基于B样条小波的异常数据辨识

为解决靶场测量数据中系统误差引起的大量连续奇异数据的辨识难题,同时针对传统和目前国内外较先进的异常值识别方法的不足,提出了基于B样条小波的异常数据辨识。首先描述了异常值,然后分析了小波异常值识别原理和物理意义,构造了用于异常数据辨识的B样条小波分析方法。通过对不同情况仿真数据的计算分析,证明了该方法科学、合理,实现了测量数据异常值的辨识和重构。     

一种改进的小波域LFM雷达信号参数估计算法

提出了基于重排小波-Radon变换的线性调频信号的参数估计法。该方法先将小波尺度图转为时频分布图,为提高聚集性引入了时频重排,再将重排图进行Radon变换以进行参数估计。仿真结果表明,该方法有效提高了时频分布图的聚集性,节省了后续Radon变换的时间,同时也抑制了噪声干扰,辨识效果明显提高。     

基于小波神经网络的蒸汽发生器水位辨识与控制仿真

提出一种基于小波神经网络的控制方法,对蒸汽发生器水位进行控制仿真.该方法利用小波神经网络作为控制系统的辨识器和控制器来构成控制系统.小波神经网络辨识器能更准确逼近非线性对象,小波神经网络控制器能自适应产生最佳的控制规律.仿真结果表明,该方案具有响应快、超调量小、较强抑制干扰能力等良好性能.     

基于自适应小波正交基神经网络的参数辨识

提出了一种基于小波正交基神经网络的非线性在线辨识方法.小波变换具有良好的收敛速度和逼近精度,神经网络具有强大的非线性映射能力、自学习、自适应等优势,采用正交基小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数和神经网络的优点;制导航弹数字仿真结果表明, 该方法对含噪声数据进行处理效果好,能很好地满足非线性在线辨识的需求.     

基于小波网络的非线性系统辨识研究

小波网络为非线性系统辨识研究提供了一种有效的方法,但目前用于小波网络学习的进化算法易陷入局部极小等缺陷.结合生物免疫系统的概念和理论,在非线性系统辨识中引入基于免疫算法的小波网络.该算法中抗体通过浓度相互作用的机制来促进或抑制抗体的生成,借此保持抗体的多样性,并产生了高亲和力的抗体对种群进行不断的更新,提高了算法的全局搜索能力和收敛速度.最后,把基于免疫算法的小波网络用于一个非线性系统辨识的标准实例中,仿真结果验证了该算法的有效性.     

瞬态信号检测

介绍了瞬态信号波至点检测主要的方法:利用self-adaptation cancellation自适应对消原理的自适应权向量法(AWVM)、基于时频分析的Gabor变换法和利用小波分析的多尺度小波分解法以及单尺度小波变换法,并列出了其中关键的公式,使得它们自成整体;最后还分析它们的优缺点,并改进了检测函数,提出可供研究的方向。     

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.     

基于线对线突然短路的同步电机瞬态参数辨识

准确地辨识同步电机参数,是分析电力系统运行和控制系统设计的前提.利用最小二乘或卡尔曼滤波等方法辨识电机三相同时突然短路试验数据,是传统电机参数辨识的主要方式.受同步电机三相同时突然短路的可操作性和电机参数模型的强非线性等因素的影响,电机瞬态参数难以准确测量.利用改进的小波变换和人工神经元网络辨识参数的新方法,结合容易实现的同步电机线对线突然短路试验,辨识得到了三相同步电机的瞬态参数,有效提高了电机参数的辨识精度.仿真试验表明,该方法是有效的.     

