基于多分辨分析的舰船噪声能量特征提取方法

以离散小波变换入手,利用小波分析的恒Q特性,提取了舰船噪声信号的子带能量分布特征。结果表明,由于各子带能量参数并不相互独立,基于离散小波变换的舰船噪声子带能量分布特征并不明显。因此,依据多分辨分析理论,对舰船辐射噪声信号进行了正交多分辨分解,并提取了舰船噪声子带能量分布特征。结果表明特征是显著的,该方法从整体上反映了舰船噪声信号能量分布特征。为了从细节上对噪声信号能量特征进行分析,提出了基于多分辨分析的子带能量密度特征提取方法。采用两类共8个噪声样本对噪声子带能量分布和能量密度特征提取方法进行检验,取得了比较理想的结果。     

正交小波包分析在遥感图像融合中的应用

小波变换具有优良的时频局部特性,但由于其尺度是按二进制变化的,存在“高频低分辨”这一缺陷.正交小波包分析能够将信号(图像)频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,从而提高了频率分辨率,能有效地提取特定的频率成分.推导了小波包分析的基本原理,给出了基于正交小波包分析的遥感图像融合算法.最后,通过实例说明正交小波包分析的有效性和优越性.     

用小波包变换降低 MCM 系统中并存的脉冲干扰和窄带干扰的影晌

小波包变换可以给出信号精细的时频局域化特性，本文通过对信号进行小波包变换，导出了用小波包变换实现多载波调制（MCM）的系统模型，在此基础上研究了用小波包时频分解特性对信号进行变换，从而降低MCM系统中并存的脉冲噪声和窄带干扰的影响，并给出了如何选取时频单元进行变换的算法。     

小波变换在说话人识别中的应用研究

利用小波的多分辨特性提取说话人的语音特征参数，以及在预处理过程中运用小波分解去除噪声的基本原理和方法，分析了小波变换在说话人识别过程中不同阶段的应用。总结了小波变换对提高说话人识别系统的识别率具有重要的意义，并且提出了小波变化在说话人识别中运用所存在的问题和难点。     

微带及渐变微带中瞬态信号传输特性的小波变换分析

本文利用小波变换对瞬态信号在微带及渐变微带线中的传输特性进行了分析,与传统的傅立叶变换分析相比,小波分析具有速度快、能够分析局部传输特性的优点。文中给出了高斯信号和矩形脉冲信号在微带中及矩形脉冲信号在渐变微带中的传输波形,所得结果对研究超高速与超宽带瞬态信号的传输及电路设计有一定的参考价值。     

基于小波变换和支持向量机的水下目标分类方法

水下目标识别技术是世界各国十分重视的研究课题之一,具有重要的理论和应用价值。简要介绍了小波变换、多分辨率分析及支持向量机的基本原理,针对舰船辐射噪声信号,利用小波变换来完成信号的预处理和滤波,在小波变换后信号的多尺度子空间上提取信号的能量特征参数,归一化处理后构建特征向量,最后用支持向量机算法进行分类。仿真结果表明,利用小波变换的多分辨率分析和支持向量机能对舰船辐射噪声信号进行有效分类识别。     

小波分析在混沌信号识别中的应用研究

通过分析混沌信号和噪声信号的频谱特性以及小波变换对两种信号的作用结果的差异,论证了小波变换是一种有效的去除混沌信号中噪声成分的方法.通过数值仿真研究,证明了小波方法的有效性.最后给出了实验结果.     

基于峰度-小波包分析的雷达信号去噪方法

对雷达回波弱信号的检测能力是体现雷达侦察性能的重要指标.根据高斯分布信号的峰度为零的特性,以及结合小波包的多分辨率分析原理,提出利用峰度-小波包分析的弱信号去嗓方法.通过仿真表明,方法对于雷达回波弱信号具有良好的去噪能力,并保证原信号的特征.     

基于EMD的改进小波阈值降噪法在超声信号处理中的应用

针对超声检测回波信号中的大量噪声,分析了超声检测回波信号的特性,考虑经验模式分解（EMD）和小波哗噪的优点,在改进阈值函数基础上提出一种基于EMD的小波阈值降噪方法．该方法利用EMD对超声信号进行分解,对高频分量用改进小波阈值函数方法进行处理,再结合低频分量重构得到降噪信号．仿真实验结果表明,该方法降噪效果优于小波软、硬阂值降噪,进一步提高了重建信号的信噪比,降低了其均方根误差,是一种可行的超声信号降噪方法．     

小波分析在电子装备供电设备故障检测中的应用

新型电子装备供电设备封装性能好,可及测点少,故障检测和诊断难度大.在分析供电设备声信号产生机理的基础上,提出了一种利用小波分析理论对声信号进行处理,实现非接触、不解体故障检测与诊断的方法.论证了频带能量分析法和极大值分析法提取故障特征信息的可行性,并给出了故障特征参数算法.实验证明,该方法能有效地检测和诊断故障.     

