Aero-engine Thrust Estimation Based on Ensemble of Improved Wavelet Extreme Learning Machine

Aero-engine direct thrust control can not only improve the thrust control precision but also save the operating cost by reducing the reserved margin in design and making full use of aircraft engine potential performance.However,it is a big challenge to estimate engine thrust accurately.To tackle this problem,this paper proposes an ensemble of improved wavelet extreme learning machine(EW-ELM)for aircraft engine thrust estimation.Extreme learning machine(ELM)has been proved as an emerging learning technique with high efficiency.Since the combination of ELM and wavelet theory has the both excellent properties,wavelet activation functions are used in the hidden nodes to enhance non-linearity dealing ability.Besides,as original ELM may result in ill-condition and robustness problems due to the random determination of the parameters for hidden nodes,particle swarm optimization(PSO)algorithm is adopted to select the input weights and hidden biases.Furthermore,the ensemble of the improved wavelet ELM is utilized to construct the relationship between the sensor measurements and thrust.The simulation results verify the effectiveness and efficiency of the developed method and show that aero-engine thrust estimation using EW-ELM can satisfy the requirements of direct thrust control in terms of estimation accuracy and computation time.     

基于小波变换的自适应多用户检测算法

在分析传统自适应多用户检测的基础上 ,提出了一种基于小波变换的自适应多用户检测算法。用小波变换进行前处理 ,然后再通过 LMS算法实现自适应多用户检测。与通常的自适应多用户检测算法相比 ,该算法利用了小波变换对小波空间进行了分解 ,信号经小波变换后自相关性会下降 ,收敛速度提高。同时在此分解过程中 ,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明 ,该算法收敛速度较快 ,计算量增加较少 ,易于实时实现 ,而且具有良好性能。同时仿真实验表明 ,收敛速度与小波基选择有关 ,对于同一小波基系列 ,小波基的正则性越好收敛速度越快     

基于二进小波变换的磁共振图像去噪新算法

针对传统去噪方法在降低噪声的同时会模糊图像边缘的缺点,提出了一种基于二进小波变换的噪声抑制新算法.利用小波系数的区域相关性,将要处理的小波系数置于由它周围的系数组成的可变窗口内,由窗口内所有小波系数的值来决定该系数的处理方式.由于离散小波是非平移不变的,因而重构过程中会出现人工噪声.为了避免这个问题,本文采用了具有平移不变性的二进小渡变换.实验结果表明,该方法较之传统去噪方法有更高的去噪精度,可以有效降低噪声,同时较好地保持图像细节和边缘信息.     

基于树形小波变换的断口图像识别

断口图像的识别是进行失效分析的一个重要组成部分,本文提出一种基于小波的断口识别方法,该方法采用树形小波对金属断口图像进行二级小波变换,剔除近似分量,对其余的各个频带输出的标准差作为断口识别的特征,并采用最小距离分类法进行分类,实验证明,此方法对细节丰富的断口的识别率很高。     

应用小波分析方法处理非平稳信号的研究

本文综述小波分析这一前沿领域的发展现状，介绍了小波变换及其Mallat快速小波算法，对比分析了小波变换与短时傅里叶变换之间的差异，指出这种基于多分辨方法的小波变换特别适合于非平衡信号的分析与处理，并且应用该方法对实测信号进行了有效的时频分析。     

一种新颖的无人机侦察图像分区域压缩算法

针对无人机侦察图像及其在军事运用上的特点,分析并证明了基于小波变换的压缩技术在无人机侦察图像压缩方面是一种很好的解决方案,根据某型无人机侦察图像设计了一种基于小波变换的分区域压缩算法,取得了良好且满意的图像压缩效果和实时传输效果.最后,阐述了基于小波变换的侦察图像压缩的关键技术.     

基于分形理论的混沌信号与噪声分离方法

提出一种分维数和子波重构相结合的混沌信号与噪声分离方法，与以往出现的子波滤波方法和经典滤波方法相比较，该方法有如下特点；利用子波变换计算带观测噪声混沌信号的真实分数维，进而根据观测序列维数与真实维数的差值控制子波重构的参数，构造出混沌与噪声分离的自适应滤波器结构。仿真实验说明了该算法的有效性。     

基于小波变换与局部离散度的多聚焦图像融合算法

提出了一种基于小波变换与局部离散度的多聚焦图像融合算法。首先对不同聚焦图像进行小波变换,然后采用局部离散度准则对各个方向上的高频系数进行融合,采用重要度准则对低频系数进行融合,最后对融合后的小波系数进行重构,得到了很好的融合图像。实验结果表明,融合效果优于取绝对值大的小波系数和区域方差准则的融合算法。     

基于小波分解的模极大值算法在钛合金超声检测信号去噪中的应用

本文针对钛合金超声检测信号中普遍存在的噪声过大、信噪比过低的现象，结合钛合金超声检测信号与材料散射噪声信号的产生特点，构造了一组数学模型，并提出了基于小波分解的一种改进的模极大值去噪算法。该算法利用小波分解中的低频系数来确定信号位置，在高频各尺度系数的对应位置寻找相应的频率信息。以达到提取信号去除噪声的目的。实例分析表明：该模型能基本反映超声检测信号的特点，而且此算法对钛合金超声检测信号去噪效果比较理想。     

