雷达信号脉内特征的小波分析

提出利用小波分析的方法分析雷达信号脉内特征，介绍了小波变换的方法并分析了利用小波变换的方法分析雷达信号脉内特征的可行性。对几种雷达信号进行了小波变换的模拟分析。结果表明，小波变换是分析雷达信号脉内特征的有力工具。     

小波变换及其在信号处理中的应用

小波理论是近年来兴起的一种崭新的信号分析理论。文章介绍了小波分析的发展历史和基本理论，综述了小波变换在信号处理中的应用。展望了理论的发展前景。     

小波分析在固体发动机试验中振动信号去噪研究

在固体火箭发动机地面试验中，由于燃气喷流噪声的作用，使得测量得到的发动机壳体振动信号中包含有很强的噪声分量。通过对噪声信号与振动信号相关性的分析，确定了噪声对振动信号作用最强的频段，并结合小波分析，小波分析理论，应用频带分离方法对振动信号进行去噪处理，取得良好效果。     

小波变换在检测奇异信号中的应用

论文介绍了小波变换的基本概念及奇异信号的两种类型，通过应用Founier变换及小波变换对两种类型的奇异信号的处理，表明了该方法在奇异性信号检测和局部化分析方面具有优异特性。     

小波变换在弹箭遥测数据处理中的应用

由于遥测参数的时变性和各种干扰的影响，传统的Ｆｏｕｒｉｅｒ分析往往不能给出令人满意的处理结果。小波变换是一种同时在时间（或空间）域和频率域内进行局部化分析的新方法；利用小波变换及其自适应性，可以在不同的分辨率下分析和处理数据，尤其是处理非平稳信号。本文介绍小波分析的基本原理，说明利用小波变换将遥测信号在时频平面上表示的方法。在此基础上，将小波变换应用于实测遥测数据的分析和处理，从被噪声淹没的数据中成功地恢复出冲击信号，提高了箭遥数据的信噪比。     

小波分析在光纤陀螺信号滤波中的应用研究

介绍了小波分析的理论及小波变换快速算法，给出了光纤陀螺漂移的数学模型，阐明了小波分析在陀螺信号滤波中的应用方法，并通过实验证明了该方法的有效性，为消除陀螺漂移及基座动态干扰提供了一个新的途径。     

小波技术在某型导弹运输转载车振动监测中的应用

主要讨论了基于小波技术的某型导弹运输转载车振动监测信号的压缩问题。对振动信号的小波分解，根据能量分布情况为各层小波系数分配比特数，最后将小波系数进行编码，实现信号压缩。实验数据表明该信号压缩方法可以获得较高的压缩比和信号恢复质量，有较高的实用价值。     

小波分析及其在快速算法上的应用

小波分析是近年来国际科技界高度关注的前沿领域，是继傅立叶分析方法之后的重大突破。小波变换和小波分析是分解与重构函数或信号的新的数学工具，通过不断改变尺度将函数的奇点、信号的突变或图象的细节，逐级放大后呈现在研究者面前，犹如一台高性能的“数学”显微镜能够看清切片的细部特征结构。小波分析的应用领域十分广泛，包括数学领域本身的许多学科、信号分析、图象处理、量子力学、电子对抗、计算机识别、地震勘探数据处理、音乐与语言人工合成、计算机图形及众多非线性学科等。因此，近十几年来，小波分析成为众多领域的研究热点。     

小波变换在信号去噪中的应用

阐述了小波变换去除信号噪声的基本原理和方法。研究利用小波变换技术对信号噪声进行抑制和去除非平稳信号的噪声。实例证明,基于小波变换在非平稳信号噪声抑制和去噪分析中具有很好的应用效果。     

一种应用小波变换提高SAR距离向分离率的设想

在分析信号和噪声的Ｌｉｐｓｃｈｉｔｚ奇异性的基础上，提出了采用小波变换检测信号奇异性来估计ＳＡＲ中线性调频脉冲回波的到达时间的新方法，由于小波变换能很好地检测奇异性，因此，为有效提高ＳＡＲ距离向分辨率提供了一个新的途径。最后，给计算机模拟的结果，表明该方法是十分有效的。     

星载角跟踪接收机角误差包络检测

针对星载角跟踪接收机中角误差合成信号的特点，提出一种基于复Morlet组合小波的角误差信息提取方法。该方法首先对星载角跟踪接收机中角误差合成信号的频域特性进行分析，角误差包含在角误差合成信号的包络中，频率上则表现在调制基波的谐波分量处。然后采用Morlet小波作为母小波，根据角误差合成信号的频域特性选取合适的小波尺度参数和位置参数可以有效的提取合成信号包络信息，从而解算角误差信息。在调制基波频率确定的情况下，合适的小波尺度参数和位置参数能准确对调制基波谐波分量进行提取，从而实现角误差的包络检测。该方法对±10kHz范围内的多普勒频偏不敏感，解决载波多普勒估计不准情况下的角误差提取。最后通过计算机中的Matlab对Morlet组合小波角误差合成信号包络提取进行仿真，证明该方法的可行性和有效性。     

