版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、利用超聲脈沖回波進(jìn)行無損探測(cè),是無損檢測(cè)和生物醫(yī)學(xué)工程研究中的一個(gè)重要手段。該方法通過換能器發(fā)射聲脈沖照射目標(biāo),后接收反射回波完成對(duì)目標(biāo)的探測(cè)。主要目的是,確定反射目標(biāo)的物理特性如幾何形狀、尺寸以及傳輸路徑上的各種信息。若想從回波中得到理想的、有實(shí)用價(jià)值的信息,當(dāng)然離不開對(duì)目標(biāo)回波的正確分析和認(rèn)識(shí)。 一般的超聲回波信號(hào)處理方法都涉及噪聲的抑制、回波特征的提取、及信號(hào)的優(yōu)化這三個(gè)問題,但通常一種方法只能解決其中的一個(gè)問題。
2、 之前,對(duì)超聲模型的研究主要集中在線性模型,即將發(fā)射信號(hào)作為輸入激勵(lì)源,回波信號(hào)作為系統(tǒng)的輸出,整個(gè)系統(tǒng)的輸出響應(yīng)看成是換能器脈沖響應(yīng)、路徑傳輸響應(yīng)和目標(biāo)響應(yīng)幾者的卷積。由于超聲回波具有明顯的非線性,應(yīng)用線性模型的方法進(jìn)行模擬必然存在局限性,誤差也較大。 本文將超聲回波模擬為一被噪聲污染的高斯信號(hào),它是回波的中心頻率、帶寬、到達(dá)時(shí)間、相位和幅度等的非線性函數(shù)。研究表明,利用該模型通過數(shù)值迭代可使回波參數(shù)估計(jì)獲得較高精度,也可同時(shí)
3、解決超聲回波中的噪聲抑制、回波特征參量提取及信號(hào)優(yōu)化這三個(gè)問題。 本文進(jìn)行了以下幾項(xiàng)研究工作: 1.建立了超聲回波非線性模型——高斯回波模型。 換能器的頻率響應(yīng)在回波響應(yīng)中占主要因素,而其頻率響應(yīng)曲線呈高斯分布,故文中用被噪聲污染的高斯信號(hào)來模擬超聲回波。應(yīng)用一個(gè)高斯信號(hào)模擬單重回波,多個(gè)高斯信號(hào)疊加模擬多重回波。 2.實(shí)驗(yàn)驗(yàn)證了該非線性模型模擬超聲回波的可行性。 采用脈沖反射法獲取銅塊對(duì)超聲的回
4、波信號(hào)。應(yīng)用該非線性模型模擬采集到的超聲回波,獲得了較好的效果,說明該非線性模型的方法是可行的。 3.應(yīng)用高斯一牛頓算法和模擬退火算法分別計(jì)算了單重回波的特征參數(shù)向量,并應(yīng)用該非線性模型模擬了單重超聲回波。 將高斯回波模型模擬單重超聲回波的問題轉(zhuǎn)化為最小二乘問題,分別應(yīng)用高斯一牛頓算法及模擬退火算法計(jì)算其特征參數(shù)向量,模擬單重超聲回波。結(jié)果表明,高斯一牛頓算法能以較少的迭代次數(shù)計(jì)算出精度較高的超聲回波特征參數(shù)向量,但該算
5、法對(duì)初值的設(shè)置較敏感。模擬退火算法對(duì)初值的設(shè)置不敏感,能計(jì)算得到較為精確的特征參數(shù)向量,但該算法所費(fèi)機(jī)時(shí)較多。模擬出的單重超聲回波均與無噪聲時(shí)的原波形高度接近。 4.應(yīng)用EM算法計(jì)算了多重回波的特征參數(shù)向量,并應(yīng)用高斯回波模型模擬了多重超聲回波。 以雙重回波為例研究了高斯回波模型模擬多重回波的問題。本文將雙重回波分為分離的雙重回波和疊加的雙重回波,分別應(yīng)用EM算法計(jì)算了回波的特征參數(shù)向量。結(jié)果表明,EM算法能較為準(zhǔn)確地計(jì)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 非平穩(wěn)語音特征參數(shù)估計(jì).pdf
- 多元線性模型的參數(shù)估計(jì).pdf
- 線性模型中的參數(shù)估計(jì).pdf
- 41231.基于sapsomsfla算法的非線性系統(tǒng)模型參數(shù)估計(jì)研究
- 線性混合模型中的參數(shù)估計(jì).pdf
- 模糊線性回歸模型的參數(shù)估計(jì).pdf
- 線性混合模型中參數(shù)估計(jì)的研究.pdf
- 線性混合模型參數(shù)估計(jì)問題的研究.pdf
- 基于GCV方法的線性回歸模型嶺參數(shù)估計(jì).pdf
- 基于端到端測(cè)量的網(wǎng)絡(luò)鏈路特征參數(shù)估計(jì).pdf
- 基于EM-EKF的MIMO信道動(dòng)態(tài)特征參數(shù)估計(jì)方法研究.pdf
- 混合系數(shù)線性模型與約束線性模型的參數(shù)估計(jì).pdf
- 線性模型參數(shù)估計(jì)的若干性質(zhì)研究.pdf
- 線性協(xié)變量調(diào)整模型的參數(shù)估計(jì).pdf
- 平衡損失下線性模型的參數(shù)估計(jì).pdf
- 基于Bayesian的空間多層線性回歸模型的參數(shù)估計(jì)及其應(yīng)用.pdf
- 污染線性模型的參數(shù)和非參數(shù)估計(jì)的研究.pdf
- 基于粒子群優(yōu)化算法的非線性系統(tǒng)參數(shù)估計(jì).pdf
- 網(wǎng)絡(luò)突發(fā)性丟包的時(shí)域特征參數(shù)估計(jì).pdf
- 非線性調(diào)頻雷達(dá)信號(hào)的參數(shù)估計(jì)算法研究.pdf
評(píng)論
0/150
提交評(píng)論