基于小波神经网络的MEMS陀螺输出预测方法

为了解决弹载MEMS陀螺实时输出预测问题,提高陀螺输出预测精度并减小计算量,通过分析弹载陀螺信号时间序列特性,结合小波分析和神经网络两种方法的优势,提出了一种基于小波神经网络的MEMS陀螺输出预测方法。选取并优化神经网络结构参数,利用实测陀螺数据对建立的小波神经网络进行训练,并预测出未来一段较短时间的陀螺输出值。与陀螺实测值和ARMA模型预测结果的对比发现,小波神经网络方法有效地提高了MEMS陀螺输出预测的精度、减小了计算量,从而验证了该方法的有效性和精度。     

小波分析在钢框架损伤识别中的应用研究

针对小波包能量谱损伤识别方法对结构激励源的依赖性,引入虚拟脉冲响应函数增强了小波包能量谱对激励的鲁棒性。为验证该方法对钢框架结构损伤识别的可行性和有效性,进行了3榀3跨钢框架3种工况下的模型对比试验,采用小波包能量谱损伤识别方法分析了不同实验工况下频响数据,识别结果符合损伤情况,验证了该方法的有效性。     

机动输油管线泄漏监测技术

机动输油管线采用露天方式快速铺设,容易发生泄漏事故。根据负压波原理,利用一种基于可变窗长中值滤波器的泄漏检测算法,在不降低检测灵敏度的前提下,能有效降低泄漏误报率。该算法在保证泄漏定位精度的同时,还能保持较高的实时性,较好地满足机动输油管线泄漏监测的需要。     

基于小波域字典学习方法的图像双重稀疏表示

提出了一种有效地结构化字典生成算法以及图像双重稀疏表示方法.在Rubinstein等提出的图像双重稀疏表示模型的基础上,引入小波零树结构,将同一空间位置对应的同方向跨尺度小波基函数的线性组合作为新的基函数,并通过K-SVD学习算法得到线性组合系数,由此得到了一种更加切合图像方向特征的结构化字典学习算法.在此基础上提出了相应的图像分解与重构算法.遥感图像M项逼近实验以及压缩仿真实验表明,本文提出的结构化字典比已有的字典具有更好的图像稀疏表示效果.     

非晶丝GMI磁传感器信号的小波分析

当非晶丝巨磁阻抗效应( Giant Magneto-Impedance,GMI)磁探头输出数据的信噪比小于0时,常规的峰值检波方法难以检出真实信号.为此,提出了一种新的微弱信号检测方法,将非晶丝GMI磁探头的输出信号经放大、滤波和采样之后直接送入数字信号处理系统,利用小波变换方法提取微弱信号的特征,并利用相关分析法确定...     

一种新的小波收缩统一阈值函数

提出一种新的小波收缩统一阈值函数,并证明了新阈值函数具有收敛性,通过调节可变参数的取值可以改变新阈值函数的趋向,为图像阈值去噪的自适应处理提供了可能.此外,给出了新阈值函数的期望、方差与风险的关系式.仿真结果表明新阈值函数不仅能有效去除噪声,而且比两种经典的阈值函数有更高的灵活性,可以获得更高的信噪比和更好的视觉效果.     

小波神经网络UCAV飞行控制系统

针对采用H∞控制设计方法需求解难度很大的偏微分方程,而导致工程实现难度大的问题,提出了采用小波神经网络进行无人攻击机(UCAV)飞行控制系统设计的方法,该方法集小波变换和神经网络的优点于一身,简化了网络训练,避免了系统达到局部最优解,使得系统具有更好的逼近精度。通过仿真实验表明,利用小波神经网络进行UCAV控制律设计,使系统具有较好的跟踪性和鲁棒性,避免了精确模型的建立,便于分析系统的稳定性。     

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.     

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。     

改进的SAR图像车辆目标姿态角估计方法

合成孔径雷达(SAR)对车辆目标的识别效果与目标的姿态角密切相关.如果确定了目标的姿态角,就可以大大降低识别系统的运算量,提高识别效率.Radon变换是一种检测目标姿态角的有效方法,但是Radon变换在实际应用中有一定的局限性.通过利用二维连续小波变换引入角能量密度函数的概念,提出了一种Radon变换和角能量密度相结合的姿态角识别算法.利用MSTAR公共目标数据库中的目标样本,通过实验验证该种方法能够准确的估计目标的姿态角.