超声信号

超声信号（共7篇）

超声信号 篇1

1 引言

目前,在工业检测领域,无损检测技术被广泛采用,无损检测技术主要是指通过超声波、激光、X射线、电涡流等手段对被测材料不会造成损伤的测量技术。其中超声无损检测技术发展成熟,已经广泛应用于医学检测、海底探测、材料探伤、超声测量等领域,超声波分为连续波和脉冲波,在超声波测距和测厚应用中,主要采用超声波脉冲反射原理对各类材料进行测量,相比其他无损测厚技术超声波具有更强的通用性,所以超声波在工业生产中获得了相对更加广泛的应用。超声脉冲波在多层介质中传播时,当遇到不同介质的界面,超声波发生反射,产生多重超声回波,不管介质是什么材料,只要介质均匀,超声波即能以恒定速度在介质中传播,通过分析每个超声回波信号的渡越时间(Time of Flight,TOF)参数,便可以分析出被测量物体的厚度或距离等信息。

在超声波无损检测技术中,超声回波信号的渡越时间TOF参数的确定,是超声工业检测中需要确定的重要参数之一,TOF的检测精度决定了由它导出的其他量(如距离、厚度等)的测量精度。为了保证TOF参数的检测精度,首先需要精确解析出超声回波信号的包络曲线,然后通过包络曲线的关键点来确定TOF参数。因此,在超声脉冲回波信号处理中,一种性能优良的包络解析方法对于TOF参数的确定,以及被测物体的厚度测量、距离测量、缺陷定位等具有非常重要的意义。目前,关于包络检测的方法主要有相关函数法、高斯-牛顿算法[1]、多阶包络曲线拟合[2]和小波变换分析[3]等算法。相关函数法要求先构造一个与回波信号相似的函数,对于不同的测量对象就会有不同的函数要求,而且求得的TOF精度较低。高斯-牛顿算法需要采用迭代运算,其参数的迭代初始值需要用相关法来确定,迭代运算量较大,以致工程应用实现要求较高。多阶包络曲线拟合和小波变换分析方法二者运算复杂,在工程实现中很难保证实时性要求。

根据调制信号的正交解调理论,也有文献[4]介绍采用正交检波,但在FPGA的实现方面不是最优的。本文提出了一种基于正交滤波器超声脉冲回波包络解析的实现方法,该方法在FPGA的工程应用上,只需进行FIR滤波器、乘方和开方运算的实现,而且其滤波器的系数可重配置,适应性强,可对多种频率不同超声探头和多种塑料管测量的超声脉冲回波信号解析出稳定的包络曲线,进而精确检测TOF参数,保证超声脉冲无损检测的测量精度。

2 包络解析理论

2.1 超声脉冲回波信号模型

超声波属于机械波,根据超声波持续时间的长短,可以将其分为连续波和脉冲波。连续波是指介质中质点振动持续时间为连续的波动。脉冲波是指质点振动持续时间有限的波动。超声发射探头的脉冲响应可以模拟成高斯模型,其单位超声脉冲响应[5]的表达式定义为

式(1)为一高斯曲线对频率为fc的正弦波的调制,α为带宽因子,表征高斯调制信号特征的参数,且载波信号属于一个窄带信号,中心频率为fc,即脉冲式超声发射探头的中心频率。考虑到超声脉冲波在介质中传播时的衰减、延时等因素,超声脉冲波遇到不同介质界面反射的回波信号i((t)经过一个带通滤波器,滤出噪声后可以用公式(2)定义:

其中,α,τ,fc,φ,A是回波信号的特征值参数,α为带宽因子,τ为到达时间,fc为超声发射探头的中心频率,φ为信号相位,A为幅度系数。

为了方便讨论,公式(2)可以简化为

式中是为了精确检测TOF参数所需要的回波包络曲线。

2.2 包络检波算法

针对传统超声脉冲回波的包络检波的缺点,参考文献[4]对传统包络检波方法进行了改进,如图1所示。为了后端信号处理的需要,首先将采集到的回波信号i(t)进行中心频率为fc的带通滤波,去除噪声等干扰信号,得到信号x(t)。然后生成与超声脉冲信号x(t)中心频率fc同频的一对正交信号u(t)和u(t),其中u(t)=sin(2πfct+θ),v(t)=cos(2πfct+θ),θ为任意相位值。

将生成的这一对正交信号sin(2πfct+θ)和cos(2πfct+θ)分别乘以输入信号x(t),得到两个信号x,(t)和x2(t)

将公式(4)和公式(5)变换为

将以上两个信号x1(t)和x2(t)分别经过一个截止频率为fc的低通滤波器,则以上两个表达式中的2fc频率信号将被滤波,得到y1(t)和y2(t)两个信号,定义

由公式(6)和公式(7)可知,y1(t)和y2(t)两个信号完全正交,然后再平方求和后开方,得到z(t)信号。

由式(8)可知,解析出了超声脉冲回波的调幅信号,即回波的包络信号。

3 包络检波的实现方法

目前,超声脉冲发射探头的中心频率都达到MHz,为了满足工业测量精度,超声回波信号的采样频率也高达100 MHz,因此,在超声检测应用中,对数据处理、存储、传输能力以及实时性要求均较高。

在超声检测的工程应用中,将图1的算法采用数字信号处理实现时,首先,高速ADC采样得到离散的超声回波信号i(n),经过一带通滤波器得到回波信号x(n),其次,在θ为0,可得到离散的正交信号sin(2πfc·nTs)和cos(2πfc·nTs),Ts为采样周期;然后,两个低通滤波器的系数长度、截止频率及阻尼衰减等参数都相同,设计为g(m)。为了减小算法实现的复杂度,将图1中的正交信号生成和低通滤波整合并设计成一组幅频特性相同,相位相差π/2的正交滤波器。

其中,Ts为采样周期,M为滤波器阶数。式(9)和式(10)中的两个正交滤波器h(m)和v(m)的相位差是π/2,两个滤波器的系数长度、截止频率及阻尼衰减系统等参数都由低通滤波器g(m)的相应参数确定,从而保证了h(m)和v(m)两个滤波器的幅频特性基本相同。采用h(m)和v(m)两个正交滤波器对回波信号x(n)进行同步滤波,便可得到y1(n)和y2(n)两个信号。

将式(11)和(12)的信号y1(n)和y2(n)分别平方求和后开方,便得到超声回波的包络信号z(n)。整个包络检波算法的工程实现框图如图2所示,整个算法实现更加简洁。

由图2可知,在FPGA中实现包络的正交检波算法,选用FIR类型滤波器设计一个带通滤波器和两个正交的低通滤波器,然后再对两个正交低通滤波器的输出结果进行平方求和,最后再对平方和进行开方。三个滤波器的设计是该包络检波算法的关键,利用Matlab提供的滤波器设计工具,考虑到超声激励探头的中心频率和滤波效果,选用了汉明窗函数设计64阶的带通滤波器,对于5 MHz频率的探头,设计带宽为0.8 MHz的带通滤波器,选取截止频率分别为4.6 MHz和5.4MHz,得到其系数为coef4bpf;同时,选用汉明窗函数设计了64阶的低通滤波器,截止频率选取为2.5 MHz,得到其系数为coef4lpf,然后再根据公式(9)和(10)计算出两个正交低通滤波器的系数为coef4lpfsin和coef4lpfcos。

在硬件实现中,采用100 MHz采样率,14位采样精度的ADC将模拟超声回波信号转化为数字信号,并选用Altera公司的Cyclone V系列的5 CEFA9-F23现场可编程门阵列器件作为信号处理单元,利用器件内部的片内块RAM和丰富的IP核,如FIFO、LPM＿MULT、PARALLEL＿ADD和ALTSQRT＿等,用verilog硬件描述语言设计图2所示的包络检波实现方法,其中带通滤波,正交低通滤波,平方求和,以及开平方等运算都采用流水线结构的实现方式,采集超声回波信号的同时对信号进行处理,保证了包络检波的实时性,其内部实现的框图如图3所示。

在FPGA器件中,该包络检波算法的工程实现,根据实际选用超声探头的中心频率,计算好算法中采用的三个数字滤波器的系数coef4bpf,coef4lpfsin和coef4lpfcos,并采用verilog语言实现包络检波算法的各功能模块。由图3所示,首先,经ADC转换后的数字超声回波信号i(n),送入到图中(1)的FIFO进行缓冲存储,便于后面的包络检波处理,经过图中的(2)和(3)构成的64阶数字带通滤波器,其系数为coef4bpf,i(n)经过带通滤波器滤出干扰信号后得到超声回波信号x(n),图中(4)、(5)和(6)、(7)分别构成了一对数字正交滤波器,其系数分别为coef4lpfsin和coef4lpfcos,对信号x(n)进行滤波处理后分别得到两个正交的数字信号y1(n)和y2(n),分别再经过图中(8)和(9)乘法模块,得到信号和,再经过图中(10)加法模块得到信号(),最后,信号()经过(1 1)开平方模块得到超声回波信号的包络信号z(n)。

