声振法检测混凝土路面脱空的信号处理方法研究

摘要

跨入到新的世纪以来,水泥混凝土路面获得了长足的发展,截至到2004年底,水泥混凝土路面的总里程达到了25万公里,占各种等级公路总里程的18％。水泥混凝土路面是一种刚度大、荷载扩散能力强、稳定性好的路面结构,因其在技术上日臻完善、经济上显示出优势而得到较为广泛的应用,但该种路面在使用过程中也会出现各种病害,板下脱空就是常见的病害之一。本文在全面了解和分析国内外脱空检测技术和声信号处理方法的基础上,针对声振法采集到的声信号的具体特征,充分利用MFCC(Mel Frequency Cepstrum Coefficient,Mel频率倒谱系数)和HHT(Hilbert-Huang Transform,希尔伯特-黄变换)特征参数在路面脱空特征提取方面的良好性能,结合BP神经网络在自动识别领域的优秀表现,提出了一套基于声振法的检测混凝土路面脱空状况的信号处理方法。
　　本文详细阐述了声振法检测理论和声振法检测中的信号处理流程。根据其声音形成机制,在总结了其声信号特点的基础上,提出了此类信号的信号分析方法。该方法主要有时域分析和时频分析,在时域分析中,以短时平均幅值为基础对信号的端点进行检测;在时频分析中,提出了短时傅里叶变换和希尔伯特-黄变换,并对其进行了理论研究。在此基础上,进一步提出了利用MFCC系数和HHT对信号进行特征提取的方案,在大量实验的基础上对其进行了有针对性的改进。
　　为了能够准确的实现混凝土路面脱空的判别,在对BP神经网络进行了深入的学习和研究后,本文分别以MFCC和希尔伯特边际谱为输入量建立了网络模型,并在此基础上对实际的脱空信号进行了判别实验。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1问题的提出和研究意义

1.2 国内外研究现状

1.3论文研究的主要内容

第二章 声振法检测原理

2.1 音频检测的理论基础

2.2 声振法的基本原理

2.3声振法检测中的信号处理过程

2.4本章小结

第三章 信号分析方法

3.1 信号的时域分析

3.2 信号的时频分析

3.3 短时傅里叶变换(STFT)

3.4希尔伯特—黄变换(HHT)

3.5 本章小结

第四章 信号的特征提取方法

4.1 基于的MFCC特征提取

4.2 基于HHT的特征提取

4.3本章小结

第五章 脱空信号的判别方法

5.1 BP神经网络的原理与建立

5.2 使用 MFCC特征参数做神经网络训练

5.3 使用HHT特征参数做神经网络训练

5.4 结果分析

5.5 本章小结

总结和展望

参考文献

致谢