基于稀疏时频感知的超声高分辨率探测理论与方法研究

High-resolution parameters estimation algorithm of ultrasonic echo signal in noise is the core technology in ultrasonic detection. It can drive a new high-precision detection technology and product development. Based on parameter estimation theory and sparse time-frequency sensing method which is proposed by sparse representation theory, high-resolution joint parameters estimation algorithms of multi-echo and overlapping narrowband ultrasonic signal in low SNR are researched to break the precision of the current detection algorithm which is characterized in sound pressure. We will focus on 1) Mining and modeling prior information of narrowband ultrasonic echo signal; 2) The Cramer-Rao Bound (CRB) for joint parameters estimation of narrowband ultrasonic signal; 3) High-resolution joint parameters estimation algorithms based on sparse time-frequency sensing for echo signal approaching the CRB. 4) Applications of the proposed estimation algorithms in detection. The study can improve the precision of ultrasonic detection in noise, which is of great significance to improve the theory and application of high-resolution detection, and has wide applications in various fields such as railway detection, high attenuation material defect detection and size measurement.

噪声中超声回波信号高分辨率参数估计是超声探测技术的核心，对推进高精度新型探测技术和产品研发具有重要意义。本项目以稀疏表示理论为基础，提出稀疏时频感知方法，并结合参数估计理论，针对噪声环境下多回波混叠窄带超声信号开展研究，实现低信噪比下回波信号联合参数的高分辨率估计，能解决超声回波严重混叠效应，并突破现有的以声压为特征的探测算法的精度，主要研究内容包括：1.窄带超声回波信号先验信息的开采及建模；2. 窄带超声信号联合参数估计的CRB性能界研究；3. 逼近CRB性能界的基于稀疏时频感知的超声回波联合参数高分辨率估计算法；4. 在探测领域的应用。项目所获得的研究成果可提高噪声环境下超声探测精度，对完善高分辨率探测理论和应用有着重要意义，且广泛应用于钢轨以及高衰减材料缺陷探测和尺寸测量中。

噪声中超声回波信号高分辨率参数估计是超声探测技术的核心，对推进高精度新型探测技术和产品研发具有重要意义。本项目结合参数估计理论，针对噪声环境下多回波混叠窄带超声信号开展研究，实现低信噪比下回波信号联合参数的高分辨率估计，能解决超声回波严重混叠效应，并突破现有的以声压为特征的探测算法的精度。项目所获得的研究成果可提高噪声环境下超声探测精度，对完善高分辨率探测理论和应用有着重要意义，且广泛应用于钢轨以及高衰减材料缺陷探测和尺寸测量中。项目取得的主要成果如下：.（1）根据Gabor变换时频分析的特点，提出了Gabor变换域上超声回波信号参数估计方法，并推导其在Gabor变换域上分辨率理论表达式。.（2）提出了一种基于包络的超声回波信号的参数估计算法，并详细推导了加性高斯白噪声对算法性能的影响，得到了关于高斯信号的单回波CRB界的理论表达式，并推导其分辨率理论表达式。.（3）提出一种基于卷积神经网络的窄带超声回波个数的估计方法。包括以下步骤：设定窄带超声回波信号模型参数，在不同噪声条件下生成多个回波信号集模型；在所生成的多个回波信号集模型随机提取一部分回波信号集模型进行短时傅里叶变换并生成时频谱图作为训练样本集，将剩下的回波信号集模型进行短时傅里叶变换并生成时频谱图作为测试样本集；将获得的训练样本集输入卷积神经网络进行训练，并输出训练好的卷积神经网络；将获得的测试样本集输入训练好的卷积神经网络，即可估计出对应回波信号的回波个数。利用本估算方法能够有效的估算出窄带超声回波信号的回波个数，具有鲁棒性好、精度高的特点，还具备学习能力。.（4）超声探测实验平台的搭建。.项目组成员发表9篇论文，其中被SCI或EI收录6篇，中文核心2篇。获得1项国家发明专利授权，申请1项国家发明专利。.培养5名硕士研究生，已毕业2人，本科生2人，已毕业2人，培养青年教师4人，获得晋升职称3人。