4 结果及讨论

在Altera公司的5CEFA9-F23器件中,对采样率为100 MHz,采样精度为14位的数字超声回波信号进行分析处理,采用verilog语言实现了ADC数字采样和图3所示的包络检波算法,图4是选用5 MHz超声探头,在FPGA中采用verilog语言实现的超声回波包络检波算法的结果,图中的SigP＿infifo＿q是数字超声回波信号,bpf＿outreg是经过带通滤波器后的超声回波信号,evlpAmpl是处理后的超声回波包络信号。在Altera公司的Quartus-Ⅱ集成开发环境中设计了FPGA内部的功能模块,最大采样点总数可达到32768个,经过综合编译实现,其整个设计所需资源为76个管脚(占34%),9914个ALMs(占9%),21853个Register,529128位内部块RAM(占4%),194个DSP块(占57%)和2个PLL(占25%)。

在工业生产中,超声脉冲回波探测技术获得了广泛的应用,针对本文提出的包络解析算法实现的超声信号处理模块,选用中心频率为5MHz的超声发射探头,采用100 MHz的采样率,用水作为耦合剂对厚度为4.0 mm、6.0 mm、8.0 mm、10.0 mm钢块标准件进行了实验,采用解析得到包络的极大值对应的采样位置代表一个回波的时间信息,根据相邻两个回波的位置差求出回波的时间间隔,对每种标准件进行8次连续测量,并计算出回波时间间隔的平均值,最后根据超声波在普通钢中的速度5960 m/s,计算测量钢块的厚度值,其实验结果如表1所示。

根据本文算法检出的超声回波包络曲线,采用包络曲线极大值对应的采样点作为回波的时间信息,然后根据回波的时间间隔计算被测物体厚度。由表1可知,在四种钢块标准件的测量中,每次测量回波时间间隔最大相差2个采样点,约20 ns,测量计算厚度与实际厚度值误差较小,而且随着测量厚度增加,误差逐渐增加。对于4.0 mm厚度的钢块标准件测量的误差最大约0.012 mm,原因是对于厚度较薄的钢块测量,超声回波在钢中多次反射,导致相邻回波出现重叠,影响了测量精度。

5 结束语

在超声脉冲回波信号的包络解析方法中,本文针对传统的包络解析算法在FPGA工程应用实现中存在的弊端,提出了根据探头发射的超声波信号的中心频率,对采集的超声脉冲回波信号,生成一对正交回波信号,进而进行包络检波的实现方法。采用verilog语言在具体的FPGA器件中实现了该包络检波方法的各功能模块,并用同一超声发射探头对不同厚度的钢块标准件进行了实验验证,实验结果表明该包络解析方法应用到超声脉冲回波信号分析中是可行的。

参考文献

[1]武良丹,贺西平等.高斯回波模型在超声回波模拟中的应用及其迭代算法的讨论[J].应用声学,2007,26(2):119-124

[2]杨金才,梁川等.数字信号的包络分析方法[J].郑州工业大学学报.2001,22(3):59-61

[3]张绪省,朱贻盛登.信号包络提取方法——从希尔伯特变换到小波变换[J].电子科学学刊.1997,19(1):120-123

[4]曹文,刘春梅,胡莉.一种超声回波信号的数字正交检波方法及FPGA实现[J].西南科技大学学报.2006,21(3):56-60

[5]Parrilla M,et al.Digital Signal Processing Techniques for High Accuracy Ultrasonic Range Measurements[C]//IEEE,Transactions On Instrumentation and Measurement 1998,1056-1061

基于信号统计特性的超声成像方法 篇2

合成孔径聚焦(SAFT)超声成像是70年代发展起来的一种比较有潜力的成像方法,它通过将阵列小探头接收的声信号合成处理而得到与较大孔径等效的声学像。与传统的超声成像方法不同,SAFT成像可以通过低的工作频率和较小的换能器孔径以获得较好的分辨率[1,2]。

本文将介绍一个应用于无损检测的SAFT超声成像试验系统,这里设计一个包含多个缺陷的有机玻璃试块,对其进行2D-SAFT超声成像。结果显示,传统的SAFT超声成像效果较差。

通过对无损检测超声信号的统计特性进行分析得出:缺陷回波信号之间具有较好的相关性,而噪声信号之间相关性很低。基于这一特性,在传统的SAFT超声成像的基础上,根据回波信号的相关特性,对信号的合成过程进行非线性修正,得到一种基于信号相关性的非线性SAFT超声成像算法。

1时域SAFT算法基本原理

如图1所示:在进行2D-SAFT聚焦超声成像时,收发共置的超声探头在一条直线上做等间距(Δx)扫描,在每一点超声探头发射1个超声脉冲并接收物体内部各点的反射回波。图1中,把重建点Q的信号记为S(i,j),当探头位于第j个位置时接收到的声程为RiJ的回波信号记为S(2RiJ/c,J),则有SAFT的基本公式为[3,4]:

$S(i,j)=\frac{1}{2{\rm N}+1}{\displaystyle \sum _{J=j-{\rm N}}^{j+{\rm N}}S}(2R{}_{iJ}/c,J)(1)$

式(1)中C是超声波在物体中的传播速度;N是探头的个数。

2非线性SAFT算法

为了进一步提高成像系统的分辨率和信噪比,在时域SAFT基本原理的基础上设计了非线性SAFT算法。在介绍非线性SAFT算法前,先引入相关性的概念。

2.1 信号的相关性分析

在信号分析中,相关性是一个很重要的概念。所谓“相关”,是指变量之间的相互依赖关系。对于确定性信号来说,两变量之间可以用函数关系来描述,两者具有一一对应的数值关系。而两个随机变量之间就不具有这样的确定关系。在合成孔径聚焦超声成像中,研究任意两列信号之间的相关性是一件很有意义的事情。

第X列信号S(i,x)和第Y列信号S(i,y)之间的相关性可以用它们之间的相关系数ρX,Y来描述[5,6,7]:

$\begin{array}{l}\rho {}_{X,Y}=\frac{\mathrm{cov}[S(i,x),S(i,y)]}{\sqrt{D(S(i,x))D(S(i,y))}}(2)\\ \mathrm{cov}(S(i,x),S(i,y))=\underset{{\rm M}\to \infty }{{\displaystyle \lim }}\frac{1}{{\rm M}}\cdot \\ {\displaystyle \sum _{i=1}^{{\rm M}}[}S(i,x)-\overline{S(i,x)}]\times [S(i,y)-\overline{S(i,y)}](3)\\ D(S(i,x))=\underset{{\rm M}\to \infty }{{\displaystyle \lim }}\frac{1}{{\rm M}}{\displaystyle \sum _{i=1}^{{\rm M}}[}S(i,x)-\overline{S(i,x)}]{}^2(4)\\ D(S(i,y))=\underset{{\rm M}\to \infty }{{\displaystyle \lim }}\frac{1}{{\rm M}}{\displaystyle \sum _{i=1}^{{\rm M}}[}S(i,y)-\overline{S(i,y)}]{}^2(5)\end{array}$

其中,ρX,Y可以用来评定两列信号之间的相关程度,其变化范围是-1～+1。当ρX,Y=±1时,表示第x列和第y列信号完全(或逆)线性相关。ρX,Y位于-1～+1之间时,表示第x列和第y列信号有一定的相关性。

为了研究缺陷信号和噪声信号之间不同的相关特性,建立图2所示的采样模型,利用上述公式求其第1列到第11列信号对第6列信号的相关系数。模型A是在有机玻璃试块上等间距(2 mm)采样11个点,并在采样信号中加入随机噪声。模型B中,探头在第1到第11个位置接收深度为25 mm、直径为2.5 mm的横通孔的反射回波,且第6个探头位置在横通孔的正上方。

图3绘制了第1到第11列信号对第6列信号的相关系数。从图3中可以看出,噪声信号之间的相关性很差,而缺陷回波信号之间具有较好的相关性。

2.2 非线性SAFT超声成像算法

非线性SAFT超声成像算法是在进行幅值叠加前,对相邻几个位置探头接收的信号进行累乘预处理[8,9]。同时,基于噪声和缺陷回波信号的不同相关特性,在进行幅值叠加前,根据相邻位置探头接收信号相关系数的不同,对信号幅值进行非线性修正,得到基于相关性的非线性SAFT超声成像算法:

$\begin{array}{l}S(i,j)=\\ {\displaystyle \sum _{J=-{\rm N}+km}^{{\rm N}-km}\{}{\displaystyle \prod _{k=-n}^n\psi }(\rho {}_{J,J+km})S(\frac{2R{}_{iJ}}{c},J+km)\}(6)\end{array}$

在式(6)中,m是累乘间隔;2n+1是累乘阶数。这里取m=n=1,表示把某一数据与其前一列的1个数据和后一列的1个数据相乘。ψ(ρJ,J+km)是与相关系数有关的函数,称之为非线性系数函数。对于非线性系数函数ψ(ρJ,J+km),要求当ρJ,J+km很大时对信号幅值进行增强;当ρJ,J+km很小时对信号幅值进行抑制。这里,取ψ(x)=exp(x)和ψ(x)=xexp(x)。

3试验

为了验证不同的成像算法对成像分辨率的影响,分别采用时域SAFT算法和基于不同的非线性系数函数的SAFT算法对有机玻璃试块成像。

3.1 探头和试验试块

试验中采用的探头直径为6 mm,中心频率为5 MHz。有机玻璃试块及尺寸如图4所示,在试块中加工有6个直径为2.5 mm的横通孔。

3.2 实验结果

对图4所示试块进行扫描成像,扫描间距为2 mm。

图5为延时叠加SAFT图像,可以看出,图5的分辨率是很差的。而图6,7,8分别为采用基于不同的非线性系数函数的非线性SAFT算法所成的像。图6的分辨率较图5有所提高,但是还不够理想。当改变非线性系数函数,使ψ(x)=ex和ψ(x)=Xex,如图7,8所示,分辨率有很大提高。所有的横通孔都可以很清晰地分辨出来。