雷达信号脉内调制特征的时频分析

以线性调频与非线性调频信号为例 ,对雷达信号的脉内调制特征进行了时频分析。首先 ,通过求取解析信号的瞬时相位微商的方式得到信号的瞬时频率 ;然后引出Wigner分布和小波变换的方法 ,对信号进行分析 ,从而得到了调频信号的时频分布 ;最后 ,对这三种方法作了分析比较 ,指出小波变换方法是进行雷达信号脉内特征分析的有力工具     

钢丝绳检测信号预处理技术研究

钢丝绳的检测信号具有大量的噪声信号，给断丝的识别带来巨大困难。为了消除噪声，采用剔除野点、滤波和小波分析等方法对检测信号进行预处理，获得平滑的检测信号，给信号的定性分析和定量分析奠定基础。     

基于小波变换技术的瞬态信号检测

在未知瞬态信号检测中，一般采用广义似然比检测。然后广义似然比检测不能有利利用瞬态信号的固有特性，检测性能不是很好。本文在介绍瞬态信号和噪声的小波变换特性基础上，提出了基于小波变换域估计的检测方法。最后给出了几种检测器的工作特性比较。     

一种基于小波变换的全色遥感图像与彩色多光谱图像融合算法

小波分析是一种介于傅里叶分析和δ分析之间的，以具有一定时间和频率分辨率的基函数来进行的信号分析方法，是信号处理及数学界人士通过长期努力所得到的全新的目标，这种全新的分析方法在工程实践上已经取得了巨大进展。目前，以小波分析为工具的图像处理方法越来越丰富，也取得了良好的效果，本文介绍了一种基于多分辨率分析的小波变换图像融合算法，该算法使高空分辨率的全色遥感图像与彩色多光谱图像的融合达到了近乎完美的效果。     

基于小波神经网络的PIM功率时间序列预测

无源互调（passive intermodulation，PIM）是影响通信系统性能的关键因素之一。研究表明，PIM信号并非一个定值，而是随时间变化的非平稳信号。基于PIM功率信号的时间序列特性，文章提出基于小波神经网络的PIM功率时间序列预测方法。首先，详细介绍小波神经网络预测模型及其预测方法；其次，以同轴连接器为验证对象，通过PIM实验测试系统获得3阶PIM功率的时间序列；最后，依据获得的PIM功率时间序列，结合构建的小波神经网络预测模型对后续的时间序列进行预测分析，并将预测结果与实验结果进行比较，从而验证小波神经网络在预测PIM功率时间序列方面的有效性。该研究对于开展PIM抑制技术具有一定的参考价值。     

一种非对称PCMA信号盲分离算法

针对卫星通信中非对称成对载波多址(PCMA)信号的盲分离问题，提出一种基于同步挤压小波变换(SWT)的盲分离算法。该算法在混合多个信号前提下，首先按强信号进行同步，接着采用同步挤压小波变换提取时频曲线，最后去除混合信号中的噪声与强信号主频外的弱信号干扰，降低了强信号解调误码率。该算法具有在不具备协作通信方发送的信息序列的先验条件下，实现了非对称PCMA信号盲分离的特点。仿真结果表明，经本文算法处理后强信号解调误码性能比对混合信号直接硬判决时有较大提升。     

基于小波变换的阈值去噪技术研究

小波变换是一种新的时频联合分析方法,它在时域和频域都具有良好的局部化特性和多分辨率分析特性,能满足各种去噪要求,如低通、高通、随机噪声的去除,在信号去噪中小波变换得到了广泛的应用。本文阐述了小波变换及小波阈值去噪的基本原理,对阈值函数的选取以及阈值的确定等关键问题进行讨论。仿真实验结果表明,文章所采用的方法既能有效地去除信号噪声,又能较好地保留原信号中的突变信息。     

小波降噪在提高测角精度中的应用

分析了MUSIC超分辨算法的测角精度与信噪比的关系。基于小波变换系数极大值同信号奇异性之间的关系 ,采用小波降噪算法 ,改善了信噪比 ,大大提高了测角精度     

一种新的自适应消噪方法

基于小波变换的自适应消噪方法为雷达信号的滤波提供了一种可行的办法。考虑到离 散小波变换(DWT)不具有平移不变性,而静态小波变换(SWT)又不能很好地分析信号的高频 部分,提出了一种新的自适应消噪方法。它根据CWT的提升方法,得到静态小波包的提升 实现方法,并设计出适合本系统的确定最优小波包分解树的相应步骤,利用引入了更多动量 因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原 信号。仿真中将其与其它两种基于小波的自适应方法进行了比较,表明该方法可在适当减小 计算量的同时,进一步改善系统的滤波性能。