子波变换在实验流体力学中的应用

介绍了子波分析的历史、基本知识以及在实验流体力学方面的应用。讨论了子波变换在客观辨识湍流边界层相干结构方面的应用。作者用子波变换的方法提出了确定湍流边界层相干结构挥发时间尺度的能量最大准则，提取了相干结构对应的速度信号波形。用于波变换研究了湍流边界层脉动速度信号的局部奇异性行为，发现相干结构发生处脉动速度信号的局部奇异性指数为负值。     

基于小波神经网络的多模型故障检测

提出了一种利用小波神经网络辨识非线性系统多模型故障的方法。证明了状态估计误差渐近收敛到零，同时证明了如果激活函数满足持续激励条件，辨识器参数将趋于理想辨识器参数。分析了多模型辨识结构，并将小波神经网络作为辨识器应用于多模型故障检测。给出了小波神经网络进行非线性系统逼近的实例，用小波神经网络辨识器对多故障模型检测进行了仿真，证明了此方法的正确性和可行性。     

连续小波变换应用于密集模态参数识别

用连续小波变换方法进行模态参数识别时,减小小波函数的带宽可以提高小波变换的频率分辨能力,但同时也会增大边沿效应,影响密集模态参数识别的精度。本文提出了极值位置方法,在模态耦合严重的小波脊附近,找到模态解耦最好的尺度,在此尺度上进行频率和阻尼的识别,可以获得较好的识别精度。使用Morlet小波函数,对GARTEUR飞机模型中的三阶密集模态进行识别,验证了该方法的有效性。     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值     

结构故障诊断中的小波分解层数选取方法研究

小波变换被广泛的应用到结构故障诊断中,但尽管利用小波变换进行故障诊断效果很好,在实际操作过程中仍存在两个问题,即小波基函数的选择和最佳小波分解层数的选择。基于结构的动力系统,通过讨论结构动力响应、频率折叠及频率混淆对小波分解层数的影响,推导总结出一种小波分解层数的算法,并给出了其算法公式。     

开环光纤陀螺信号测试与小波去噪

建立了开环光纤陀螺测试系统,分析了干涉型开环光纤陀螺信号中主要噪声的产生机理和特点,利用小波分析的方法进行了去噪.与常用的滤波方法如平滑滤波、低通滤波等进行了对比,结果表明,小波分析较好地满足了在噪声干扰下对光纤陀螺微弱输出信号的检测要求,在有效滤除了噪声的同时保留了信号的细节信息.文中分析了去噪阈值的选取,比较了不同小波基情况下去噪效果的差异,通过实验证明了多尺度小波分析对光纤陀螺信号去噪的有效性.     

一种自适应的DWT域数字视频水印算法

提出一种基于小波变换域的自适应视频水印算法。算法先对视频信息进行场景分割,然后从各场景中选取待插入水印的帧序列,对各帧图象进行3D—DWT,并对低频子带进行小波块的划分,据小波块的分类结果自适应地调整嵌入水印的强度。     

基于小波帧变换的多聚焦图像融合算法

提出了一种基于小波帧变换的多聚焦图像融合算法,本算法首先对图像进行小波帧变换,然后利用多聚焦图像的特点,采用区小波能量取大原则对高频系数进行融合,采用区域空间频率取大原则对低频系数进行融合,并进行一致性检验,最后通过重构得到融合图像.实验表明,该算法相比于传统小波变换法,具有更好的融合效果.     

一种基于纹理特性的自适应彩色图像水印方法

根据人眼的视觉系统特性,结合二维离散小波变换的多分辨率分析特性,纹理特性,提出一种小波零树结构的自适应彩色图像水印嵌入算法。该算法精选小波零树,对重要小波系数进行分类。并根据人类视觉特性和纹理特性,对不同类采用不同的嵌入方法。实验结果表明:该文提出的算法有较强的抵抗JPEG压缩攻击能力,并且对噪声、滤波、剪切等图像处理操作也取得了良好的鲁棒性。     

一种基于小波变换的SAR图像边缘检测器(英文)

边缘提取是图像处理与图像分析的基础。本文基于小波变换 ,研究了 SAR图像边缘提取的方法 ,从而为合成孔径雷达 (SAR)图像辅助导航系统奠定基础。由于 SAR图像受固有斑点噪声的影响 ,采用小波变换与固定阈值提取 SAR图像边缘特征时 ,将有大量虚假边缘产生 ,特别是在图像的亮区。为此 ,本文提出了采用具有恒定误警率的阈值 ,以消除斑点噪声的影响。同时 ,分别对两幅不同的图进行仿真 ,仿真结果表明 ,斑点噪声的影响被大大抑制 ,且由于阈值是由小波变换系数直接构成 ,能保证辅助导航对实时性的要求。     

谐波小波在信号滤波中的应用

谐波小波在频域具有良好的盒形谱特性 ,另外它比通常由二进尺度函数得到的小波还具如下优越性 :存在确定的函数表达式 ;时频定位更加准确 ;算法实现简单 ;可以得到任意频率段的信号。本文重点对谐波小波在数字信号滤波中的应用进行研究