分形的小波分析

从Fourier变换引出小波变换,以多尺度分析建立小波与分形的联系,然后对分形插值函数和分形Brown运动方程进行小波分析.     

物体识别不变性方法比较分析(Ⅱ)——解析方法

在文献[1]中,我们分析比较了物体识别不变性方法——统计方法。本文中,将分析比较另一类方法——解析方法。     

SCPC卫星通信中互调噪声谱的计算

本文提出和推导了SCPC卫星通信系统中互调噪声功率谱的快速计算方法,它升SCPC系统设计具有重要的使用价值。     

基于PSO优化小波神经网络的无人机动力系统故障诊断模型

针对传统小波神经网络对无人机动力系统的故障信号降噪和识别能力差以及网络收敛速度慢、训练精度不高的问题,构建了基于改进粒子群算法(PSO)优化小波神经网络的无人机动力系统故障诊断模型。该模型运用软、硬阈值函数组合改进的新阈值函数和改进PSO优化小波神经网络的方式,克服重构信号不连续或严重失真的问题,优化了小波神经网络初始权值和阈值,使模型能够实现快速、准确分析和识别故障类型,具有较好的故障预测和诊断能力。本文中通过对比不同阈值函数的降噪能力和PSO、GA、ACO对小波神经网络的改进效果,比较BP神经网络、传统小波神经网络、PSO优化小波神经网络的故障诊断预测效果,验证了本文中构建的PSO优化小波神经网络故障诊断模型远优于其他对比模型,具有故障识别和降噪能力强、收敛速度快、训练精度高的优点,在无人机动力系统的故障诊断领域,具有较好的可行性和有效性。     

基于HHT的旋转机械故障机理仿真分析研究

为解决预测和健康管理（prognostic and health management, PHM）系统对关键部件故障机理研究不足的问题,提出一种基于希尔伯特-黄变换（Hilbert-Huang transform, HHT）的旋转机械故障机理仿真分析方法。首先对战车转塔轴承的工况和故障机理进行分析计算,然后对振动数据进行去噪和仿真,最后将仿真结果与理论计算结果进行对比分析。通过故障仿真分析验证了故障机理分析方法的有效性,可为实现武器装备故障的精准诊断奠定基础,提高故障诊断预测的准确性和稳定性。     

基于改进的软阈值小波包网络的电力信号消噪

为了克服传统软、硬阈值在信号消噪中存在的不足,首先构造了一种新的软阈值函数,并将小波包变换和神经网络相结合;然后,基于改进的软阈值小波包网络对实际采集电力信号进行消噪。MATLAB仿真结果表明:改进的软阈值小波包网络比传统硬、软阈值小波包消噪的信噪比高,且均方根误差小,是一种非常有效的电力信号消噪方法。     

平稳小波去噪算法中的参数选择

为研究平稳小波变换去噪算法在工程应用时如何选择小波基、小波系数处理方法和阈值计算方法的参数以取得最优去噪效果,通过仿真实验,对比不同小波基、不同小波系数处理方法及不同阈值计算方法对平稳小波变换去噪算法去噪效果的影响,对算法的参数选择问题进行研究。实验结果表明：相比其他滤波器组,大部分情况下Daubechies 小波基对应的滤波器组去噪效果更好;信号信噪比较低时选用软阈值法,信噪比较高时选用硬阈值法;使用阈值法处理小波系数,信号信噪比不高的情况下应采取固定阈值法来确定阈值,信号信噪比较高时应采取无偏风险估计法。     

基于UPF的WNN学习算法及其应用

为改善小波网络(WNN)的非线性建模能力,提出一种基于改进无迹粒子滤波(UPF)的WNN学习算法。算法先引入最小偏度策略减少无迹变换(UT)的Sigma采样个数,改进无迹Kalman滤波(UKF);再用改进UKF算法选取粒子滤波的重要性密度函数,构成新型UPF;最后,将SUPF作为WNN的学习算法进行训练和测试。实验表明,基于新采样策略UPF与基本UPF的WNN模型精度总体接近,但速度更快,效率更高,某型军用飞机气动力建模也验证了算法的有效性与可行性。     

基于K_L变换与SVM的硬件木马检测新方法

针对基于旁路分析的硬件木马检测,旁路信号数据在空间中呈现高维分布、非线性的问题,探究在降低信号维数方面核函数的可行性,提出了一种基于K_L变换与支持向量机(Support Vector Machine,SVM)的硬件木马检测模型。在FPGA加密芯片中植入所设计的硬件木马进行实验,实验结果对比表明,利用主特征向量构建的SVM模型在检测占电路2%的硬件木马时,测试准确率达到了98.1%,为规模更小的木马检测提供了新思路。