3.3 实验结果的数值比较

从前面的实验结果可以定性地得出以下结论:相比于延时叠加SAFT超声成像算法,非线性SAFT成像算法提高了超声成像的横向分辨率。为了定量地对成像结果的横向分辨率进行比较,取一个重建点的合成结果,对过重建点平行探头阵列的横向幅值衰减分布进行分析。如图9所示:由于数值的对称性,只给出半边的结果,图中,纵轴的定义为[10]:

$Y=20\lg \left|a/a{}_0\right|(7)$

式(7)中,a0为重建点的合成幅值。

分辨率应在半功率点,即a2/a${}_0^2$=1/2处,由式(7)可以求得:

$Y{}_h=-3.013\text{d}\text{B}$

由线性插值的方法,按图9可以求得各种SAFT成像算法的横向分辨率。将由图9中(a),(b),(c),(d)求得的横向分辨率分别记为:Ra,Rb,Rc,Rd则有:

Ra=7.304 mm;Rb=4.184 mm;Rc=4.168 mm;Rd=4.108 mm

由上面的计算结果可以得出:相比于延时叠加SAFT超声成像方法,非线性SAFT成像方法显著地改善了成像结果的横向分辨率。同时,对基于不同的非线性系数函数的非线性SAFT成像算法,其分辨率也不一样。当非线性系数函数取ψ(x)=xex时,成像结果的横向分辨率最高。

4结语

试验结果显示,相比于延时叠加SAFT超声成像方法,基于信号相关性分析的非线性SAFT超声成像方法显著提高了成像分辨率和信噪比,获得了较好的声学像。同时,对于不同的非线性系数函数,其成像结果也不一样,当ψ(x)=xexp(x)时,成像效果最好。

参考文献

[1]John Waszak,Reinhold Ludwig.Three-Dimensional Ultra-sonic Imaging Employing a Time-domain Synthetic ApertureFocusing Technique[J].IEEE Transactions on Instrumenta-tion and Measurement,1990,39(2):441-444.

[2]Young-Fo Chang,Cheng-I Hsieh.Time of Flight DiffractionImaging for Double-Proble Technique[J].IEEE Tran-saction on Ultrasonics,Ferroelectrics,and Frequency Con-trol,2002,49(6):776-783.

[3]Heydar T Shandiz,Dr.Patrick Gaydecki.A New SAFTMethod in Ultrasonic Imaging at Very Low Frequency byUsing Pulse Echo Method,NDT.net.1999,4(11).

[4]Yoshihiko Ozaki.A New System for Real-time SyntheticAperture Ultrasonic Imaging[J].IEEE Transaction onUFFC,1988,35(6):828-838.

[5]沈民奋,孙丽莎.现代随机信号与系统分析[M].北京:科学出版社,1998.

[6]朱勇华,邰淑彩,孙韫玉.应用数理统计[M].武汉:武汉水利电力大学出版社,2000.

[7]李海青,黄志尧.特种检测技术及应用[M].杭州:浙江大学出版社,2000.

[8]Tao L,Ma X R,Guo Z X,et al.Phase Superposition Pro-cessing-A New Imaging Methed for NodestructiveTesting[J].Inverse Problems in Engineering Mechanics,Balkema,Rotterdam,1994.

[9]Tao L,Ma X R,Tian H,et al.Guo Phase Superposition Pro-cessing for Ultrasonic Imaging[J].Sound and Vibration,1996,193(5):105-102

超声信号 篇3

固体火箭发动机通常由壳体、绝热层、包覆层、推进剂四层材料通过胶粘剂粘结固化而成。受温度、加速度载荷[1]等影响,层间可能出现脱粘(包括间隙型脱粘和紧贴型脱粘)。推进剂燃烧时,脱粘区域迅速扩大并被窜入的火焰点燃,导致燃烧室压力骤升,严重危害火箭弹的发射安全性和飞行稳定性,对于发动机各层间的粘接质量检测是发动机生产和验收过程中十分重要的环节。

壳体是一种高强度合金钢,绝热层、包覆层和推进剂都是成分复杂的有机复合材料,属于粘弹性体[2],性状类似橡胶。对于这种由金属与非金属组成的多层粘接结构的检测,其基本物理模型如图1所示,目前主要使用的方法是工业CT[3]和超声波[4],其中超声检测因其检测速度快、能检出间隙开度很小的紧贴型脱粘且成本低廉而广泛应用于实际生产。但是,由于金属对橡胶的超声屏蔽效应使得超声很难透过金属进入橡胶层,同时因为橡胶对超声的强衰减作用致使本已十分微弱的超声信号很难到达下一界面,基于以上两点,目前常规超声方法仅能较好地检测第一界面的脱粘缺陷,对于深层界面的脱粘仍难以发现。近年来,国内外通过对超声在材料中的传播特征规律的深入研究,借助计算机实现快速信号处理等手段,多项技术综合运用,对深层界面的脱粘检测取得了重要突破,获得了比较满意的检测效果。

1 界面回波分离

由于1界面两侧介质声阻抗差异悬殊,超声波在此界面发生强烈反射(声压反射率接近90%),加上金属对超声的衰减较小,使得超声波在金属层内来回多次反射;同时,透过1界面的声波经过橡胶层的多次强衰减作用变得十分微弱,因此要分析各界面的粘接状态,必须分离出各界面的反射回波。

1.1 常数分离法[5]

模拟层间脱粘,制作如图2所示的脱粘试样。其中yi(i=1,2,3)为i界面脱粘时换能器接收到的回波信号,yij(j=0,1,…,i)表示yi中i界面的回波分量,ri(i=0,1,2,3)为i界面的声压反射率,ti(i=0,1,2,3)为i界面的声压透射率。

分离过程如下:

以分离1界面脱粘时1界面的回波信号为例,y1=y10+t0y11,选择合适的时间窗可以使0界面反射回波y10不进入换能器接收范围,则

y11=y1/t0,y21=r1y11 (1)

y1即换能器接收到的波形。y11和y21分别是该界面脱粘和未脱粘的波形。同理

y22=y11-y21=y11-r1y11=(1-r1)y11,y32=r2y22 (2)

y33=y22-y32=y22-r2y22=(1-r2)y22,y43=r3y33 (3)

分离结束,得到了i界面脱粘和粘好时i界面的回波信号,滤除了上面层的反射回波,为后期信号处理提供了方便。本方法利用了界面反射率ri逐层分离回波信号,所以称为常数分离法。

常数分离法能够分离出2、3界面回波,但不能分离出4界面及高界面的回波。分析其原因主要有:①实际检测中,检测位置的不同会使同界面的回波一致性有差异;②信号在界面处反射和透射,都会引起回波信号相位变化;③由于界面层次多,前面界面分离的误差将带入更高界面层次的分离,高界面误差积累很严重。

1.2 自适应滤波分离法[5]

自适应滤波法的基本思想和常数分离法一样,也是用已分离出的界面回波为参考信号,对下一界面回波进行分离,它与常数分离法的主要区别在于用一个自适应处理器来取代常数ri的功能。自适应滤波的原理是通过估计输入信号的统计特性并调整其本身的响应使某一代价函数达到最小值。自适应滤波处理器通常由两个部分构成,即滤波器部分和自适应算法部分(用来调整滤波器的参数)。

图3是自适应滤波的原理图,信号yii(k)为参考信号,信号yi+1(k)为输入信号,信号y(i+1)i(k)是自适应滤波器的输出,信号y(i+1)(i+1)(k)是最后系统的输出,e(k)称为误差信号。这里i代表第i界面,yi+1表示要处理的回波信号,yii代表已提取的i界面回波,以之相对应的y(i+1)i表示经自适应滤波调整后的yi+1中的i界面回波,y(i+1)(i+1)代表得到的i界面回波。

自适应滤波主要是根据误差最小准则来调整滤波器系数的。即该系数必须使L1准则下|e|的期望最小,即

E(|e|)=min

由于自适应滤波分离法利用统计学规律,加上自动控制中的反馈思想,使y(i+1)i(k)模拟yi+1(k)中的yii(k)所代表的i界面回波,然后将信号yi+1(k)中的i界面回波分离出去,最终得到的是下一个界面的回波。

2 缺陷特征的提取

要评价界面的粘接状态,必须选取一个能反映粘接S状态的特征量X,X可以是一个数,也可以是一个向量。经过界面回波分离得到了各个界面脱粘和粘好的回波信号y′(t),y(t),从其中提炼出能满足要求的X,既有时域和频域的分析方法,也有时频域综合的小波分析法。

2.1 时域分析方法

2.1.1 峰值法[6]

即将y′(t),y(t)的峰值作为特征量X。

2.1.2 积分法[7]

分别对y′(t),y(t)求希尔伯特包络线,然后对t进行积分,将得到的积分值作为X。

2.1.3 统计特征法[2]

分别求取y′(t)、y(t)的统计特征,包括期望、均方值、方差等,X既可以是其中一个统计特征,也可以是某几个所组成的向量。

2.2 频域分析方法

2.2.1 幅度谱法[8]

