与评估的重要方式。声发射中的信号处理是其中最关键的部分。文章将研究的重点放在声发射信号处理方面，旨在从理论上进一步推动声发射技术的发展。

关键词：声发射；信号处理；技术研究

1引言

声发射是无损检测中十分重要的一种方式。从上个世纪50年代开始有已经有专家学者投入到该方面的研究中。特别是进入到20世纪后，声发射技术已经比常规的超声无损检测方法具有明显优势。但是从目前的研究现状而言，声发射检测还不能直接检测到从声发射源发出的原始声发射信号，因此对传感器接收到的声发射信号进行处理与分析具有重要意义。

2声发射信号处理技术研究

2.1声发射信号常规处理技术

（1）特征参数法。特征参数法又分为常规特征参数与新型特征参数。常规特征参数属于分析声发射信号最广泛时间最长的一种方法，该方式能够定义声发射信号的幅度、上升时间、持续时间、能量等等。新型特征参数能够对某个具体领域的声发射信号进行更加深入的分析。这种方法虽然从一定程度上实现了声发射技术的发展，但是也存在明显不足，评价机制难以确定等问题仍然未得到解决。

（2）波形分析技术。早期的波形分析技术采用的是傅立叶变换实现声发射信号时域转换为频域，研究声发射信号特征的过程。但是早期的声发射传感器是谐振式、高灵敏度型传感器，虽然能够达到提取纯净声信号的作用，但是也过滤了大量同波形有关系的信息，导致信息分析质量不高。现代波形分析的出现是因为复合材料声发射信号分析的需要。波形分析能够对声发射破坏信号进行识别与区分，实现了更高层次的去噪能力与定位，但是波形分析目前的发展仍然停留在实验研究阶段。

2.2声发射信号新型处理技术

（1）小波分析。小波分析是在傅立叶变换的基础上发展而来。傅立叶变换解释了时间函数与频谱函数的关系，但是对频率发生的时间定位方面还存在一定缺陷，因此将小波变化引进其中。这种小波分析与傅立叶变化结合始于上个世纪90年代。这种应用在复合材料中的研究更加深入，从目前的研究应用分析来看，小波分析虽然在声发射信号处理中具有一定优势，但是小波对各种类型的声发射信号的分析仍然停留在初级研究阶段。

（2）盲源分离与独立分量分析。盲源分离属于神经网络的一种，其因能够实现两个语音信号的盲分离成为了许多专家学者研究的重点。独立分量分析是在源信号和信号混合模型未知的情况下降多道观测信号按照统计独立的原则通过优化算法分解为若干个独立分量，这些独立分量可以看做是源信号的近似估计。盲源分离的基本数学模型为：X（t）=AS（t），M≥N，其中Xi（t），i=1，…M代表M个观测信号，Si（t），i=1，…N代表N个未知的源信号。目前独立分量分析已经广泛引用于图像处理、生物医学信号处理、特征提取等领域。后有专家将独立分量分析引进声发射信号处理中。通过专家学者的多次试验证明发现独立分量分析方法能够用于多声发射源定位中。越来越多的试验证明独立分量分析应用于声发射信号分析方面有着明显优势，具有巨大发展潜力。

（3）分形理论。分形理论与声发射信号处理方面的结合研究是始于上个世纪90年代初，试验结果第一次将分形维的变化与裂纹的形成对应起来。但是由于分形维的理论研究还不够完善，因此加强其理论研究在此基础上进行分形维在声发射信号中的处理将具有实践意义。

