CN114858926B 一种基于频域逆时偏移的全矩阵数据高质量成像方法 （浙江大学）

一种基于频域逆时偏移的全矩阵数据高质本发明提供一种基于频域逆时偏移的全矩2(2)对激发信号和全矩阵数据分别进行预处理，分别得到激发声源矩阵和接收声源矩先采用窗函数作用于全矩阵数据来滤去直达波，将滤去直达波的4.1取选择频带范围内任一未遍历频率作为当前频率，以当前频率对应的激发声源矩先采用拉普拉斯滤波对初始图像进行锐化处理，再对锐化处理后2.根据权利要求1所述的基于频域逆时偏移的全矩阵数据高质量成像方法，其特征在3.根据权利要求1所述的基于频域逆时偏移的全矩阵数据高质量成像方法，其特征在其中，n表示激发次数；L(ω)和U(ω)表示阻抗矩阵A(ω)进行LU分解后得到的两个因(ω)]表示激发声压场或接收声压场。4.根据权利要求1所述的基于频域逆时偏移的全矩阵数据高质量成像方法，其特征在35.根据权利要求1所述的基于频域逆时偏移的全矩阵数据高质量成像方法，其特征在4[0005]频域波场外推也可以用于弯曲界面的情况。Lukomski将相移插值(Phase_shift_plus_interpolation，PSPI)方法扩展到全矩阵数据来对曲面零件进行测量。在PSPI方法为单向形式并且对声速模型进行近似，它会随着曲面界面数量的增加而显着恶化成像质[0006]逆时偏移(RTM)最早是在地震成像领域发展起来的，利用全波方程重建测量区的5[0010](2)对激发信号和全矩阵数据分别进行预处理，分别得到激发声源矩阵和接收声各离散频率ω对应的激发声源矩阵[E1(ω),E2(ω),…,En(ω)]和接收声源矩阵间维度上进行傅里叶变换，然后将变换得到的频域中的数据取复数共轭实现逆时的效果，6[0035]4.1取选择频带范围内任一未遍历频[0037]作为进一步优选，步骤4.1)][0039]其中，n表示激发次数；L(ω)和U(ω),…,Sn(ω)]表示激发声源矩阵或接收声源矩阵；[P1(ω),P27(2)中的P(ω)，同一频率对应的阻抗矩阵A(ω)的LU分解的因子可以重复用来求解该频率8(x,z,ω)分别为第i次激发时频率ω对应的发射波场和接收波场，将发射波场和接收波场[0063]图3中(a)为全矩阵数据的预处理流程图；(b)为由发射波场和接收波场得到成像[0064]图4中(a)为铜制零件中的孔洞缺陷检测示意图；(b)为铝制零件中的孔洞缺陷检[0065]图5中(a)为TFM_based方法对铜质零件中孔洞缺陷的成像结果；(b)为PSM_based[0066]图6中(a)为不同成像方法对铜质零件中孔洞缺陷的成像结果中标注直线上像素幅值曲线；(b)为不同成像方法对铝质零件中孔洞缺陷的成像结果中标注直线上像素幅值9各离散频率ω对应的激发声源矩阵[E1(ω),E2(ω),…,En(ω)]和接收声源矩阵[0081]采用9点有限差分方法对声速分布进行离散化处理，并利用下述公式计算得到阻抗矩阵A(ω)：,E2解得到当前频率对应的激发声压场和接收声抗矩阵A(ω)的LU分解的因子可以重复用来求解该频率ω对应的任意新的声源向量S(ω))]表示激发声压场或接收声压场。标记为TFM_based和PSM_based，本实施例方法记为FD_RTM。三个实验选择的频段都是从[0113]对于铜制零件中的孔洞缺陷检测，TFM_based方法和FD_RTM可以清楚地成像出所两个缺陷的平均API。可以看出FD_RTM在两个实验中成像结果的API都是最小的，并且FD_