본 논문에서는 그레인 잡음을 제거하기 위해서 웨이브렛 변환(wavelet transform)에 근간을 둔 웨이브렛 적응 필터(WLMS adaptive filter : Wavelet domain Least Mean Square adaptive filter)를 사용하였다. 보통 그레인 잡음은 고온의 환경에서 금속의 결정구조가 변화함에 따라 발생된다. 웨이브렛 평면에서의 적응 필터링은 필터의 입력신호를 직교 변환하여 입력으로 이용함으로써 수렴 속도를 향상시킬 수 있는 장점을 가지고 있다. 적응 필터의 기준 입력 신호는 원시 입력 신호를 지연시킨 신호를 이용하였으며, 적응 필터의 출력은 다시 CA-CFAR(Cell Average - Constant False Alarm Rate) 임계 추정기(threshold estimator)를 거쳐 자동적으로 원하는 신호부분만 나타내도록 하였다. 우선 신호의 통계적 특성을 알기 위하여 run 테스트를 수행하여 기준 입력 신호가 비정상성(nonstationarity)을 나타냄을 보였고, 웨이브렛 적응필터가 시평면 적응필터보다 수렴속도면에서 우수함을 보였으며, 각 적응 필터의 출력신호에 대해서 신호대 잡음비를 통해 성능평가를 하였다. 시평면 적응 필터링 후에는 신호대 잡음비가 2-3㏈ 향상을 보였고, 반면 웨이브렛 적응 필터링후에는 신호대 잡음비가 4-6㏈ 향상을 보였다.
In this paper, we used the WLMS(Wavelet domain Least Mean Square) adaptive filter based on the wavelet transform to cancel grain noise. Usually, grain noise occurs in changes of the crystalline structure of metals in high temperature environment. It makes the detection of flaw difficult. The WLMS adaptive filtering algorithm establishes the faster convergence rate by orthogonalizaing the input vector of adaptive filter as compared with that of LMS adaptive filtering algorithm in time domain. We implemented the WLMS adaptive filter by using the delayed version of the primary input vector as the reference input vector and then implemented the CA-CFAR(Cell Averaging- Constant False Alarm Rate) threshold estimator. CA-CFAR threshold estimator enables to detect the flaw and back echo signals automatically. Here, we used the output signals of adaptive filter as its input signal. To Cow the statistical characteristic of ultrasonic signals corrupted by grain noise, we performed run test. The results showed that ultrasonic signals are nonstationary signal, that is, signals whose statistical properties vary with time. The performance of each filter is appreciated by the signal-to-noise ratio. After LMS adaptive filtering in time domain, SNR improves to about 2-3㏈ but after WLMS adaptive filtering in wavelet domain, SNR improves to about 4-6㏈.