3声发射信号去噪处理研究

声发射信号中的噪声分为机械噪声与电磁噪声。采用的去噪方法有小波去噪、MP去噪。针对声发射信号的不同类型其去噪方法也不同。

（1）针对声发射信号中的突发型声发射信号的去噪处理。以断铅声发射信号为例，由于声发射波在薄板结构中传播时同时存在频散与多模态的特性，因此在预处理的过程中必须考虑到导波的频散和多模态特性的影响。通过实验得到突发型声发射信号的指数部分代表了以相速度传播的载波，另一部分代表了以群速度传播的调制信号。从去噪的处理结果可以发现当频率厚度积较小时，一阶弯曲波和一阶扩展波在波导中其主要作用。相反，当频率厚度积较大时，高阶弯曲波和高阶扩展波的作用与一阶弯曲波和一阶扩展波相同。

在融合的过程中需要选择小波基、分解层数、小波阈值，分析MP算法矩阵构造的影响。考虑到小波基有很多种类，相关文献证明Symlets8小波、Coiflets5小波、Daubechies8是符合其选择条件的。一般信号的信噪比越高，原始信号与去噪后估计信号的均方根越小，去噪后的信号就会越接近原始信号，得到的去噪效果就越好。而分解层数的不同只会反映出对不同的频段上需要的细节不同。因此，针对分解层数的选择需要根据实际情况进行分析。

小波阈值的选择比较简单，根据实际情况选择最合适的阈值。在去噪过程中可以选择硬阈值函数或者是软阈值函数。其中软阈值函数既能够降低阈值的风险，又保留原始信号的部分特征，因此比较常用。MP算法的主要对象是指数型信号。

（2）针对声发射信号中的连续型声发射信号去噪处理。本段研究中以水管泄漏声发射信号为研究对象。由于水管泄漏声发射信号模态多，因此采用小波包进行声发射信号的预处理。其基本处理流程为：根据信号s选择小波，利用小波包进行分解，选择熵准则计算出最佳树，量化小波包分解系数阈值，进行小波包重构，最终得到重构后的信号S′。

（3）针对声发射信号中的混合型声发射信号去噪处理。本段研究以混凝土试件加载声发射信号为研究对象。从去噪结果可以发现声发射信号特征和裂纹扩展的速度和裂纹的大小有着密切关系。在加载的初始阶段，横向拉应变和劈裂荷载呈线性关系增长，到稳定阶段出现非线性，在非稳定阶段横向拉应变增加，荷载变化不大说明试件可能出现裂纹。从以上可以发现想要处理好声发射信号关键在于区分3个阶段。针对初始阶段由于其频谱单一，加上没有明显的指数型信号特征，可以直接使用小波分解的方式进行处理。针对稳定阶段采用小波包处理，针对非稳定阶段使用小波和MP算法两种结合的方式。

4声发射信号预处理方法研究

上文简单阐述的独立分量分析，其涉及到概率论、线性代数以及信息论等多个方面的知识。由于独立分量分析是遵循统计独立原则，因此统计独立衡量成为独立分量分析算法的关键。目前针对独立性度量的方法在，主要有以下几种：互信息量极小化判据、非高斯性极大判据、高阶统计量判据、极大似然判据。针对独立分量分析的优化算法，主要思考的是采用哪种优化算法实现这个目标。换一种方法而言，独立分量分析等同于优化判据加上优化方法。

针对独立分量分析算法的预处理，通过对各种算法进行比较分析发现，高阶统计量法虽然计算简单，但是对噪声的突变值十分敏感，导致处理效果不理想。在基于信息论的独立分量分析算法第一步进行盲源信号的预处理，后采用各种后续独立分量分析算法。两者结合考虑，提出一种新的处理理念。首先对含有噪声的盲源信号进行分析预处理，将原有的白化处理中使用到的主分量分析方法替换掉，针对分析的参数估计问题采用基于期望极大化算法进行极大似然估计法的参数估计。

5结语

总而言之，针对声发射信号的处理需要根据其不同类型采用不同的处理方法。考虑到声发射信号频散复杂、模态多，因此采用了独立分量分析的预处理方式，并进行了改进。从理论意义而言对声发射信号进行研究能够有效完善其理论基础，对推动声发射在各个领域的深度应用具有现实意义。