脉冲光声检测化学反应

本文描述了时间可分辨的脉冲光声检测化学反应的原理和方法,分别用园片和园管状ＰＺＴ作为换能器进行光声信号的检测,定量给出了化学溶液非辐射失活过程的动力学信息。     

小波分析和神经网络结合的变速箱状态识别

针对变速箱故障信号的非平稳和时变特性，提出了小波分析和神经网络结合的变速箱状态识别方法。为了验证该方法的有效性，试验模拟了某型车辆变速箱正常、7216轴承滚动体点蚀及3挡被动齿轮严重磨损3种状态，以箱体振动信号作为分析信号，首先对信号应用小波阈值法降噪减少干扰，接着将小波分解系数单子带重构得到不同频带的信号分量，提取各频带能量作为特征向量输人神经网络进行状态识别，结果表明该方法能有效识别变速箱的3种状态。     

基于小波分析对网络协议指纹识别的研究

小波分析是当前信号、信息获取与处理领域(尤其是故障诊断分析与检测技术)中一个十分活跃且迅速发展的新领域,是当今国际研究热点,它同时具有理论深刻和应用十分广泛的双重意义。基于小波分析对网络协议进行指纹识别研究,利用小波变换把原始信号分解成多频段的信号,对信号进行塔式分解,通过计算处理每一层取得所有的有关Wi信息,提取指纹特征信息,并提出了检测方法和指纹识别系统的体系结构,对解决当今日益突出的网络安全问题进行有益尝试。     

离散小波变换在被动声目标识别中的应用

研究了战场被动声目标鲁棒特征参数的提取,分析了战场声信号与语音信号特征的相似性,提出基于MFCC参数的战场声目标识别方法。针对战场环境存在强噪声干扰情况,提出一种改进的MFCC特征参数(DWTMFCC)提取方法,该方法将小波分析和MEL倒谱分析结合,提高了特征参数的鲁棒性。仿真结果表明:在噪声条件下,利用DWTMFCC参数进行声目标识别,平均识别率比MFCC参数高出3.134个百分点,信噪比为5dB时,识别率仍达到93.67%。     

改进的四陀螺冗余捷联惯组故障诊断与隔离方法

四个陀螺和四个加速度计构成的冗余捷联惯组系统,采用等价空间法——广义似然比法、最优奇偶向量法进行故障诊断与隔离时,会出现不能正确隔离出故障仪表的问题。分析后得出,存在一个余度时,等价空间法只能诊断出故障,而无法隔离故障仪表,这是由等价空间法的原理决定的。小波变换可对信号进行多尺度分析,能够准确地找出信号奇异点——幅值突变和频率突变等。基于以上问题,利用小波变换对突变信号敏感的特性,提出等价空间+小波变换的组合方法,对四陀螺冗余捷联惯组进行故障诊断与隔离。数字仿真试验证明:对于阶跃型故障,该组合方法能诊断故障并能成功进行故障隔离。     

利用实时小波降噪的抗电离层闪烁载波跟踪

电离层闪烁影响下的导航信号载波跟踪呈现非平稳、非线性和非高斯特性,这使得传统基于鉴别器和Kalman滤波的载波跟踪改进算法并不能有效减弱电离层闪烁的影响。提出了基于实时小波降噪的抗电离层闪烁载波跟踪算法,其能够更好地刻画闪烁信号的非平稳特性。通过对跟踪环路同相与正交支路的积分结果进行小波降噪,有效滤除了电离层闪烁引入的非高斯噪声,减弱了闪烁对环路鉴别器的不良影响,提高了跟踪环路的精度与稳健性。实验验证了相关分析和小波降噪跟踪算法的有效性。     

基于机械故障诊断的算法及小波基选择研究

针对小波分析在机械故障诊断应用中的快速算法和小波基选择存在的问题,对常用的正交、半正交、双正交小波提取信号特征的能力进行了分析比较,研究表明半正交B样条小波因具有线性相位和采用较长的分解序列而具有较好的频率局部化特性和较小的变换误差,具有比较好的综合性能。推导了正交小波包的图形显示算法,利用该算法解决了小波变换快速算法中存在的数据长度随分解层数成倍减小的问题。研究结果为机械故障诊断中选择小波基进行信号处理提供了依据和途径。     

基于声矢量阵的宽带波束域高分辨方位估计

宽带信号波束域处理是实现水下目标高分辨方位估计的重要途径,它相对阵元域具有运算量小、分辨信噪比门限低以及角度分辨力高的优点。声矢量阵单个阵元能同时测量声场中的声压量和3个正交的质点振速分量,相对于声压阵,它能获取更多的声场信息。因此通过均匀声矢量阵运用MUSIC算法对宽带信号源波束域DOA估计进行了研究,改善了对弱相干信号源的方位分辨和估计性能,实验所获得的仿真结果表明了该方法具有较高的参考价值。     

一种新的小波域维纳滤波图像去噪算法

针对传统小波去噪和维纳滤波存在的不足,提出了一种新的小波域维纳滤波图像去噪算法。首先,对含噪图像进行小波分解,依靠对角细节子带小波系数对噪声方差进行估计;然后,引入噪声方差修正因子,并根据不同子带小波系数的统计特性,在低频子带和高频子带分别选择合适的维纳滤波模板尺寸,使维纳滤波在对小波系数进行滤波处理时具备了更加精确的噪声方差估计和更加合理的滤波模板尺寸;最后,对维纳滤波处理后的小波系数进行小波重构,获得了去噪后的图像。试验结果表明:该算法兼具小波去噪的多分辨率分析特性和维纳滤波的自适应特性,能有效提高去噪后图像峰值信噪比,去噪效果优于小波去噪和维纳滤波。     

基于多分辨分析的雷达目标识别方法

针对宽带高距离分辨率雷达的工作体制,提出了一种基于多分辨分析和信息综合的目标识别算法。目标特征由小波变换在相邻分辨率上的能量之比的对数构成。利用多分辨分析,将目标特征分解为反映目标结构概貌的低通特征和刻画目标结构细节的高通特征。利用辐射基函数神经网络分别对目标的低通特征和高通特征进行识别判决,然后将基于目标的低通特征和高通特征的判决信息进行综合,得到最终的识别结果