[发明专利]一种基于多尺度匹配追踪的超声回波信号提取方法

说明书

本发明公开了一种基于多尺度匹配追踪的超声回波信号提取方法，包括以下步骤：步骤一、超声回波信号获取及同步上传；步骤二、时频参数取值范围压缩：采用数据处理设备对待处理信号f(t)稀疏分解时所用Gabor原子的时频参数的取值范围进行压缩，时频参数包括尺度参数、位移参数、频率参数和相位参数；步骤三、信号提取，过程如下：步骤301、基于寻优算法的信号稀疏分解；步骤302、信号重构。本发明方法步骤简单、设计合理且实现方便、使用效果好，先对时频参数中各参数的取值范围进行压缩，再采用基于寻优算法的信号稀疏分解方法搜索最佳匹配原子，能大幅度加快信号提取速度，并能有效提高信号提取精度。

技术领域

本发明属于信号时频分析技术领域，尤其是涉及一种基于多尺度匹配追踪的超声回波信号提取方法。

背景技术

时间和频率是描述信号的两个最重要的物理量，信号的时域和频域之间具有紧密的联系。时频分析(JTFA)即时频联合域分析(Joint Time-Frequency Analysis)的简称，为分析时变非平稳信号的有力工具，是一种新兴的信号处理方法。时频分析方法提供了时间域(简称时域)与频率域(简称频域)的联合分布信息，清楚地描述了信号频率随时间变化的关系。

目前，所使用信号采样系统(也称信号采集系统或信号采集设备)所采集的信号多为需进行时频分析的信号，如超声波探伤系统所采集的待处理信号、脑电采集系统所采集的脑电波信号、振动系统所采用的振动波信号、地震波检测系统所采集的地震波信号、微波检测系统所采集微波信号、通信系统中的时频信号等。

对信号进行时频分析时，去燥是前提，至关重要。目前，已有许多信号去燥方法，也称为信号提取方法，如非线性滤波、傅里叶变换和小波变换等，这些方法对提高一般信号的信噪比具有较好效果，但对于弱小信号提取或者强噪声背景下信号的提取具有局限性，提取结果不准确，可靠性不高。稀疏分解是一种新的信号分析理论，可以根据待提取信号的特征自适应的选择合适的展开函数，用很少的函数可以表示出所提取信号的基本特征，它可以在低信噪比情况下，更好地提取出弱小信号，最大化的逼近原始信号。稀疏分解算法首先是由Mallat提出的，它是众所周知的匹配追踪算法。但实际使用时，该算法仍存在以下两个缺陷，一是稀疏分解算法的计算量很大，计算时间在目前现有计算条件下十分巨大，无法进行实时提取；二是稀疏分解算法是连续条件下求的最优解，对于弱小信号的提取精度仍然有局限。