一种基于全连接网络的稀疏导波数据恢复方法技术

本发明专利技术提出了一种基于全连接网络的稀疏导波数据恢复方法，用以解决现有成像方法的成像质量受限于因换能器数量减少导致的波场数据稀疏的问题；该方法步骤包括：首先，建立稠密波场

【技术实现步骤摘要】
一种基于全连接网络的稀疏导波数据恢复方法


[0001]本专利技术涉及导波检测
，特别是指一种基于全连接网络的稀疏导波数据恢复方法。

技术介绍

[0002]导波检测技术是一种前沿的无损检测技术，广泛应用于管道、轨道和板类结构的检测。与传统超声逐点扫描方法相比，导波检测技术突破了点对点扫描的局限性，具有快速、全面、适用于大型结构检测的特点。
[0003]结合成像算法，可利用导波检测信号进一步重建空间图，从而定量评估二维或三维结构的损伤情况。目前主流的导波成像方法有相控阵法、时间反转法、损伤概率检测法和基于波场的层析成像法等。相控阵法主要利用相控阵来提高损伤信号的激发能和信噪比，但成像仍需采用波束形成法和延迟法等方法。时间反转法常与波束形成算法相结合，通过将特定像素处的对比度与网络中所有换能器接收的散射信号的振幅相关联，从而生成粗糙的图像。然后，根据散射振幅与目标正入射振幅的比值，对孔径值进行修正，从而重建出精确的图像。损伤概率检测法不考虑导波的波速和时延，通过比较损伤引起的信号与正常信号之间的差异来实现损伤重建。全波形反演属于基于波场的层析成像法，是一种常用于地层结构反演的方法，现已被引入导波成像中。
[0004]上述成像方法可分为稠密阵列成像和稀疏阵列成像，其中相控阵法、基于波场的层析成像法和损伤概率检测法为稠密阵列成像，时间反转法为稀疏阵列成像。相比于稀疏阵列，稠密阵列由于换能器数量众多，可获取信息也更为丰富，成像质量通常更高，但海量的数据对计算机性能也提出了更高的要求。现场应用时，由于被测结构的复杂性或者数据存储与传输能力有限，往往无法布置成稠密阵列。因此，在不降低成像质量的情况下，实现稀疏阵列成像具有重要意义。一种将稀疏阵列引入到全聚焦传统超声成像方法中利用遗传算法对换能器的位置进行优化，修正后的稀疏全聚焦成像算法在保持较高成像精度的同时，提高了计算速度。一种铝板腐蚀成像的非线性弹性波层析成像方法中将高阶统计量与径向基函数插值相结合，实现了有限换能器的精确损伤成像。一种虚拟换能器的高分辨率超声衍射层析成像迭代方法在医学诊断和无损检测中具有很强的应用潜力。一种相干平面波和稀疏信号的方法可用来改善图像质量，通过Stolt
‑
migration方法和插值方法，在少量数据的情况下成功完成了超声成像。