信号经傅里叶变换得到幅度谱,幅度谱可用的特征量有振幅谱主频率、振幅谱极大值、平均中心频率、频带宽度、频谱一(二)阶矩、优势频带宽度、优势频率等。

2.2.2 功率谱法[8]

功率谱从统计的角度出发,结合傅氏分析法,对具有随机性质的信号分析上有比幅度谱法更好的效果。功率谱可用的特征量有加权功率谱平均功率、指定带宽能量、加权功率谱功率、有限频带能量、主频对应能量等。

2.2.3 倒频谱法[8]

倒频谱可以用来分析复杂频谱图上的周期成分,分离和提取在密集泛频信号中的成分。在分析具有同族谐振和异族谐振等复杂信号时,效果很好。实际工程中常用的倒频谱表达式为

$C{}_a(\tau )=\sqrt{C{}_x(\tau )}=|F[\lg {\rm P}{}_x(f)]|(5)$

式中,Ca(τ)称为幅值倒频谱,定义为“对数功率谱的傅里叶变换”。倒频谱中可用的特征量有峰值时间,峰值大小等。

2.2.4 最大熵谱估计法[9]

最大熵谱法是伯格在1967年首先提出的一种按最大熵外推相关函数的谱分析方法。该方法没有固定的时间窗,克服了传统谱分析方法中分辨率低、频谱“泄露”等现象。最大熵谱估计的原理是根据已知数据信息,在不进行任何新的假设的情况下,合理地预测未知延迟离散时间上的相关函数,也就是说在据已知信息外推相关函数时,每一步都保持未知时间的不确定性或熵为最大。

检测中将回波信号的衰减系数[7,10]作为反映界面粘接质量的特征量,在频域中对衰减系数进行估计的方法主要有三种,即谱差法、谱移法、谱距法,研究中主要采用谱移法。谱移法的关键是求取回波中心频率,研究中采用最大熵谱估计法对回波信号进行功率谱估计。

2.3 小波分析法[9,11,12]

小波分析法的本质是用一个窗口大小(面积)恒定,高宽比可自由伸缩的窗口对信号截断处理,这样带来的好处是对于低频信号可以使用高宽比小(大尺度)的窗口,使得更多的信号进入窗口,从而看到信号的全貌,而对高频信号可以使用高宽比大(小尺度)的窗口,获得更多细节,同时节省计算资源。

对已获得的各界面脱粘和粘好信号进行n尺度分解,恢复各个尺度下的细节信号,计算各个尺度上细节信号的能量谱,得到由不同尺度下的能量组成的n维向量X,这个向量就可以作为反映粘接状态的特征量。

3 缺陷的识别

至此,已经获得了脱粘和粘好的特征值XD和XA,实际检测中被检件的特征值X可能位于这两值之间,这时该如何评价粘接状态呢。

3.1 平均值法[13]

所谓平均值法就是将XD和XA算术平均后作为缺陷判定的依据$\stackrel{—}{{\displaystyle \mathit{X}}}$。若X介于XD和$\stackrel{—}{{\displaystyle \mathit{X}}}$之间则认为存在脱粘,X介于$\stackrel{—}{{\displaystyle \mathit{X}}}$和XA之间则认为粘接良好。

3.2 模糊分类法[14,15,16]

平均值算法只当X为实数时才有效,当X为n维向量时是无法比较大小的。模糊算法就是一种确定被检材料的特征量与哪种脱粘程度的特征量比较接近的算法。

在模糊数学中,衡量两个模糊集的贴近度有三种算法:

Hamming贴近度:

Eucild贴近度:

$\rho (A,B)=\sqrt{\frac{1}{n}{\displaystyle \sum _{i=1}^n|}x{}_{Ai}-x{}_{Bi}|{}^2}(7)$

Minkowski贴近度:

$\rho (A,B)=(\frac{1}{b-a}{\displaystyle {\int }_a^b|}x{}_{Ai}-x{}_{Bi}|{}^{p}dx){}^{1/p}(8)$

其中,A,B表示两种粘接状态,xi表示其对应的特征量X中的各分量,ρ(A,B)表示A,B两种粘接状态的接近程度。分别计算被检件的特征量X与XD和XA的距离,距离小者认为这俩状态更接近。

3.3 贝叶斯分类法[17]

粘接状态虽然只笼统地分为脱粘和粘好,但同一种粘接状态所对应的特征量X并不是一成不变的,而是近似地服从正态分布。某特定状态对应的特征量X的概率密度函数为

式中,n为向量X的维数,表示粘接状态,us和σs分别为该状态下X的期望向量和协方差矩阵。可以用大量样本得到的估计值代替他们。最终可以得到贝叶斯线性判别函数

ys(X)=lnqs+c0s+c1sx1+…+cnsxn (10)

式中,cis表示判别系数,可由样本的期望和协方差矩阵求出:qs为粘接状态s的先验概率;xi为特征量X的分量。利用此数学模型便能对粘接状态进行判别,若yD(X)>yA(X),表示未知状态S落在脱粘范围内的概率大于落在粘好范围的概率,认为脱粘存在,否则认为粘接良好。

3.4 人工神经网络分类法[9,11,18]

人工神经网络是一个由大量非线性变换单元广泛互联而成的网络,是一个复杂的多参数非线性函数,它可以通过学习、逼近各种预测模型而不需要人的事先干预,从而既避免了人为因素的影响,又简化了预测过程。目前无损检测中,人工神经网络的训练算法一般采用较成熟的BP算法,即误差信号反向传播算法。BP神经网络由输入层、隐含层和输出层组成,层与层之间采用全互联方式。

在对脱粘缺陷的识别中,神经网络的输入量是n维特征量X,因此输入层需要n个节点;网络的输出结果只有两个,即脱粘和粘好,因此输出层只需两个节点,这样网络的输出Y是个二维向量。对粘接状态已知的试件进行检测,得到一系列样本(X,Y),用这些样本对神经网络进行训练,直到总误差满足精度要求为止,这样就建立了BP模型。将某被检件的特征量X输入到这个模型即可得到粘接状态的判别结果。

4 结束语

对于多层粘接结构的检测,目前在超声检测方法上还没有比较有效的手段,只能寄希望于后期的信号处理了。对多层粘接结构信号处理的一般模式是信号预处理(滤波放大等)、界面回波分离、特征量提取、模式(缺陷)识别。必要时还可根据识别的结果做图像重构及报警等。但必须看到的是,信号处理结果毕竟是“算”出来的,有些情况下得出的结果并不可靠,所以并不能完全依赖信号处理这个手段,需要多种无损检测方法并用方可得到比较可靠的检测结论。

超声信号 篇4

1 资料与方法

1.1 一般资料

将我院2012年1月-2013年1月收治的52例女性乳腺纤维瘤患者作为本次观察主体, 所有患者均为女性, 年龄18~56岁, 平均年龄 (32.8±4.7) 岁。

1.2 仪器与方法

应用美国PHILIPS, IU22彩色多普勒超声诊断仪, 5.0~12.0MHz高频超声探头, 采用直接探测法[4]。采用直接接触法, 患者平卧并充分暴露乳房, 抬高双臂由乳腺结构边缘开始, 行外上下、内上下4个象限的纵切、横切、斜切以及放射状连续扫查, 若发现有肿块应测其径线, 观察其形态、部位、边界、有无包膜纵横比与回声等, 并加压探头观察其变化情况, 通过彩色多普勒观察其有无血流以及分布情况。如有则依据Adler半定量法分级评估患者血流丰富程度[5]。无血流被视为0级;可见有1~2处点状血流信号与少量血流为Ⅰ级;可见有1条主要血管或同时见几条小血管为Ⅱ级;血流丰富, 能见到4条以上血管或出现血管交织网为Ⅲ级。

1.3 统计学处理

采用SPSS16.0统计软件分析, 用 (%) 构成计数资料。

2 结果

52例患者中, 直径0.7~4.2cm, 平均直径约为1.71cm。单发与多发肿块分别为43例与9例, 分别占82.69%与17.31%, 超声与倾向诊断为46例, 符合率为88.46%, 有6例 (11.54%) 不符合, 其中2例被误诊为乳腺癌, 2例乳腺局限性增生, 2例未定性。依据二维与彩超显示将所有患者声像图分为典型与非典型两类, 见表1。

典型图像41例 (78.85%) , 主要表现为肿块形态为较规则的圆与椭圆, 边界清晰光整, 有微弱的薄膜回声与侧方声影, 内部回声为均匀或不均匀的低弱性, 后方回声增强。

不典型图像11例 (21.15%) , 二维以多样性表现为主要特征: (1) 肿块显示为分叶、不规则与角状突起, 或者包膜回声与侧方声影均不明显, 有时后方回声呈现轻度衰减现象。 (2) 肿块的内部回声以强弱不均的形式呈现, 稍大的肿块里, 有比较多呈散条索状的增强光带。同时, 肿块内还可看见有不规则的强光团与光点, 液性暗区与钙化回声。 (3) 肿块或是由多个肿块融合而成的不规则形态, 或是数个肿块邻近, 部分存在包膜回声, 周边有不规则低回声, 边界也较模糊。

