Wavelet transform-based feature extraction for ultrasonic flaw signal classification
Wavelet transform-based feature extraction for ultrasonic flaw signal classification
复制标题
基于小波变换的超声缺陷信号分类特征提取
DOI：
10.1007/s00521-012-1305-7
复制
发表时间：
2012-12
影响因子：
6
通讯作者：
Li Qiufeng
中科院分区：
文献类型：
--
作者：
Yang Peng;Li Qiufeng
在本文中，我们提出了自动分类模型的超声缺陷信号从碳纤维增强聚合物标本。基于小波变换的不同国家的最先进的策略被用于特征提取。针对现有方法的不足，提出了一种基于小波包变换的局部能量特征提取方法。通过对人工神经网络和支持向量机的训练，验证了不同特征提取方法对缺陷信号分类的有效性。实验结果表明，该方法能够提取可靠的特征，有效地对不同类型的超声缺陷信号进行分类，具有较高的分类精度。
In this paper, we present automatic classification models for ultrasonic flaw signals acquired from carbon-fiber-reinforced polymer specimens. Different state-of-the-art strategies based on wavelet transform are utilized for feature extraction. Furthermore, a wavelet packet transform-based local energy feature extraction method is proposed to solve the deficiencies of the existing methods. Artificial neural networks and support vector machines are trained to validate the effectiveness of different feature extraction methods for flaw signal classification. Experimental results show that the proposed method can extract reliable features to effectively classify the different ultrasonic flaw signals with high accuracy.
登录
查看更多内容
DOI：
10.1109/iccit.2010.5711085
发表时间：
2010-11
期刊：
5th International Conference on Computer Sciences and Convergence Information Technology
影响因子：
--
作者：
Kyungmi Lee
通讯作者：
Kyungmi Lee
DOI：
10.1016/j.sigpro.2011.08.013
发表时间：
2012-03
期刊：
Signal Process.
影响因子：
--
作者：
S. Sarkar;K. Mukherjee;Xin Jin;D. S. Singh;A. Ray
通讯作者：
S. Sarkar;K. Mukherjee;Xin Jin;D. S. Singh;A. Ray
影响因子：
4.4
作者：
S. Saleh;M. Rahman
通讯作者：
S. Saleh;M. Rahman
DOI：
10.1016/j.sigpro.2006.12.018
发表时间：
2007-07
期刊：
Signal Process.
影响因子：
--
作者：
Banghua Yang;G. Yan;Ting Wu;Rongguo Yan
通讯作者：
Banghua Yang;G. Yan;Ting Wu;Rongguo Yan
影响因子：
6
作者：
Roy Chang;C. Loo;M. Rao
通讯作者：
Roy Chang;C. Loo;M. Rao