技术实现思路

[0005]针对现有稀疏阵列成像方法都是基于传统超声成像方法，存在成像速度慢、成像质量低的缺点，本专利技术提出了一种基于全连接网络的稀疏导波数据恢复方法，解决了现有成像方法的成像质量受限于因换能器数量减少导致的波场数据稀疏的问题。
[0006]本专利技术的技术方案是这样实现的：
[0007]一种基于全连接网络的稀疏导波数据恢复方法，其步骤如下：
[0008]步骤一：建立稠密波场
‑
速度分布图数据库；
[0009]步骤二：对稠密波场进行降采样获得稀疏波场
‑
速度分布图数据库；
[0010]步骤三：利用压缩传感对稀疏波场进行粗略重构，恢复出次稠密波场；
[0011]步骤四：将次稠密波场输入全连接网络模型中进行精细重构，得到预测的稠密波场；
[0012]步骤五：将预测的稠密波场输入导波快速成像系统进行数据恢复质量与成像性能评估。
[0013]优选地，所述稠密波场
‑
速度分布图数据库为：
[0014][0015]式中，ω为角频率，M(x)为质量阵，K(x)为刚度阵，η(x)为阻尼阵，为频域稠密波场，为频域点源，s(x,t)表示时域点源，u(x,t)表示时域稠密波场，x表示空间坐标，t表示时间，i为虚数单位。
[0016]优选地，所述利用压缩传感对稀疏波场进行粗略重构，恢复出次稠密波场的方法为：
[0017]采用压缩传感对稀疏波场进行粗略重构：
[0018][0019]其中，是稀疏波场；是测量矩阵；是次稠密波场；是稀疏变换基；是次稠密波场在稀疏变换基上的稀疏表示系数；
是传感矩阵；
[0020]施加稀疏约束，求解出稀疏表示系数
[0021][0022]将稀疏表示系数代入式(2)恢复出次稠密波场
[0023]优选地，所述全连接网络模型的搭建方法为：
[0024]S4.1、设置全连接网络的结构与参数，包括层数、每层的节点数、激活函数的种类、训练算法、批大小、停止规则；
[0025]S4.2、计算全连接网络的第j个节点的预测输出o
j
：
[0026][0027]式中，g为激活函数，q为第n层的总节点数，n为层数，为第n+1层的第i个节点与第n层的第j个节点之间的权值，为第n层的第j个节点的值，为第n层的第j个节点的阈值；
[0028]S4.3、的表达式为：
[0029][0030]其中，h为激活函数，为第n层的第i个节点与第n
‑
1层的第j个节点之间的权值，为第n
‑
1层的第j个节点的值，为第n
‑
1层的第j个节点的阈值，p表示第n
‑
1层总节点数；
[0031]S4.4、计算全连接网络的第j个节点的输出误差e
j
：
[0032][0033]式中，o
obj
为第j个节点的真实输出；
[0034]S4.5、计算全连接网络的总误差E：
[0035][0036]S4.6、采用训练算法更新权值和阈值，循环步骤S4.2到步骤S4.5，直至达到停止规则，保存此时全连接网络的结构与参数作为全连接网络模型。
[0037]优选地，所述稠密波场
‑
速度分布图数据库中的速度分布图的形状、网格间距、激励信号类型和频率、换能器阵列、换能器阵列形状、阵元数量、降采样因子均可调。
[0038]优选地，所述稀疏变换基为高斯基。
[0039]优选地，所述全连接网络的结构包含输入层、隐含层、Dropout层和输出层；其中，输入层的层数为1，输入层的节点数为稠密波场的大小，隐含层的层数和节点数可调，输出层的层数为1，输出层的节点数为稠密波场的大小；激活函数g为sigmoid函数。
[0040]优选地，所述训练算法包括SGD、Adagrad、RMSprop和Adam；
[0041]采用Adam算法更新权值和阈值的方法为：
[0042]计算一阶矩和二阶矩：
[0043][0044]其中，ρ1为一阶矩的指数衰减率；ρ2为二阶矩的指数衰减率；R
dw
为上轮迭代权值的一阶矩，S
dw
为上轮迭代权值的二阶矩，R
db
为上轮迭代阈值的一阶矩，S
db
为上轮迭代阈值的二阶矩；为本轮迭代权值的一阶矩，为本轮迭代阈值的一阶矩，为本轮迭代权值的二阶矩，为本轮迭代阈值的二阶矩；dw是权值w的梯度，db是阈值b的梯度；
[0045]对本轮迭代权值的一阶矩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于全连接网络的稀疏导波数据恢复方法，其特征在于，其步骤如下：步骤一：建立稠密波场
‑
速度分布图数据库；步骤二：对稠密波场进行降采样获得稀疏波场
‑
速度分布图数据库；步骤三：利用压缩传感对稀疏波场进行粗略重构，恢复出次稠密波场；步骤四：将次稠密波场输入全连接网络模型中进行精细重构，得到预测的稠密波场；步骤五：将预测的稠密波场输入导波快速成像系统进行数据恢复质量与成像性能评估。2.根据权利要求1所述的基于全连接网络的稀疏导波数据恢复方法，其特征在于，所述稠密波场
‑
速度分布图数据库为：式中，ω为角频率，M(x)为质量阵，K(x)为刚度阵，η(x)为阻尼阵，为频域稠密波场，为频域点源，s(x,t)表示时域点源，u(x,t)表示时域稠密波场，x表示空间坐标，t表示时间，i为虚数单位。3.根据权利要求1所述的基于全连接网络的稀疏导波数据恢复方法，其特征在于，所述利用压缩传感对稀疏波场进行粗略重构，恢复出次稠密波场的方法为：采用压缩传感对稀疏波场进行粗略重构：其中，是稀疏波场；是测量矩阵；是次稠密波场；
是稀疏变换基；是次稠密波场在稀疏变换基上的稀疏表示系数；是传感矩阵；施加稀疏约束，求解出稀疏表示系数施加稀疏约束，求解出稀疏表示系数将稀疏表示系数代入式(2)恢复出次稠密波场4.根据权利要求1所述的基于全连接网络的稀疏导波数据恢复方法，其特征在于，所述全连接网络模型的搭建方法为：S4.1、设置全连接网络的结构与参数，包括层数、每层的节点数、激活函数的种类、训练算法、批大小、停止规则；S4.2、计算全连接网络的第j个节点的预测输出o
j
：式中，g为激活函数，q为第n层的总节点数，n为层数，为第n+1层的第i个节点与第n层的第j个节点之间的权值，为第n层的第j个节点的值，为第n层的第j个节点的阈值；S4.3、的表达式为：其中，h为激活函数，为第n层的第i个节点与第n
‑
1层的第j个节点之间的权值，
为第n
‑
1层的第j个节点的值，为第n
‑
1层的第j个节点的阈值，p表示第n
‑
1层总节点数；S4.4、计算全连接网络的第j个节点的输出误差e
j

【专利技术属性】
技术研发人员：李健，王筱岑，刘洋，王鼎鹏，童君开，曾周末，
申请(专利权)人：天津大学，
类型：发明
国别省市：