3 讨论

乳房为女性重要的器官, 对其生活与自信心的体现至关重要。但乳房类疾病, 特别是肿瘤类疾病却严重威胁着女性的生命健康, 因此临床需要早发现、早诊治。乳腺纤维瘤作为好发于年轻女性的一种良性肿瘤, 可分为典型与不典型两种, 通常情况下, 具有典型性的乳腺纤维腺瘤以单发为主, 显示为圆或椭圆形, 边界规则并与周围组织几乎无粘连, 边界清晰易辨, 普遍具有比较完整的包膜回声与侧方声影, 以及较好的活动度和皮肤无粘连现象。本文中发现典型图像为41例 (78.85%) , 该类患者的声像图反映与病理改变有着紧密联系, 病理改变的多样化导致其声像图也呈多样化。患者早期病理改变可体现出包膜模糊或不完整, 表面光滑或显结节分叶状态, 故乳腺纤维腺瘤也可表现为形态不规则与包膜不清晰状态。本文中不典型图像存在7例 (63.64%) , 显分叶状, 并且其分叶均较大, 声像图特征也不具典型性, 同时纤维腺瘤也存在不规则的形态, 包膜不明显, 甚至存在角状突起, 这说明存在囊性增生或合并乳腺小叶增症, 因此, 临床应注意将其与乳腺增生而形成的实性肿块进行区别, 乳腺增生症无明显包膜和侧方声影, 且部位相对固定和内部无血流信号, 患者临床以与月经周期相关的疼痛为主要表现。

本文中笔者发现4例患者肿块有钙化现象, 而这4例患者均年龄偏大, 这可能是因患者肿块存在时间较长导致其内纤维充分钙化与骨化。当患者图像为团状较大且粗糙钙化时, 要注意将其与乳腺癌的微钙化进行区分, 后者超声以“沙砾样”或“针尖样”增强回声为主要表现, 且后方多不见声影。另外, 临床在巨大的纤维腺瘤以及部分管内型纤维腺瘤肿块中也多见长条索状增强回声的分布, 本次发现的最大纤维腺瘤直径为4.2cm, 其内部回声分布不均匀, 并能看见少许增强的条状回声与无回声区域, 边界也光整, 具典型性。

总之, 典型的乳腺纤维瘤临床依据彩超较易鉴别, 不典型的在鉴别时还应结合患者的二维声像图与彩超表现资料进行细致分析、总结, 以免误诊。

参考文献

[1]郑小红, 易运莲, 罗丽芳, 等.高频超声对乳腺癌与乳腺纤维腺瘤的鉴别诊断的价值分析[J].中外医疗, 2013, 30 (12) :25-26.

[2]侯飞.30例乳腺纤维腺瘤的彩超诊断分析[J].中外医疗, 2013, 32 (13) :166-167.

[3]徐玲, 王殊.乳腺纤维腺瘤的诊断与治疗[J].中华乳腺病杂志, 2014, 8 (2) :11-14.

[4]周萍, 梁丽萍, 刘文霞, 等.高频彩超乳腺疾病筛查4#space2;#837例分析[J].齐齐哈尔医学院学报, 2014, 35 (15) :2290-2291.

超声信号 篇5

超声波测距系统以其对外界环境如雾霾天气、沙尘暴天气、雨雪天气等的高适应性而占据了绝大多数的汽车倒车雷达市场。传统的超声波换能器中心频率为40 k Hz,传统的滤波器以及包络检测设计为RC阻容耦合电路的硬件电路实现,但是RC硬件电路存在不稳定性。数字滤波、数字提取包络相对于传统的模拟滤波和硬件提取包络来说,不仅省去了复杂的电路设计,而且处理信号的精确度和稳定性也都有大幅度提高。国防科技大学对回波处理算法进行了细致的研究,其主体思路是利用伪随机序列的相关运算进行处理,考虑到相关运算中FFT等运算的复杂性以及500μs的码元长度,其并不适用于短量程的嵌入式测距系统。北京科技大学采用了基于能量重心法和最小二乘法的椭圆中心算法处理回波,虽然精度控制在0.2%,但是复杂的运算必须结合上位机才可以实现。国内还有很多关于高精度超声波测距系统的研究,但是并未提及信号处理的具体实现方案。针对以上设计的不足,提出了一种新型的应对嵌入式系统的超声波测距五步算法,在数字滤波的基础上采用一种新型的包络检测方式,同时在数据处理方面采用了新型的点迹计算法来计算回波峰值点。

1 超声波测距系统框架

系统框图如图1所示,实验采用主控为基于Cortex-M4的ARM芯片。系统的工作流程为:主控芯片通过发出已被编码的正负互补的PWM波形,促使驱动放大器模块输出幅值放大的正弦波。并通过中周模块的稳频,驱动超声波换能器发出中心频率为40 k Hz的超声波。当超声波遇到障碍物时返回,经过前置放大电路的放大后,进入ADC模块进行数模转换,转换出的信号通过本文设计的数字通路后被解码,从而被CPU处理。

距离可以通过式(1)计算:

式中,s为障碍物到探头的距离,v为空气中的声速,T近似为超声波在空气中的传播时间,近似程度由算法的延时决定。

2 超声波测距DSP模块设计

超声波数字通路处理从ADC的输出信号开始,实际的数字信号处理模块设计如图2所示。

DSP模块的五步算法处理流程:从ADC的输出信号经过数字带通滤波器,可以滤除由于在空气中传播而掺杂的高斯噪声。为了避免包络检测的正负抵消,需加入整流器,整流器的输出需要经过峰值提取器,提取采样信号的包络,以计算准确的回波到达时间以及中断触发时间。由于1 MHz的采样率不适用于计算机对数据的运算,则需要一个下采样模块来降低采样率满足计算机的需求。下采样模块的输出信号需经过数字低通滤波器来滤除高频噪声。

2.1 IIR数字带通滤波器的设计

基于MATLAB的IIR数字滤波器的设计有多种方式,经过反复实验,在最大程度节约开发成本、保证滤波效果的情况下,确定滤波器的阶数设定为2,采用模拟滤波器通过双线性变换法转数字滤波器。为了方便ARM内核的移植,同时考虑到倒车雷达用户不需要使用C来设计滤波器,结合实际工程需要,利用MATLAB软件开发与设计滤波器,得到滤波器的传递函数参数,然后再将MATLAB中的filter函数利用C设计实现,即可以达到事半功倍的效果。图3所示为超声波回波信号与带通滤波器的输出,可以看出对于高斯噪声的抑制效果优良。

2.2 整流器的设计

由于数字信号后期会进行包络检测,当超声波的接收波形分布在X轴的上下侧,检测出的包络会正负抵消,则无法实现预期的结果。这里的整流器可近似为一个二极管的作用,使处于X轴负半轴的信号屏蔽,以利于后期的包络检测处理。程序上可以通过将X轴下方的数据均赋0来实现。

2.3 包络检测器的设计

在超声波测距系统中,由于超声波的衰减以及超声波换能器压电陶瓷在压电转换过程中的惯性滞后导致超声波的回波信号被拓宽,使得回波到达时间点不确定,同时由于传统设计的比较器阈值固定,增大了误差的发生几率,所以包络峰值检测在判断飞越时间的过程中起着重要作用。通过MATLAB提供的库函数可以方便地提取包络,但是MATLAB库函数用C语言很难实现,而且过于频繁的乘加运算和FFT运算会增大工程算法的延时,对超声波测距带来不利影响,且不便于移植。

峰值提取新算法是利用C语言实现峰值检测,其理论依据为移位算法。如果峰值提取器的输入大于先前的峰值提取器的输出,则峰值提取器的输出被更新,其理论框图如图4所示。

其中x是峰值提取器的输入,k是步长,y为输出。在波形上升部分,包络可以很好地提取,其技术难点在波形的下降部分。因为该算法只对比前一数据值更新,而对于过峰值后,波形的包络无法被该算法更新则为一条直线。考虑到短延时的存在并不过多地影响最终的时间检测,所以允许包络相对于峰值点有一定的延迟。

对下降部分单独分析,需结合下采样器的功能:对峰值提取器进行复位清0,同时生成输出。峰值提取器的输出是在下采样器中的定时器到达预定值后生成输出,即输出为峰值点后,再对该输出清零继续进行后面的比较。下采样器中的计数器的预定值,本质上就是下采样的频率缩小为原始输入频率的1/DS,DS亦为每2个输出点之间的采样间隔。该算法的仿真结果如图5所示,可见包络提取满足工程设计的需要,且节约了设计成本和减少了运算延迟。结果显示有少许的相位差,可以通过实际测距过程中的测量统计来纠正。

2.4 下采样器的设计

一个样值序列间隔几个样值取样一次,这样得到的新序列就是原序列的下采样。采样率变化主要是由于信号处理的不同模块有不同的采样率要求。下采样相对于最初的连续时间信号而言,为了防止频谱混叠要满足采样定理,此方案设计已将下采样模块与峰值提取模块进行融合和互补控制,通过下采样模块可以使最后信号的采样率与符号速率相等。这样处理获得的信噪比增益会大幅度提高。下采样方便了后面的低通滤波器的设计,这是相辅相成的。为了迎合低通滤波器的处理效果,经过反复实验分析,下采样寄存器的最佳允许值范围为25~50。

