量可應(yīng)用函數(shù)E5j = norm(S5j)*norm(S5j) 〇
[0030] 構(gòu)造特征向量。由于木材存在缺陷時，木材材質(zhì)發(fā)生了變化，會對各頻帶內(nèi)信號的 能量有較大的影響。因此，用完好試件和缺陷試件的子信號能量差值為元素，可以構(gòu)造一個 特征向量。特征向量T構(gòu)造如下：
[0031] r = [2^，7；，"s2；(yYi!:
[0032] 其中-1
[0033] 第三步，把能量矩引用小波分析中，對32維頻帶能量進行能量距計算。
[0034]對于各頻帶內(nèi)信號Sij的能量距Mij為：
[0035] rM = [Γ,υ Τ,Ι ] = [MJa, Μ Μ , · · ·, ] / Μ
[0036] 設(shè)^對應(yīng)的能量距Mja，Sid(i = J，J-l，…，1)對應(yīng)的能量距為Mid(i=J，J-l，…，1) 則有財Ja =〉:灸 \XJak | Mtlj = )) j ' *=1 .，. *=>
[0037] 總的能量距為：
[0038] M=Mja+Mjd+M(j-i)d+...+Mid
[0039] 第四步，用小波包能量距代替小波包能量構(gòu)成木材缺陷特征向量。以歸一化能量 距構(gòu)成特征向量：
[0040] TM ={T^! ,Tf
[0041] 式中At為采樣時間間隔;n為總的采樣數(shù);k采樣點。
[0042] 第五步，主成分分析，主成分分析的特征參數(shù)提取。
[0043] 設(shè)特征數(shù)據(jù)矩陣為X，xk第i樣本的第j個特征參數(shù)值，特征樣本共有η個，特征個 數(shù)共有Ρ個。 / \ Λη Λ?2 ΛιΡ γ γ 肩·《 -V*
[0044] % f : f
[0045] 消除不同特征的量綱影響對原始特征數(shù)據(jù)進行標(biāo)準(zhǔn)化處理。 X . - X
[0046] ~ i，J / (/ = 1,2,= ···,/?) ^/varC.v,) 1 %
[0047] 其中巧=··-Σ-υ,7 n /,1
[0_ var(.'.,):士 |(Λ-oun)
[0049]計算標(biāo)準(zhǔn)化后特征矩陣的相關(guān)系數(shù)矩陣 ￡(.~-秦'〒,） _〇]~=丨:廣1 " , V k~i k=l
[0051] 求相關(guān)系數(shù)矩陣R的特征值(&，&，···，λρ)和相應(yīng)的特征向量：
[0052] ai = (au，ai2,…，aiP)，i = 1，2,…，ρ
[0053] 確定主成分?jǐn)?shù)
[0054]主成分分析可以得到ρ個主成分，在實際運算中我們?nèi)绾芜x取主成分，一般不是選 取Ρ個主成分，而是選取前k個各個累計貢獻率大的主成分，這里貢獻率指某個主成分提取 的信息占總信息的份額。 貢獻率=4
[0055] Μ
[0056] 貢獻率越大，代表該主成分所包含的原始變量的信息越強，一般選取累計貢獻率 達到85-95 %的特征值。
[0057]計算主成分
[0058]根據(jù)標(biāo)準(zhǔn)化的原始數(shù)據(jù)，分別代入主成分表達式，就可以得到各主成分下新特征。 [0059] 本發(fā)明工作過程：
[0060]本發(fā)明一種木材孔洞缺陷超聲檢測特征提取方法在工作過程中，當(dāng)超聲波通過的 木材材質(zhì)發(fā)生改變時，信號發(fā)生反射、折射、散射等效應(yīng)，使得超聲信號能量發(fā)生衰減，表現(xiàn) 的形式為超聲信號的幅值會發(fā)生變化，同時其頻率和相位也發(fā)生變化。小波分解是通過小 波基展開將信號分解到不同的頻帶上，這個信號的近似優(yōu)劣程度完全依賴于小波基的選 擇。由于小波變換具備以下兩個功能：能夠把各種干擾噪聲濾掉，從而消除噪聲的影響，能 夠有效的偵查出缺陷特征及缺陷點，所以利用小波變換可以提取缺陷特征的信息。
