基于小波包分解法的超声信号特征提取方法研究

江文鸾

（兰州交通大学数理学院，甘肃 兰州 730070）

在工程应用中，机械的性能直接受到金属构件质量的影响。金属合金材料的微观组织结构和形态在生产过程中容易产生细微变化，在高温环境下出现密度分布不均匀、晶粒变化等问题，从而产生安全隐患，因此对于金属内部缺陷的检测格外重要。近几年来，随着科技的飞速发展，超声无损检测技术取得了阶段性地突破，逐步走向智能化、自动化，成为金属缺陷检测的研究热点。超声波由探头发出脉冲波，并由探头接收，在这个过程中，接触到金属试件携带着媒介和金属试件大量的信息继续向前传播，如何将超声中的携带的有效信息提取出来，在超声缺陷检测中成为至关重要的一步。目前，国内外关于超声信号特征的提取层出不穷。Cleveland 等人提出时域和频域分析，利用有缺陷和无缺陷信号之间的时间差来估计金属缺陷的深度[1]。R.Poliar 等人利用离散小波变换对超声缺陷特征进行特征提取[2]。丁幼量等人利用小波包能量变换率对金属损伤状态进行了评估[3]。自此，小波包分解法不断发展，相关的处理分析方法逐步应用到激光超声信号的研究中，成为研究热点。

1 超声传播理论

超声波是一种波长极短的机械波，在真空中无法传播，只能依靠一定的介质才能存在。高能量的激光脉冲经由试件表面被激发出来，一部分激光光束的能量转化为热能。试件表面的温度升高，试件受温度影响热膨胀形成应力波，这种应力波被称为超声波[4]。超声波是一种频率在20KHZ 以上的声波，具有很强的穿透力和方向性。超声的探头发射电脉冲，电脉冲在与媒介相互作用后，携带着媒介的信息继续向前传播，因此成为检测和负载信息的首选载体。超声波在与金属试件有缺陷的地方作用后，超声波发生反射和透射现象而产生的声波我们称为反射回波和透射波。通过对接收到的各种信号波在时域和频域上进行定量分析，提取其中有用的特征信息，从而对金属试件的损伤状态做出评估。所谓的特征提取是从所采集到超声信号中提取到一些有价值有研究意义的信息。这些有用的特征信息是激光超声检测、机械故障诊断和模式识别等领域的基础和关键。时间序列模型法常用于时域特征的提取，从时域波形上观察波形的峰值、上升时间、下降时间等来分析缺陷尺寸大小、位置。快速傅里叶变换、频谱分析、包络分析等以傅里叶变换为基础发展起来的频域分析方法被广泛应用于激光超声表面缺陷信号的检测中。

利用超声进行缺陷检测的方式有很多，其中最常用的是脉冲回波超声检测法。它的检测原理如图1 所示。超声的直探头发射出电脉冲穿过介质溶液，入射到金属试块表面。此时，一部分超声信号的能量杯反射回来，表面波由此形成。而另外一部分能量穿透试块表面进入试块内部，到达底面并反射形成底面波。若试块内部存在缺陷，则经过反射会形成缺陷波。

图1 脉冲回波法示意图

2 小波包分解法特征提取

在信号处理方面的各个领域中，小波分析法已经成为了一种主流的数学分析方法。它已经被广泛应用于医学诊断、自然灾害信号分析等与信号相关的各个领域[5]。小波包分解法在小波变换的基础上发展而来，同时弥补了小波中的一些缺陷，发展成为一种常用的时频分析方法。波形主要是由小波包元素确定，包括位置、尺度和频率。它在高频段上具有很好的时间分辨率，在低频段上具有具有优良的频率分辨率，非常适合用于处理激光超声这类型的信号波[6]。根据小波包的的分解定理，对于信号可以用式（1）所示进行小波包分解：

图2 三层小波包树示意图

3 实验部分与结果分析

3.1 实验数据集的建立

采用水浸式超声波脉冲回波法[9]对金属表面的若干个小孔进行采集，小孔的厚度在1.01mm～9.49mm 之间，小孔的直径在0.11mm～0.82mm 之间。超声信号系统采集信号的设备如图3 所示，采用超声直探头，液体介质选用水，探头垂直入射，探头中心频率为15MHz,圆晶片直径为15mm，对缺陷试块分别进行多次超声检测，采样频率为50MHz，利用水浸式超声脉冲回波法对方形试块近表面进行信号采集。其中一共收集到信号波10117 条，其中采用485 条缺陷波，450 条无缺陷波分别进行下面的实验。

3.2 特征提取

利用小波包分解法进行特征提取的具体步骤包括以下：

（1）根据小波包分解公式（1），对采集到的信号波即缺陷信号波和无缺陷信号波分别进行三层分解，在分解过程中，每一层的小波系数也要进一步随着分解，分解后就得到三层小波包树。

（2）得到三层小波包树之后，需要对第三层小波包结点进行信号重构。重构后的信号中包含着从低频段到高频段各个频段的频域信息。

3.3 结果分析

实验中采集到的485 条缺陷波，450 条无缺陷波分别进行上述的三层小波包分解，提取到各个结点的能量特征值，经过计算得到如图4、5 所示的能量百分比图。图4 是无缺陷信号波经过三层小波包分解后得到的能量分布图，图5 是缺陷信号波经过三层小波包分解后得到的能量分布图。从两种信号波的频谱图中可以直观看出，两种信号波在经过三层小波包分解后已经显示出明显的特征差异，在小波包第三层结点上，八个不同结点上能量存在明显不同，也就是说不同类型的缺陷信号在能量这一特征上，其变化过程也是不相同的，这就使得利用三层小波包分解法来提取能量值来识别缺陷波类型成为可能。

图4 无缺陷能量百分比

图5 有缺陷能量百分比

4 结论

能量是信号分析中一个非常重要的物理量，是物体损伤状态下进行评估的一个良好的参数。在超声金属检测中，超声在金属合金中存在振动能量的衰减过程，有缺陷信号与无缺陷信号的能量变化也存在差异，所以信号特征的提取考虑从能量特征入手。本文采用小波包分解法进行三层分解，并提取第三层各个结点的能量特征值，作为缺陷信号和无缺陷信号的重要区分点。小波包分解法具有优良的特征提取能力，它能同时提取到信号中低频和高频信息。该方法不仅可以用于金属表面微孔缺陷的研究，对于其他缺陷类型特征提取也有普遍适用意义。