2.5 IIR数字低通滤波器的设计

IIR数字低通滤波器的设计与带通滤波器一致,本文设计的低通滤波器阶数为1,可以满足实际工程应用需求。从ADC出来的信号为幅度变化的高频信号,虽然发射的波形为等幅波形,但是在超声波信号的传输过程中受到噪声的干扰,产生了很多的高频噪声分量,导致接收到的信号为幅度变化的高频波。由于高频回波信号的包络为低频分量,加入低通滤波器可以滤去高频处的噪声,同时也可以滤除由于带通滤波器拓宽带宽而带来的噪声。低通滤波输出亦为五步算法综合输出,其输出图以及频谱对比图如图6所示,可以看出算法的平台通用性和可移植性。

2.6 输出数据的处理

对于输出数组的处理,采用一种新型的结合下采样点迹的方式来计算超声波的渡越时间,这种方法可以避开定时器的使用,节约了硬件资源,避免了由比较器的误触发而导致定时器中断的干扰。同时由于数据处理的延时与渡越时间的测量是一对矛盾体,为了提高系统精度,五步算法传递的数据均为浮点数,对于不同的回波数据值,ADC以及五步算法的软件延时累积误差会达到30μs左右,所以利用点迹计算的方式实现了时间测量与系统软件延时的有效分离。

算法处理方式如下:在低通滤波输出后,得到的包络数据被保存于数组中,可以结合传统的阈值处理以及回波包络的对称性找到回波数据中的峰值点,利用该峰值点在数组中的位置,同时根据下采样的周期t_per计算出超声波发射与接收的时间差。由于五步算法的相位差以及系统硬件的延迟与待测距离无关,为固定值,所以通过板级实验可以测试出总体的时延,在计算实际距离时将误差减去即可。

假设找到的峰值点为数组中的第N点,板级实验测试的总体时延为t_dly,则超声波发送与接收时间差T为:

将T代入式(1),再加上温度传感器的补偿反馈,即可实现测距目的。

2.7 测距算法的板级实验

为了测试所设计的五步算法的可行性,在自主设计的ARM超声波测试板中进行了板级实验。

通过超声波测距系统的量程(20 cm~5 m)固定距离,并以60 cm步进,分别使用本文设计的数字通路五步算法和传统经典的互相关时延算法进行了测距性能的对比,测试结果如表1所示。可以看出,在同等测试环境下,由于码元长度的限制以及包络提取、信道噪声的影响,互相关算法在近距离时出现了较大的误差,相比之下本文算法的精确度更高。

3 结论

本文采用全数字化的五步算法实现对超声波回波信号的处理,通过MATLAB与C程序输出的对比与分析可知,设计方案合理,且便于对嵌入式主控的移植。相对于传统的硬件模拟RC处理电路的设计,本文设计的方案具有更高的稳定性与实时性,通过与互相关时延算法实验比对,本文的测距算法方案具有更高的精度,且更适用于实际工程的应用。

摘要：一种新型的适用于工程应用的超声波接收端数字信号处理方案,算法思路是以巴特沃斯IIR数字滤波器作为输入输出端,并结合一种新型的包络检波及下采样处理,文中归结为五步算法。详细介绍了各步算法的实现方法、工作原理以及必要性,并结合五步算法的特性给出了一种新型的计算回波渡越时间的点迹法,避开了软件延时与实时性需求之间的矛盾。综合仿真与实验测试说明,此设计方案不仅可以有效滤除信道噪声的干扰,而且可以准确提取包络信息并记录峰值到达时间,极大地满足了超声波测距系统的稳定性和实时性的需求。

关键词：超声波测距算法,嵌入式系统,IIR数字滤波器,峰值包络检测

参考文献

[1]张红莲.基于单片机的超声波测距系统的设计[J].可编程控制器与工厂自动化,2008,21(9):89-91.

[2]陈云超,程晓峰,郭峰.基于FPGA控制的超声波测距系统设计[J].微型机与应用,2012,31(1):90-92.

[3]祝琴.扩频技术在超声测距系统中的应用研究[D].长沙:国防科技大学仪器学院,2006.

[4]潘仲明,简盈,王跃科.基于两步相关法的大量程超声波测距技术[J].电子测量与仪器学报,2006,20(5):73-76.

[5]陈先中,侯庆文,叶琳,等.超声测距系统的高精度中心椭圆算法[J].北京科技大学学报,2007,29(11):1154-1157.

[6]陈上挺,谢文彬,游颖敏.基于STM8的红外与超声波测距仪设计[J].电子技术应用,2011,37(9):32-34.

[7]赵海鸣,王纪婵,刘军,等.一种高精度超声波测距系统的改进[J].电子技术应用,2007,33(4):59-62.

超声信号 篇6

超声多普勒血流信号中夹杂了大量的噪声:如因超声探头的发射信号的一部分耦合到接收电路的输入端而产生的噪声、被测区域的器官或组织结构的不均匀性产生的噪声以及声波信号的干涉现象产生的噪声等。这些噪声所产生的频率成分同样也会反映在时频声谱图中,大大影响了最大频率曲线提取的准确性,而最大频率曲线提取的不准确又会造成对血流生理指标估计的不准确,从而使心血管疾病的诊断结果的准确性降低。尤其是当测量的超声多普勒血流信号的信噪比较低的时候。因此,超声多普勒血流信号中噪声的消除对于诊断血管疾病具有重要的意义。

2 Matching Pursuit(MP)算法

离散小波变换和小波包变换取得一定的降噪效果,但由于它们本身的一些缺陷,如它们都是全局匹配的算法,不能很好的反映信号的某些局部信息,尤其是对于像超声多普勒血流信号这样的频率带宽随时间变化很快的信号,另外采用软阈值作为小波系数的保留或是丢弃的准则也存在客观性不够的问题。Mallat提出的Matching Pursuit (MP)算法则是一种能够很好的反映信号的局部信息并且相对客观公正的降噪算法。MP算法采用自适应分解的方法,将信号分解成一系列的被称为原子的波形信号,这些波形信号是从具有完备集特性的函数集中提取出来的。与离散小波变换和小波包变换(WPs)从一个正交小波基或正交小波包基中提取出的基函数能最佳匹配整个信号不同,MP算法近似于一个"贪婪"的算法,它是一个逐次反复匹配的过程,每次抽取出来的原子都能匹配信号的某个近似频率部分,因而能很好的描述信号的局部信息。对于MP算法,噪声的定义是:不能与指定的函数字典相匹配的信号成分,即使这些信号成分包含一定的有用的信息。因此,MP算法按照与指定函数字典的一致性来分解信号,一次分解过程就是在函数字典中寻找与该信号的某个成分最匹配的原子的过程,如此循环往复,直到根据某个条件停止分解过程,最后依据某种判决条件,去掉与函数字典一致性很小的原子,并以与函数字典一致性较大的原子来重构信号,也就是说将与函数字典一致性很小的原子当作噪声去除掉。

2.1 MP算法基本原理

任何信号都可表示为一系列时频原子的线性组合。这就是信号的原子分解思想。Mallat和Zhang在1993年提出了Matching Pursuit(MP)算法,它是实现这种分解思想的一种主要算法。MP算法的基本思想是:令D={gr1,gr2,…,grn}表示基于Gabor函数的一个正交冗余的原子函数集(其中gri表示原子集中的原子函数,r为原子函数的参数集),原子函数是相互正交且能量为1的向量。我们通常称D为一个字典。MP算法分解信号的过程是这样的,首先以信号f(t)在字典D中的某个原子gr0上的投影来逼近信号f(t),该原子必须是函数字典所有原子中最能反映该信号的局部结构特征的原子,经过这样重复的m次分解之后,信号f(t)可表示为:

$f(t)={\displaystyle \sum _{n=0}^{m-1}\langle }R{}^{n}f,g{}_{rn}\rangle g{}_{rn}+R{}^{m}f(1)$

其中Rmf是f(t)经过m次原子逼近后剩余的残差向量,〈Rnf,grn〉grn表示Rnf在原子grn上的投影(注意:R0f=f)。每次分解中Rnf 和grn 的正交性表明能量是守恒的。对于一个完备的函数字典,该守恒过程可表示为:

$\parallel f\parallel {}^2={\displaystyle \sum _{n=0}^{m-1}|}\langle R{}^{n}f,g{}_{rn}\rangle |{}^2+\parallel R{}^{m}f\parallel {}^2(2)$

其中:

$f={\displaystyle \sum _{n=0}^{\infty }\langle }R{}^{n}f,g{}_{rn}\rangle g{}_{rn}(3)$

MP算法是基于Gabor时频原子集函数的,一个真正的Gabor函数可以表示为:

$g{}_{rn}=k(r)e{}^{-\pi ((t-u)/s){}^2}\sin (2\pi \frac{\omega }{{\rm N}}(t-u)+\phi )(4)$

即它的原子函数用一个高斯函数和一个三角函数相乘得到的,以保证函数的正交性。N为所构建函数的信号长度,k(r)能保证gm信号的能量为1,s为对应时频原子函数的时间尺度,u为该时频原子函数在时域的位置,ω则为该时频原子函数在频域的位置,φ称为相位。N的大小决定了原子函数中的参数r={u,ω,s,φ}的范围。此时,由于相位通常在每一步分解时对每一个适用的原子做过优化处理,故通常称其参数集为3参数的,对这三个参数,如果连续选取,面对的将是一个3维的连续空间,这样将导致字典的大小是无限大的,实现起来是很困难的,也是不现实的。因此,在实际应用中,通常选取它的一个子空间,即对参数的范围加以抽样来构造一个有限的函数空间。

