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.     

基于多分辨率分析的雷达辐射源融合识别算法

结合信号融合识别的应用需求与多分辨率分析的特点,提出了一种基于多分辨率分析的雷达信号融合识别算法。该算法对获取的信号先进行小波变换后直接对信号进行融合识别。仿真实验表明:该方法在减少数据量的同时能够降低信息的损失,提高信息利用率,较好地保证信息的完整性,可有效提高信号识别性能。     

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。     

脉冲功率电源故障诊断方法研究

脉冲功率电源是电磁发射系统中最容易发生故障的薄弱环节,脉冲功率电源故障会使整个系统性能下降。针对脉冲功率电源故障,提出基于多层小波分析提取故障信息的模式搜索支持向量机故障诊断方法。通过建立脉冲功率电源的软故障模型,进行仿真分析获得电流故障数据样本,对故障样本进行离散小波分解,获得指定层细节信息的小波系数作为故障特征量;对故障特征量进行主成分分析,将小波系数进行降维,以便有效地进行故障诊断。通过实验,将所提方法故障诊断结果与其他三种故障诊断结果进行比较,验证了所提方法的有效性。     

过失速机动的AUKF-WNN气动力建模及仿真

为使所建立的气动力模型能够准确刻画复杂动态特性,提出一种基于改进UKF算法的小波神经网络(Wavelet Neural Network,WNN)飞行数据失速气动力建模方法。引入一种自适应因子来改善无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的性能;按照飞行数据的气动力建模流程,利用改进UKF算法对WNN参数进行最优化估计,构建失速现象的气动力模型。实验结果表明,针对飞行器失速的气动力建模问题,基于改进UKF算法的WNN建模方法,在建模精度和速度方面,优于传统神经网络和其他现有WNN方法,因此,使用提出飞行器失速的气动力建模方法是可行和有效的,得到预测结果也能准确刻画飞行器失速的动态特性。     

基于PCT的弹丸膛内运动回波信号瞬时频率估计

微波干涉仪可间接无损测出弹丸在膛内的行程-时间曲线,为内弹道学的膛内运动规律研究提供一种必不可少的技术手段。瞬时频率的估计精度决定了各参数的测量精度,由于弹丸膛内运动的回波信号是非线性调频信号,可采用多项式相位信号模型对其数学描述。为了得到较高的时频聚集性和瞬时频率估计精度,采用多项式调频小波变换(PCT)对模拟、真实的弹丸回波信号进行分析并与时频聚集性较好的WVD方法进行对比。实验结果表明:相对于WVD方法,PCT方法在模拟回波信号的抗高斯白噪声方面更有效,在分析真实回波信号中炮口杂乱信号的问题上,具有更强的提取有用信号的能力。总的来说,基于PCT的瞬时频率估计方法是一种有效分析弹丸膛内运动回波信号的方法。     

基于LabVIEW的地下震源定位系统设计

针对小区域浅层地下震源定位中,由于震动信号受传输介质复杂、传感器不稳定等因素影响,出现初至波提取困难、震源定位低精度等问题,设计了基于LabVIEW的地下震源定位系统,实现三轴信号合成、基于小波变换的阈值去噪、基于改进的长短时窗(STA/LTA)的初至提取、基于时差技术(TDOA)的联合定位算法等功能模块。结果表明,该软件在10 m×10 m×3 m的区域内,初至特征提取精确到10-4s,定位精度精确到0.1 m,可以广泛应用于爆破定位、信息侦查等领域。     

基于改进小波阈值的MEMS陀螺去噪方法

MEMS陀螺由于结构不完善而存在较大的随机误差,为了推进MEMS陀螺的实用化水平、提高测量精度,首先对MEMS陀螺进行了Allan方差分析,得到了MEMS陀螺随机误差的主要成分;然后通过分析软阈值函数和硬阈值函数在直线上的降噪结果,得到了两种阈值函数的缺陷,为了解决软阈值和硬阈值函数的问题,推导了改进的小波阈值函数。通过对比各种阈值函数和阈值量化准则的降噪效果,确定了最终的降噪方案,将此方案应用在陀螺的动静态输出中,使陀螺输出数据的稳定性提高了一个数量级,数据的平均值也更加接近真实值。     

基于LSSVM与WNN的燃气轮机状态趋势预测

为了对燃气轮机未来状态趋势进行预测,提出基于最小二乘支持向量机(LSSVM)与小波神经网络(WNN)组合的燃气轮机状态趋势预测方法,把最小二乘支持向量机的预测结果分为两部分,将实际参数数据与前一部分的预测结果计算残差,然后利用小波神经网络对残差进行预测,再将预测的残差与最小二乘支持向量机的预测结果的后一部分进行合成,将合成的结果作为最小二乘支持向量机-小波预测模型的预测结果。结合某型燃气轮机进行试验验证,验证结果表明,组合的最小二乘支持向量机与小波神经网络预测模型预测效果更好,预测结果相对误差为0.12%。     

数字图像复数不变矩构造及稳定性分析

为系统性地给出数字图像不变矩一般性构造方法及对不变矩稳定性进行分析,通过采用复数矩作为描述数字图像识别特征量的方法,研究了复数不变矩所具有不变性的约束条件及其与几何不变矩间的关系,推导出了复数不变矩构造定理,并以在工程应用中的低阶复数不变矩为例对复数不变矩的稳定性进行了分析。研究结果表明:采用复数不变矩构造数字图像特征量具有很好普适性和稳定性,对于图像目标识别特征的描述有较好的效果。