[0061] 本發(fā)明，通過對不同孔洞個數(shù)木材缺陷超聲信號進行處理分析，提出一種小波能 量距的不同孔洞個數(shù)的缺陷特征提取方法。首先對超聲信號進行5層小波包分解，得到32個 頻帶能量，在此基礎(chǔ)上進行能量距分析，并通過主元成分分析對小波包能量距實行歸一化 處理和降維處理。實驗結(jié)果表明：小波能量距與頻帶能量相比可以看出，小波能量距的主要 頻帶分布廣，并且不同孔洞個數(shù)與主要能量距頻帶個數(shù)也不同，能量距既反映了能量在時 間軸上的分布狀況，也反映了每個頻帶上能量的大小，故用小波包能量距代替小波包頻帶 能量構(gòu)成木材缺陷特征向量。同時經(jīng)過主成分分析后得到的16個主成分的小波包能量距， 實現(xiàn)了降維處理，可以有效地提取木材不同孔洞個數(shù)缺陷特征。
[0062] 上述實施例是對本發(fā)明的說明，不是對本發(fā)明的限定，任何對本發(fā)明簡單變換后 的方案均屬于本發(fā)明的保護范圍。
【主權(quán)項】
1. 一種木材孔洞缺陷超聲檢測特征提取方法，其特征在于:包括具體步驟如下： a) 根據(jù)小波分析理論，選擇小波函數(shù)； b) 對木材孔洞缺陷超聲波原始信號進行小波包分解，得到32維頻帶能量，分析各種木 材孔洞缺陷在每個頻帶上能量變化規(guī)律； c) 把能量矩引用小波分析中，對32維頻帶能量進行能量距計算； d) 比較分析32維頻帶能量距，用小波包能量距代替小波包能量構(gòu)成木材缺陷特征向 量； e) 對32維頻帶能量距進行主成分分析，實現(xiàn)歸一化處理和降維處理缺陷特征信息，通 過實驗數(shù)據(jù)證明經(jīng)主成分分析的小波能量距有效地提取木材不同孔洞個數(shù)缺陷特征。2. 如權(quán)利要求1所述的一種木材孔洞缺陷超聲檢測特征提取方法，其特征在于:所述b) 步驟中，選擇不同分解層數(shù)的變換來描述信號的特征，對木材孔洞缺陷超聲波原始信號進 行小波包分解分解層數(shù)為5層。3. 如權(quán)利要求1所述的一種木材孔洞缺陷超聲檢測特征提取方法，其特征在于:所述c) 步驟中，引入能量距Mij的概念來表述頻帶上的能量大小和能量沿時間軸的分布特點，能量 距既反映了能量在時間軸上的分布狀況，也反映了每個頻帶上能量的大小，能量距更有效 地提取出信號在各頻帶上的能量分布特征。4. 如權(quán)利要求1所述的一種木材孔洞缺陷超聲檢測特征提取方法，其特征在于:所述e) 步驟中，主成分分析利用降維的思想，在不減少原始數(shù)據(jù)所包含的信息內(nèi)容的前提下，將數(shù) 據(jù)集轉(zhuǎn)化為由維數(shù)較少的有效特征成分來表示，即把多個特征轉(zhuǎn)化為少數(shù)幾個綜合特征。
【專利摘要】本發(fā)明公開了一種木材孔洞缺陷超聲檢測特征提取方法，首先根據(jù)小波分析理論，選擇小波函數(shù)，對超聲信號進行5層小波包分解，得到32個頻帶能量，在此基礎(chǔ)上進行能量距分析，并通過主成分分析對小波包能量距實行歸一化處理和降維處理。本發(fā)明通過對不同孔洞個數(shù)木材缺陷超聲信號進行處理分析，用小波包能量距代替小波包頻帶能量構(gòu)成木材缺陷特征向量，經(jīng)過主成分分析后得到的小波包能量距，實現(xiàn)了降維處理，可以有效地提取木材不同孔洞個數(shù)缺陷特征。
【IPC分類】G01N29/04, G01N29/44
【公開號】CN105548359
【申請?zhí)枴緾N201610021265
【發(fā)明人】楊慧敏
【申請人】東北林業(yè)大學(xué)
【公開日】2016年5月4日
【申請日】2016年1月13日