在Mallat和Zhang提出的MP中,原子参数的选取是二次序列的,它们的抽样被一个阶数j所限制。则:s=2j;0≤j≤L,其中N=2L。其它参数u和ω也按s=2j进行抽样或者引入一个参数l来用一间隔2j-l进行过抽样。

MP算法作为一种重复的迭代算法,有两种停止分解的方法,一种是设定分解的次数,一种是设定残差向量的能量等级ε2。当MP算法停止分解时,要么是已经分解到了m次,要么是分解后的残差能量小于ε2[1]。

2.2 MP算法降噪原理

通常来说,很难对相对于信号的噪声给出绝对的定义。一部分包含很多信息的信号成分,如果不能弄清楚它们的具体含义,甚至也被当作噪声,例如,一群人在周围说着我们无法理解的他国语言,常常将这些对话当作噪声背景,但是我们却能很容易地察觉出远处的使用我们所熟悉的语言进行的对话。因此这种情况下,最重要的不是信息的内容本身,而是这些信息是否以与特定的解释体系一致的格式存在,并能被该解释体系所辨别出来。Mallat给出了基于给定字典的MP算法的关于信号的解释体系,该解释体系认为:与给定字典相一致的信号成分与字典中的某些函数的相关性很大,一致性越大则残差向量的相关系数就越大。

由公式(2)可得:

$\tilde{\lambda }(R{}^{n}f)=\sqrt{1-\frac{\parallel R{}^{n}f\parallel {}^2}{\parallel R{}^{n-1}f\parallel {}^2}}(5)$

由以上的原理,可总结出MP算法进行降噪处理的过程:首先它根据被分解信号与给定的函数字典的一致性进行分解,然后将与函数字典一致性较大的原子挑选出来,剩下的残差向量就被当作噪声抛弃,最后以挑选出来的原子重构信号即可消除噪声。因此,挑选原子数目的多少就成为MP算法降噪中的关键问题,选取的原子数目太少会将有用信息当作噪声消除从而使重构的信号失真;而选取的原子数目太多又会将噪声重构到信号中从而使降噪效果不佳。

Mallat提出了利用MP算法进行降噪时原子选取数目的判决准则[2]。Mallat已经在理论上证明:当衰减曲线不再下降,并趋近于某个衰减参数值时,就可以将该衰减参数值所对应的分解次数M之后的原子当作与给定的Gabor字典不一致的噪声成分。因此只要将M个原子之后的M+1、M+2、M+3、……等原子抛弃,并以前M个原子重构信号即可得到消除噪声后的信号:

$f={\displaystyle \sum _{n=0}^{{\rm M}}\langle }R{}^{n}f,g{}_{rn}\rangle g{}_{rn}(6)$

3 仿真实验及结果

在对超声多普勒血流信号进行降噪的实验中,离散小波变换算法和小波包变换算法选择的小波基均为Symmlet小波基,均采样8层小波分解。离散小波变换和小波包变换算法计算的复杂度随着进行分析的分辨率的提高而增加,并且超声多普勒血流信号的低频成分通常被滤波器滤除掉了,所以从以上两方面考虑,将分辨率设为6。对于MP算法,分解过程将会一直进行直到衰减参数小于或等于某个事先设定的值,该值意味着其后的衰减参数值将不再减小。使用三种算法分别在0dB和10dB信噪比情况下的超声多普勒血流信号进行降噪处理,并对时域和频域图像的清晰度进行了对比。

图 1中(a)为一段持续时间为15毫秒的模拟超声多普勒血流信号的时域波形;(b)为在原始的超声多普勒血流信号上添加了噪声信号,使信噪比为0分贝;(c)是信噪比为10分贝的超声多普勒血流信号;(d)为采用离散小波变换对(b)图处理后的波形;(e)为采用小波包变换对(b)图处理后的波形;(f)为采用匹配追踪算法对(b)图处理后的波形;(g)为采用离散小波变换对(c)图处理后的波形;(h) 为采用小波包变换对(c)图处理后的波形;(i) 为采用匹配追踪算法对(c)图处理后的波形。

图 2为图 1中相对应时域波形的频谱图。(a)为一段持续时间为15毫秒的模拟超声多普勒血流信号的频谱;(b)为在原始的超声多普勒血流信号上添加了噪声信号,使信噪比为0分贝的信号频谱;(c)是信噪比为10分贝的超声多普勒血流信号频谱;(d)为采用离散小波变换对(b)图处理后的信号频谱;(e)为采用小波包变换对(b)图处理后的信号频谱;(f)为采用匹配追踪算法对(b)图处理后的信号频谱;(g)为采用离散小波变换对(c)图处理后的信号频谱;(h) 为采用小波包变换对(c)图处理后的信号频谱;(i) 为采用匹配追踪算法对(c)图处理后的信号频谱。

4 结束语

本文参照临床信号特征,模拟出超声多普勒血流信号,然后针对多普勒血流信号的高度非平稳的特性,引进了一种基于自适应分解的算法Matching Pursuit(MP)来对信号进行时频分析。并分别用传统的离散小波变换算法(DWT)、小波包变换算法(WPs)以及MP算法对超声多普勒血流信号进行降噪处理,通过实验结果对三种算法各自的时频声谱图清晰度的改善等方面进行了比较,证实了匹配追踪算法是一种非常适合于对像超声多普勒血流信号这样的频率带宽随时间变化很快的强噪声背景的信号进行噪声处理的算法。

参考文献

[1]Mallat SG,Zhang Z.Matching pursuits with time-fre-quency dictionaries[J].IEEE Trans.Signal Processing.1993,41:3397-415.

[2]Mallat SG.A wavelet tour of signal processing[M].Aca-demic Press,1999.

[3]Mallat SG.A theory for multiresolution signal decomposi-tion:the wavelet representation[J].IEEE Trans.PatternAnalysis and Machine Intelligence.1989,11:674-93.

[4]A.Matani,O.Oshiro,K.Chihara,Doppler signal pro-cessing of blood flow using a wavelet transform,Jpn.J[J].Appl.Phys.35(1996)3131-3134.

超声信号 篇7

目前,超声波探伤仪作为探伤的一种工具,已经取得了飞速发展。参考文献[2-5]等讨论了目前比较常见探伤仪的设计方案,其中多以单片机作为系统的核心控制器,DSP或CPLD作为系统的数据处理单元,此类设计方案的软件部分非常复杂,实现成本较高;另外由于DSP和CPLD的数据处理速率较慢,使得缺陷显示中B超图显示的时延过大,钝屏现象时常发生,这就很难满足在探伤过程中对实时性的要求。

为了解决上述设计方案中出现的问题,本系统采用Cyclone II系列FPGA(现场可编程门阵列)芯片作为数据处理核心模块[6],采用ARM芯片作为系统的核心控制器,实现了针对回波数据的高速处理。

1 系统的整体架构和工作原理

为了使方案的描述更为清晰,图1给出了超声波探伤仪整体设计框图。

探伤仪系统的工作原理可描述为:系统初始化后,ARM向FPGA信号处理模块发送通道选通及高压生成控制信号,通过指令转换发送至模拟电路控制单元,然后由模拟电路控制单元控制超声波发射模块产生瞬时高压脉冲,经过探头内的压电晶片产生超声波发射信号;当超声波在钢轨介质传播中遇到缺陷时,它将立即返回接收探头,并通过探头内的压电晶片转换为电信号传送至超声波接收模块;接收模块对回波信号进行模拟信号处理后送至A/D采样;再由FPGA对采样数据进行相关处理;最后由ARM核心控制模块对FPGA发送的数据进行合成,并送至显示屏显示,且产生报警信息。

FPGA模块在系统中的作用是:与ARM核心控制器进行数据交互,把控制信息发送至模拟电路;接收A/D采样值;配合位移传感器信息对回波信号进行高速处理,并把处理结果以数据包的格式发送至ARM模块。

2 FPGA硬件电路设计

系统选用Altera公司推出的Cyclone II系列产品,型号为EP2C15。FPGA模块硬件结构原理如图2所示。

2.1 ADC和位移传感器

图2中FPGA芯片前端采集的数据有A/D数据和位移传感器数据。本系统采用A/D芯片的采样精度是10 bit,最高采样频率为105 MHz。根据超声波在钢轨中传播速度为5 900 m/s,系统设定的采样频率为100 MHz,在通道重复频率为800 Hz前提下,系统的垂直采样精度可以不低于1 mm。位移传感器的作用是把探伤仪移动时的位移信息传送至信号处理模块,FPGA根据A和B两个输入管脚的电压相位相差90°这一特性,来读取相应的位移信息。

2.2 时钟和电源

FPGA的时钟输入为50 MHz,系统提供了4个锁相环,通过软件配置,可以把时钟频率提高至所需的频率。

FPGA有3个配置元素:可编程逻辑块(CLB)、I/O块(IOB)和局部互联。CLB提供功能性逻辑单元,IOB提供封装引脚与内部信号线之间的接口,可编程互联资源提供布线途径以连接CLB和IOB的输入和输出。其中CLB的电压为内核电压(VCCINT),I/O模块的电压为I O电压(VCCIO),因此系统内FPGA芯片需要2个配置电压3.3 V和1.25 V分别为I/O口和内核进行供电。本系统采用高精度DC-DC芯片实现了所需的电压变换。

