摘要：本文针对利用电涡流传感器进行刀具热障涂层厚度无损检测时，产生的检测信号非常微弱以及信号中含有噪音及干扰等问题，提出了利用小波分析来消除噪声的影响，并提取其有效信息的方法。最后通过实例验证了所提出方案的有效性。
　　关键词：小波分析 无损检测 涡流传感器 信号处理
　　1 概述
　　使用涡流无损检测可以计算刀具的涂层的厚度，但是在涡流无损检测时，由于刀具具有很薄的土层厚度，因此，噪声和干扰会对十分微弱的检测信号产生巨大的影响。此外，对于无损检测而言，如何消除噪声来提取有用的信号是一个十分关键的问题。目前已经有多种涡流检测信号的处理方法。吴步宁等[1]在去除涡流检测信号中的低频扰动和高频噪声的时候采用数字滤波器；陈键等[2]为了介绍一种基于DSP技术的涡流信号检测技术，选用实时八频远场涡流检测仪作为举例；Ali Sopgian在提取涡流特征值的时候采用主成分分析法；Shin B H在对涡流检测信号进行消噪以及抑制支撑干扰的时候运用了独立分量分析法。本文根据热障厚度涡流检测中信号微弱，这样测量噪声、探头和表面沉积物还有支撑架等都会带来干扰，所以为了得到热障厚度的准确测量利用小波分析来提出检测信号中的有用信息是一个解决办法。
　　2 小波分析初噪的基本原理及步骤
　　小波阈值除噪方法相对于规模极大的重构除噪方法和空域相关除噪方法而言，不仅计算量小，而且实际效果也很好，与空域除噪方法比较省去了估计噪声方差。此外，还能够较好的抑制噪音以及保留原始信号的特征。因此，本文采用小波阈值法。
　　假设信号模型如式（1）所示：
　　s（n）=f（n）+σ·e（n）（1）
　　其中，其中f（n）、e（n）、σ、s（n）分别为原始信号、噪声、噪声强度、含噪信号。我们使用小波分离以最大限度的将原始信号和噪声信号进行分离，抑制噪音信号e（n）以重现
　　信号f（n）。小波阈值除噪的步骤如下：第一，为了得到信号的小波变换，应当选择合适的小波基和分解层数；第二，通过计算获得合适的小波阈值并对小波系数进行非线性阈值处理；第三，为了得到期望的检测信号，采用小波逆变换进行重构。
　　3 小波分析仿真实验
　　首先通过提供稳压电源为电涡流传感器供电，使用位移标定器获得初始样本，设定探头与实验试件之间的初始高度为0.5mm。为了获得1000Hz，6V的激励信号，可以采用数字合成函数信号发生器。使用涡流传感器获得电压信号输出。由数据采集卡采样，采样频率为500kHz。计算机对采样信号进行信号分析处理。实测信号如图1（a）所示。
　　在原始无噪声信号是未知的情况下实际得到的检测信号均带有噪声。为了得到相似的实际信号我们采用随机白噪声与源信号叠加。信号的信噪比（SNR）定义如下：
　　SNR=10log （2）
　　其中，对于实测信号来说，xn为参考信号， n为实测信号。对于消噪后信号来说，xn为无噪声的标准信号， n为消噪后信号。通过计算得到实测信号的信噪比为15.85dB。所以我们使用信噪比为15db的白噪声信号混合进入heavy sine信号中代替实际信号，然后比较效果。信噪比越高就越接近原始信号。本文使用coif2为小波基函数，分解层数为5层，采用heursure进行小波系数处理除噪。图1（b）可以显示噪声得到明显的抑制。
　　4 结论
　　针对热障厚度中涡流检测信号微弱以及容易受到众多因素（如，测量噪声、北侧表面沉积物、探头抖动以及支撑架等）干扰的特点，本文提出了一种基于小波分析的微弱信号提取方法。通过仿真实例验证了所提出的方法可以有效的消除系统的噪声，准确提取所需要的涡流检测信息。
　　参考文献：
　　[1]吴步宁，陈志祥.涡流信号中数字滤波器的应用[J].华中理工大学学报，1999，27（2）：64-66.
　　[2]陈健，方松利，吴宇坤等.涡流检测信号初噪与缺陷特征提取[J].无损检测，2002，5：31-33.
　　[3]倪豪.小波消噪与分解对结构地震反应的影响研究[D].大庆石油学院，2004.