作为基础工业的原材料，厚钢板广泛应用于锅炉、桥梁等承压设备的制造中，随着对设备运行可靠性要求的提高，对其原材料厚钢板的质量要求也逐渐提高，然而厚钢板在生产加工过程中不可避免地存在缺陷，需对其进行缺陷检测并及时剔除残次品。对厚钢板进行超声成像检测，可直接对其内部缺陷进行成像，更加直观的表征缺陷的位置和大小，实现更为可靠的厚钢板内部缺陷检测。
　　以全聚焦成像算法为代表的基于全矩阵采集的后处理成像技术，以其成像效果好、成像区域灵活等特点在超声缺陷检测中得到逐步的应用。然而全矩阵采集模式下，采集到了大量的回波信号，造成后期成像时间长、数据存储量大、不利于进行实时成像，制约了其在实际工业检测中的应用。针对上述问题，论文开展基于局部矩阵稀疏数据的厚钢板缺陷成像算法研究，实现了实时的聚焦成像算法。
　　论文首先对全矩阵采集原理进行深入分析，指出其存在数据冗余的问题，通过声场分析建立了局部矩阵采集理论，在减少采集通道和采集到的回波信号数量的同时保留了全接收模式下的大部分有效信号；首次将基于有限新息率(Finite Rate of Innovation，FRI)的稀疏采样方法应用在局部矩阵采集的缺陷回波信号中，研究了从稀疏采样数据中估计缺陷声学特征参数的方法，得到了只具有缺陷脉冲的时延与幅值参数的局部矩阵稀疏数据，进一步减少了成像计算数据量；对基于全矩阵采集的后处理成像算法进行了分析，并根据局部矩阵稀疏数据的特点，在全聚焦成像算法的基础上提出了基于局部矩阵稀疏数据的聚焦成像算法，采用局部矩阵稀疏数据直接进行成像的叠加计算，在不明显降低成像质量的前提下，实现了实时的聚焦成像，并且去除了因阵元间距增大而造成的栅瓣伪像。另外，其数据存储量相比全矩阵常规采样数据大幅减少；最后通过实测试验获得的局部矩阵稀疏数据验证了成像算法的正确性。论文的主要研究工作如下：
　　⑴提出了局部矩阵采集理论，相比于全矩阵采集，局部矩阵采集模式下所用采集通道数及采集到的回波信号数量更少，并针对局部矩阵采集原理和特点，通过声场仿真对局部矩阵采集阵列进行了结构参数上的优化，采用有效声压辐射范围确定局部矩阵采集的接收孔径，并推导出了接收孔径公式。
　　⑵分析了基于有限新息率的超声信号稀疏采样方法的基本原理，并将稀疏采样方法应用到局部矩阵采集的缺陷回波信号中，采用谱估计方法对缺陷回波信号时延与幅值等参数进行估计，并对时延与幅值的参数估计结果进行了误差分析，得到具有时延与幅值参数的局部矩阵稀疏数据。
　　⑶提出了一种基于局部矩阵稀疏数据的厚钢板缺陷聚焦成像算法，根据局部矩阵稀疏数据中时延参数已知的特点，首先对缺陷进行了定位，只对缺陷所在区域进行聚焦成像。设计成像仿真试验并对比分析了全矩阵常规采样数据和局部矩阵常规采样数据以及局部矩阵稀疏数据对两种不同类型仿真缺陷的成像仿真结果。仿真试验结果表明，采用局部矩阵稀疏数据的聚焦成像算法可在不明显降低缺陷检测效果的同时，且聚焦成像时间达到几十毫秒量级，在不借助硬件加速的情况下，实现了实时的聚焦成像，并且可去除因阵元间距增大而造成的栅瓣伪像。
　　⑷搭建了厚钢板缺陷检测试验平台，并对两种不同类型的厚钢板试块人工缺陷进行了检测试验，分析了实测局部矩阵稀疏数据下的聚焦成像结果，验证了成像算法的正确性。