一种基于压缩感知的超声阵列全矩阵数据重构方法

吴 斌， 刘萧冰， 焦敬品， 何存富

(北京工业大学 材料与制作学部，北京 100124)

因灵活的声束控制能力，超声相控阵技术[1]广泛应用于船舶、航空和核电等工业领域关键结构件的无损检测。近年来，国内外学者普遍通过对超声阵列采集的全矩阵数据进行全聚焦成像[2-3]，来达到提高超声检测精度和缺陷识别能力的目的。全矩阵数据指依次对传感器阵列的每个阵元施加激励，所有阵元接收到的信号。因此，全矩阵数据的数据量大，其采集过程的耗时与阵元个数有关。而随着工业领域关键复杂结构件检测所需相控阵探头阵元数目的增加，更加大了信号采集和处理的难度。为保证超声相控阵检测系统的高效运行，就需要对原始数据进行压缩采集，以降低数据采集的时间成本及存储空间。

压缩感知[4-5]是近年来提出的一种针对海量数据采集及存储问题的信息处理理论。该理论认为,当信号本身或其在某个变换域具有稀疏性时，可以通过重构算法从少量采样数据中以较高的精度重建原始信号，从而减少需要采集及存储的数据量。目前压缩感知技术已广泛应用于通信、故障诊断及超声成像等领域。杨超等[6]提出了基于压缩感知理论的24脉波整流器开路故障诊断方法，将压缩感知技术求得的稀疏向量作为神经网络的输入，最终在95%的压缩率下实现开路故障的准确识别。唐华等[7]采用分割增广拉格朗日收缩算法(Split Augmented Lagrangian Shrinkage Algorithm,SALSA)进行电流原始信号的重构，为下一步故障选线提供了良好的信号，减少了检测的信号数据量。……