一种新的MIMO非线性系统动态解耦控制方法

提出了一种基于回归小波网络(recurrent wavelet networks)的多输入多输出系统(multi-input multi-output)动态解耦控制的新方法.该方法为分散式控制结构,采用回归小波网络作为解耦辨识器(decoupling identifier),在线动态辨识、回馈对应输入输出的灵敏度信息(sensitivity information),PID神经网络控制器根据回馈信息实现自适应分散独立控制.小波函数的紧支性、波动性以及回归网络较强的动态非线性映射能力使得回归小波网络具有较好的综合性能.仿真结果表明,用该方法构成的控制系统解耦效果好,收敛速度快,且具有较好的鲁棒性.     

燃爆信号的小波包分析在内燃机故障诊断中的应用

在燃爆信号小波包分析的基础上介绍了内燃机的脱机故障诊断技术、小波分析的特点和具体应用方法 ,提取出了对燃爆信号的诊断判据 ,为内燃机工作状态的判断提供了一种有效方法。     

小波变换在FSK信号分析中的应用

小波分析是一种全新的时－频分析方法,是当前数学和工程领域的研究热点之一,小波具有非常丰富的数学内容,而且对许多方面应用有很大潜力。小波的基本思想是在加窗Ｆｏｕｒｉｅｒ变换基础上发展而一煌,加窗Ｆｏｕｒｉｅｒ变换的时－频窗宽度和形状固定,而小波变换的时间－频率窗具有可滑动、窗宽尺度可变等特性,从而可以同时获取时域和频域局部化信息,而且其局部化分析的分辨率可变,这一特性特别适用于信号分析领域的应用。本     

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。     

基于小波Radon变换检测线性调频信号

对信号小波分析的结果进行Radon变换,简称小波Radon变换。通常情况下,线性调频信号小波变换的结果在时间尺度图上呈现曲线的形式,而在时频图上呈现直线的形式。通过Radon变换检测时频平面上的直线,可以精确地得到调频信号的参数。仿真结果表明,小波Radon变换是一种较好的线性调频信号检测方法。     

基于改进局部投影算法的非线性时间序列降噪

改进了非线性时间序列降噪的局部投影算法,并应用此算法对含噪Lorenz混沌信号进行降噪,将其与小波分析降噪效果进行比较,实验结果表明:改进的局部投影算法对非线性信号降噪效果十分明显。     

小波分析在机械故障诊断中的应用

小波分析是傅立叶分析思想的继承和发展，在机械故障诊断中已得到广泛的应用。主要用于轴承、齿轮及电动机的震动信号、梁和车辆的震动，以及含机械故障信号的信号处理。通过对机械故障信号特点的分析，根据小波分析的原理和方法，建立了它在机械故障诊断中的数学模型，并给出了应用实例。     

速变信号的小波分析应用研究

遥测速变参数处理方法大多基于经典分析方法,文中采用现代时频分析方法对遥测动态环境参数进行分析,对比算法在瞬态信号成分检测方面的优势,小波变换比傅立叶变换更适合分析非平稳信号,尤其是含瞬态或突变成分的信号.     

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.     

基于自适应阈值的提升小波包漏磁信号去噪研究

为了更好地实现对原始漏磁信号噪声的抑制,针对硬阈值函数和软阈值函数中存在的问题,提出一种自适应阈值选择方法,研究了基于该方法的提升小波包降噪算法。采用小波包和提升小波包,分别在硬阈值、软阈值和自适应阈值处理函数下,对含噪信号进行降噪效果的分析和比较,并给出了漏磁信号在自适应提升小波包算法下的降噪效果。仿真结果表明：该方法具有更高的分辨率和近似优化能力,在保留原始漏磁信号有效成分的同时,能更好地去除噪声。     

新阈值算法在再制造发动机振动信号降噪中的应用

在运用小波分层阈值降噪方法对再制造发动机磨合振动信号进行降噪处理的过程中,结合现有方法,提出了一种新的分层阈值确定方法,通过仿真对比分析,证明了该方法的优越性,得出了适用于再制造发动机磨合振动信号降噪处理的方法.小波时频分析结果证明了该方法的有效性,为下一步磨合振动特征的提取奠定了基础.