ОФНДефектоскопия Russian Journal of Nondestructive Testing

  • ISSN (Print) 0130-3082
  • ISSN (Online) 3034-4980

Кепстральный анализ ультразвуковых эхосигналов, измеренных антенной решеткой, с целью получения изображения отражателей со сверхразрешением

Код статьи
S30344980S0130308225040015-1
DOI
10.7868/S3034498025040015
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Том/ Выпуск
Том / Номер выпуска 4
Страницы
3-15
Аннотация
Метод цифровой фокусировки апертуры (ЦФА) широко используется для получения изображения отражателей при проведении УЗК. Достоверность контроля определяется качеством ЦФА-изображения — разрешающей способностью и отношением сигнал/шум. Для достижения сверхразрешения эхосигналов, что приведет к лучевому сверхразрешению ЦФА-изображения отражателей, используются различные методы: метод максимальной энтропии, деконволюция Бернулли—Гаусса, деконволюция Люси—Ричардсона, методы распознавания со сжатием (CS), методы построения авторегрессивных моделей сигналов и т.д. Для применения этих методов нужно знать импульсный отклик системы ультразвукового контроля. Его можно измерить, но можно воспользоваться методами «слепой» деконволюции, которые применяются при обработке изображений и сигналов. Например, метод устранения смаза камеры при ее случайном смещении, максимальная коррелированная деконволюция куртозиса (MCKD), кепстральный анализ и т.д. В статье рассмотрен метод кепстрального анализа с целью получения сверхразрешения или для получения информации об импульсном отклике системы, который позволит построить AR-модель спектра для получения лучевого сверхразрешения ЦФА-изображения. Работоспособность предложенного метода подтверждена модельными экспериментами.
Ключевые слова
антенная решетка Full Matrix Capture (FMC) Total Focusing Method (TFM) цифровая фокусировка апертуры (ЦФА) AR-model слепая деконволюция кепстр
Дата публикации
01.04.2025
Год выхода
2025
Всего подписок
0
Всего просмотров
82

Библиография

  1. 1. Базулин А.Е., Базулин Е.Г. Деконволюция сложных эхосигналов методом максимальной энтропии в ультразвуковом неразрушающем контроле // Акуст. Журн. 2009. № 6. С. 772—783.
  2. 2. Kormylo J.J., Mendel J.M. Mazimum likelihood detection and estimation of Bernouilli-Gaussian processes // IEEE trans. on information theory. 1982. V. 28 (3). P. 482—488.
  3. 3. Брейкина К.В., Умняшкин С.В. Оценка качества изображения при компенсации смаза по методу Люси-Ричардсона // Изв. вузов. Электроника. 2020. T. 25. № 2. С. 167—174.
  4. 4. Граничин О.Н. Рандомизация измерений и l1-оптимизация // Стохастическая оптимизация в информатике. 2009. № 5. С. 3—23.
  5. 5. Базулин Е.Г. Применение метода распознавания со сжатием для достижения сверхразрешения эхосигналов // Дефектоскопия. 2022. № 5. С. 24—36.
  6. 6. Марпл-мл. С.Л. Цифровой спектральный анализ. М.: Мир, 1990. 584 с.
  7. 7. Box G.E., Jenkins G.M. Time serial analysis. Forecasting and control. San-Francisco: Holden-dey, 1970. 553 p.
  8. 8. Базулин Е.Г. Обработка TOFD-эхосигналов с целью достижения сверхразрешения // Дефектоскопия. 2021. № 5. С. 13—21.
  9. 9. Базулин Е.Г. Повышение отношения сигнал/шум при совместном использовании методов экстраполяции и расщепления спектра // Дефектоскопия. 2006. № 1. С. 68—78.
  10. 10. Fergus R., Singh B., Hertzmann A., Roweis S.T., Freeman W.T. Removing camera shake from a single photograph. ACM SIGGRAPH 2006 Papers on — SIGGRAPH ’06. DOI:10.1145/1179352.1141956
  11. 11. Wiggins R. A. Minimum entropy deconvolution // GeoExploration. 1978. V. 16. No. 1—2. P. 21—35.
  12. 12. McDonald G. L., Zhao Q. Multipoint optimal minimum entropy deconvolution and convolution fix: application to vibration fault detection // Mechanical Systems and Signal Processing. 2017. V. 82. P. 461—477.
  13. 13. Boget B.P., Healy M.J.R., Tukey J.W. The Quefrency Alanysis of Time Series for Echoes: Cepstrum, Pseudo-Autocovariance, Cross-cepstrum and Saphe Cracking / Proceedings of Symposium on Time Series Analysis by Rosenblatt. M., 1963. P. 209—243
  14. 14. Bharadwaj P., Demanet L., Fournier A. Focused Blind Deconvolution // IEEETransactions on Signal Processing. 2019. V. 67. No. 12. P. 3168—3180. DOI: http://dx.doi.org/10.13140/RG.2.2.11028.81285
  15. 15. Научно-производственный центр «ЭХО+»: офиц. сайт URL: https://echoplus.ru/ (дата обращения: 11.09.2024).
  16. 16. Shristi Mishra, Deepika Sharma. A review on curvelets and its applications, In: Raju Pal and Praveen Kumar Shukla (eds) / SCRS Conference Proceedings on Intelligent Systems, SCRS, India, 2022. P. 213—220. https://doi.org/10.52458/978-93-91842-08-6-20
  17. 17. Базулин Е.Г. Применение технологии CF и DMAS для повышения качества изображения отражателей, восстановленного по эхосигналам, измеренным антенной решеткой // Дефектоскопия. 2024. № 12. С. 14—29.
QR
Перевести

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Высшая аттестационная комиссия

При Министерстве образования и науки Российской Федерации

Scopus

Научная электронная библиотека