2.3 JTAG接口

当FPGA芯片工作在JTAG BST模式下,应使用4个I/O引脚和1个可选引脚TRST作为JTAG接口引脚。4个I/O引脚是TDI、TDO、TMS和TCK,其含义如表1所示[7]。

2.4 SRAM

系统选用SRAM的型号为IS61LV6416,容量大小为1 MB,接口速率可达125 MHz。它与FPGA互联的接口电路如图3所示。

图3中,SRAM的数据线和地址线均为16位。各个功能端口的定义依次为:CE为片选信号,OE为输出使能端,WE为写入使能端,LB为低字节(I/O0~I/O7)有效使能端,UB为高字节(I/O8~I/O15)有效使能端。各控制管脚均为低电平有效。

3 FPGA软件设计

本系统软件是在Quartus II编译环境下采用VHDL语言开发实现。FPGA软件的逻辑结构设计可以划分为10个模块,如图4所示。

FPGA的详细工作流程是:系统开机后,各个模块进行初始化;当ARM发出中断请求后,FPGA响应请求并接收控制信号,然后把控制信息转发至前端模拟电路;当回波信号到达A/D采样芯片时,FPGA控制该芯片对模拟信号进行采样,并配合位移传感器信息,对回波信号进行数字滤波、极值查找和缺陷判断等处理,然后由数据存储控制模块对处理后的数据进行管理,并在片外SRAM存储;持续保存若干通道之后,把数据一次性送至输出FIFO,由ARM接口控制模块向ARM发送中断请求,当ARM响应请求后,通过输出FIFO读取数据。至此,FPGA信号处理工作完成。

3.1 时钟模块

本模块的功能是为其他模块提供所需的时钟信号。系统开机时,FPGA的启动时间比ARM要短,为了使系统同步工作,本方案对时钟模块进行了相应处理。图5为FPGA时钟工作流程图,其中在FPGA上电后但未正常工作之前,系统设置了一个不受时钟控制的进程,该进程用来监控ARM的启动,待ARM完成正常启动并发送中断标志时,FPGA的时钟模块才开始运行。

3.2 回波信号处理模块

本模块是FPGA软件中最主要的一部分,系统对缺陷的判断和报警信号的产生都由此模块来完成。本模块的软件设计采用流水结构,具体流程如图6所示。由于本系统对8个信号通道轮回选通,并依次对每一组接收到的数据进行处理,所以图6所示的流程适用于各个通道的信号处理过程。

下面对流程中两个主要部分的设计过程进行详细阐述。

3.2.1 数字滤波

对于线性时不变系统,其时域输入与输出的关系是:

若y(n)、x(n)的傅里叶变化存在,输入与输出的频谱关系是:

当输入信号x(n)通过滤波器h(n)后,其输出y(n)中不再含有|w|>wc的频率成分,仅使|w|

根据以上时域和频域的转换关系可知,只要设计一个合适的响应函数h(n),就可以把x(n)中的一些高频分量滤除掉。本系统中回波信号经过多级传输之后,信道噪声和高频干扰不可避免地掺杂在有用信号当中。所以系统设计了一个数字滤波器对A/D数据进行滤波。

经频谱分析仪对回波信号进行分析得出,模拟回波信号的最高频率fh=5 MHz,最低频率fl=2 MHz,通带上限频率fs2=7 MHz,通带下限频率fs1=500 kHz;通带内最大衰减为坠p=3 dB,阻带内最小衰减为坠s=20 dB,A/D采样频率fs=100 MHz。所以本系统需设计一个数字带通滤波器,把通频带范围外的噪声干扰滤除掉。

设计数字带通滤波器的具体步骤如下:

(1)确定数字带通滤波器的技术指标;

(2)将数字带通滤波器的技术指标转换为模拟带通滤波器的技术指标,转换公式为

(3)将模拟带通滤波器的技术指标转换成模拟低通滤波器的技术指标;

(4)设计模拟低通滤波器;

(5)将模拟低通滤波器通过频率变换,转换成模拟高通滤波器;

(6)采用双线性变换法,将模拟高通滤波器转换为数字高通滤波器。

根据上述步骤,通过测试得出模拟带通滤波器的技术指标,计算得出需要设计的模拟低通滤波器的阶数N=3.66,取N=4。查巴特沃斯归一化低通滤波器参数表,得到传输函数G(p)为:

由变量转换关系式:

可以得出系统的传输函数H(z)为:

通过Z反变换,得出响应函数h(n)。当输入序列与响应函数进行卷积运算,便得到检波后的数字信号。经实验验证,检波前的下限阻带频率为200 kHz,而检波后该频率提高至500 kHz;其次高频中大于7 MHz的分量也不再出现。这不但方便了极值查找,还提高了缺陷判决的准确性。

3.2.2 极值查找

超声波探头接收到的回波信号经包络检波后反映出工件的伤损情况。本系统采用类似冒泡排序的方法,对信号中的若干极值进行查找。当判断某个数据点是极值时,则保存该极值点并继续查找。当查找到最远距离的回波时,该通道极值查找结束。具体原理如图7所示。

3.3 数据存储控制模块

数据存储控制模块的功能是管理信号处理模块发送来的数据。本系统设计了8个存储单元,对8个信号通道的数据分别保存,任一通道在重复选通10次之后,再把数据一次性送至输出FIFO。图8是该模块的设计原理图。

3.4 输出FIFO

由于8个信号通道依次选通,在时间上互不重叠,所以系统仅需设计一个FIFO,供8个通道依次使用。FIFO的深度设定为1 280,数据宽度为16,这样可以满足一个通道连续10次的数据存储,每次存储量为128 B。FIFO的配置原理如图9所示。

3.5 ARM接口控制模块

ARM接口控制模块的功能是:为ARM和FPGA提供数据接口,使FPGA处理后的数据能够顺利地发送至ARM模块。

4 实验结果

根据以上方案,本系统完成了硬件电路设计与软件调试,并实现了系统的脱机工作模式;将超声波探头耦合在标准试块GTS-60表面并前后移动,可得图10所示的界面显示图。

GTS-60是铁道部规定使用的标准测试钢轨,由轨头、轨腰和轨底三部分组成,高度为176 mm;其中在轨头部分有一个直径为3 mm通孔、一个直径为4 mm深为20 mm的平底孔,轨腰的螺孔处有一个水平裂纹、两个上斜裂纹和两个下斜裂纹,轨底处有一个16.5 mm×3 mm的长方形平底槽。表2给出了超声波探伤仪在一定速度下(0.1 m/s)对标准试块GTS-60的缺陷检测结果,基本准确地检测出缺陷的位置,其中深度计算公式来自于参考文献[8]。

注:推行速度:0.1 m/s

由于缺陷中的上斜裂纹和下斜裂纹的剖面图是一条斜线,其深度是一个范围值,不方便定点进行深度测试。下面再以不同速度推行探伤仪,如表3示范性给出仪器的可靠性指标。

注:a为圆形平底孔,b为轨底平底槽

由表2和表3可知,在仪器移动速度一定的前提下,测量误差与实际深度成反比;在缺陷位置一定的前提下,缺陷检出率与仪器移动速度成反比。检测结果正好可以反映这样一个事实,即当缺陷距离钢轨表面过近时,缺陷回波易混淆于表面回波。缺陷位置越深,回波越精确。但是,缺陷太小或者缺陷深度过深,回波幅度较低,在移动速度提高时,很容易被漏检。

最后对系统的实时性指标进行分析。实验表明,系统保证某信号通道在它选通时间之内(即1/6 400 s)把该通道的数据处理完毕,并经过1/80 s延迟时间把该通道的检测数据通过A显波形和B超图形的方式在屏幕上显示出来。所以本系统在显示效果方面,可以实时地描绘出钢轨的缺陷信息,不存在钝屏及B超显示滞后的现象,也不用手工调节B超图形的位置来拼接一幅完整图形。

本文所论述的基于FPGA的超声波信号处理设计方案实现了信号的高速实时处理,完成了伤点位置精确定位以及缺陷B超图的快速显示的要求。通过测试及实验数据分析得出,依据本设计方案实施的系统,运行稳定、伤点检出率高。此外,由于本方案选用FPGA芯片的数据处理速率可以提高至600 MHz,所以系统可以在不修改硬件电路的前提下对采样精度进一步提高,为后续开发提供了便利和可能。

参考文献

[1]周丽军.便携式多功能超声检测系统设计[D].武汉:华中科技大学,2005.

[2]李政,潘孟春,罗飞路.一种基于DSP2407的超声波探伤系统[J].无损检测,2008,30(12):950-954.

[3]邬泳.基于DSP&CPLD的数字式钢轨超声探伤仪的研究[D].天津:天津大学,2006.

[4]徐西刚,施克任,陈以方,等.数字化超声探伤仪中超声信号高速采集技术[J].传感器技术,2003,22(10):16-18.

[5]LI Hui,LIU D C.An embedded high performance ultra-sonic signal processing subsystem[C].2009International Conference on Embedded Software and Systems,Hangzhou,Zhenjiang P.R.China,2009:125-130.

[6]HERNANDEZ A,URENA J,MAZO M,et al.A compar ison of computing architectures for ultrasonic signal processing[C].2005IEEE In-ternational Workshop Intelligent Signal Process-ing,Faro,Portugal,2005:38-43.

[7]潘松,黄继业.EDA技术实用教程[M].北京:科学出版社,2006:46-50.