SoS 滤波器及其在工业超声波成像中的应用

doi:10.3969/j.issn.1000-565X.2014.01.019

华南理工大学学报（自然科学版） ›› 2014, Vol. 42 ›› Issue (1): 111-116.doi: 10.3969/j.issn.1000-565X.2014.01.019

SoS 滤波器及其在工业超声波成像中的应用

戴光智¹韩国强¹林伟毅²欧阳显跃³

1．华南理工大学计算机科学与工程学院，广东广州 510006; 2．华南理工大学自动化科学与工程学院，广东广州 510640;3．湖南大学嵌入式与网络计算湖南省重点实验室，湖南长沙 410082

收稿日期:2013-03-11 修回日期:2013-09-30 出版日期:2014-01-25 发布日期:2013-12-01
通信作者: 戴光智(1974-)，男，博士后，深圳职业技术学院副教授，主要从事超声无损检测以及压缩感知信号处理研究． E-mail:daiguangzhi@szpt.edu.cn
作者简介:戴光智(1974-)，男，博士后，深圳职业技术学院副教授，主要从事超声无损检测以及压缩感知信号处理研究．
基金资助:
广东省自然科学基金资助项目(10451805501006279， S2011010004487);中国博士后科学基金资助项目(2012M511551)

SoS Filter and Its Application to Industrial Ultrasound Imaging

Dai Guang- zhi¹ Han Guo- qiang¹ Lin Wei- yi² OuYang Xian- yue³

1.School of Computer Science and Engineering,South China University of Technology,Guangzhou 510006,Guangdong,China;2.School of Automation Science and Engineering,South China University of Technology,Guangzhou 510640,Guangdong,China;3.Key Laboratory for Embedded and Network Computing of Hunan Province,Hunan University,Changsha 410082,Hunan,China

Received:2013-03-11 Revised:2013-09-30 Online:2014-01-25 Published:2013-12-01
Contact: 戴光智(1974-)，男，博士后，深圳职业技术学院副教授，主要从事超声无损检测以及压缩感知信号处理研究． E-mail:daiguangzhi@szpt.edu.cn
About author:戴光智(1974-)，男，博士后，深圳职业技术学院副教授，主要从事超声无损检测以及压缩感知信号处理研究．
Supported by:
广东省自然科学基金资助项目(10451805501006279， S2011010004487);中国博士后科学基金资助项目(2012M511551)

摘要/Abstract

摘要： 为减少采样数据和采样频率，文中考虑将有限新息率( FRI) 模型应用于工业超声波成像系统中，但现有的 FRI 模型并不能很好地应用于反射信号频率很高的工业超声波成像系统．为此，文中基于 FRI 滤波器组，提出了一种适用于工业超声信号处理的新型FRI 采集方法——辛格函数之和( SoS 滤波器) 法，推导了该方法应具备的条件，并给出了SoS 滤波器的构造方式．采用该方法对一维超声波成像原始数据进行处理，结果表明文中所提出的采集方法是有效、可行的．

关键词: 信号处理, 工业超声波成像, 辛格函数之和滤波器, 压缩感知, 有限新息率, 采样数据, 采样频率

Abstract:

Although the FRI (Finite Rate of Innovation) model may be feasible in reducing the sampling data andsampling frequency of industrial ultrasound imaging systems,the existing FRI model cannot be well applied due tothe high frequency of reflected signals.In order to solve this problem,a new FRI acquisition method named Sum of Sinc (SoS) filter,which is very suitable for the processing of industrial ultrasound signals,is proposed on the basisof the FRI filter group.Afterwards，the necessary conditions for this method are deduced,and the structure of theSoS filter is presented.From the results of raw one- dimension ultrasound imaging data，the proposed method isfound to be effective and feasible.

Key words: signal processing, industrial ultrasound imaging, Sum of Sinc Filter, compressed sensing, finite rateof innovation, sampling data, sampling frequency

戴光智韩国强林伟毅欧阳显跃. SoS 滤波器及其在工业超声波成像中的应用[J]. 华南理工大学学报（自然科学版）, 2014, 42(1): 111-116.

Dai Guang- zhi Han Guo- qiang Lin Wei- yi OuYang Xian- yue. SoS Filter and Its Application to Industrial Ultrasound Imaging[J]. Journal of South China University of Technology (Natural Science Edition), 2014, 42(1): 111-116.

[1]	韩乐, 江怡华. 鲁棒截断L1-L2全变分稀疏恢复模型[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 45-53,140.
[2]	辛欣, 任尊松. 基于动态滑动步长改进LMD算法的砂浆脱空识别[J]. 华南理工大学学报(自然科学版), 2022, 50(7): 98-107.
[3]	杨春玲, 凌茜, 吕泽宇. 特征域多假设预测视频压缩感知重构神经网络[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 80-90.
[4]	杨春玲凌茜. 基于深度学习的两阶段多假设视频压缩感知重构算法[J]. 华南理工大学学报（自然科学版）, 2021, 49(6): 88-99.
[5]	杨春玲郑钊彪李金昊. CVS 中基于块分类的自适应阈值调整组稀疏重构[J]. 华南理工大学学报（自然科学版）, 2020, 48(8): 29-37,48.
[6]	杨春玲裴翰奇. 基于残差学习的多阶段图像压缩感知神经网络[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 82-91.
[7]	刘杰平杨朝煜陈栋杨业长马丽红. 结合系数重用正交匹配追踪的字典学习算法[J]. 华南理工大学学报(自然科学版), 2018, 46(8): 52-56，63.
[8]	杨春玲郑学炜. CVS中基于多维度参考帧的双稀疏重构算法[J]. 华南理工大学学报(自然科学版), 2018, 46(8): 1-10.
[9]	杨春玲戴超. 视频压缩感知中基于菱形快速搜索的双匹配区域预测 [J]. 华南理工大学学报（自然科学版）, 2018, 46(3): 49-57.
[10]	杨春玲汤瑞东. 基于低秩增强的图像压缩感知重构算法[J]. 华南理工大学学报（自然科学版）, 2018, 46(10): 72-80.
[11]	杨春玲熊光银戴超. 视频压缩感知中基于快速搜索的迭代多假设算法[J]. 华南理工大学学报（自然科学版）, 2017, 45(7): 107-112,125.
[12]	杨春玲李文豪. CVS 中基于残差结构特征的块分类重构算法[J]. 华南理工大学学报（自然科学版）, 2017, 45(3): 1-10.
[13]	杨春玲李林荪. 基于像素相关的图像/视频压缩感知观测矩阵[J]. 华南理工大学学报（自然科学版）, 2017, 45(12): 27-35.
[14]	谢中华马丽红钟福平. 基于复合稀疏约束的近似消息传递CS 重构算法[J]. 华南理工大学学报（自然科学版）, 2017, 45(1): 18-25.
[15]	杨春玲刘璇. 基于压缩感知的视频信号采集观测值渐进量化算法[J]. 华南理工大学学报（自然科学版）, 2016, 44(5): 15-21.

SoS 滤波器及其在工业超声波成像中的应用

SoS Filter and Its Application to Industrial Ultrasound Imaging

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价