小波分析理论及其在雷达信号处理中的应用

依据所处理信号类型的不同,对小波变换与短时傅立叶变换进行了比较,说明小波变换适用于非平稳信号和奇异信号的处理.简要介绍了连续小波变换、离散小波变换和小波包理论的基本内容,讨论了小波变换实际应用中的采样和快速算法等几个关键问题.结合矢量量化技术,给出了一种用小波变换对星载SAR(Synthetic Aperture Radar)原始数据进行压缩的方法,结果表明,与传统的方法相比,由该方法压缩后的原始数据生成的SAR图像具有更大的信噪比.同时对小波变换用于雷达目标识别和SAR图像分类的性能进行了初步分析.      

飞行器助推段振动环境分析

对飞行器助推段非平稳随机振动信号采用局部平稳模型进行分析,把此段非平稳随机信号的时变谱分解成2个独立的过程:决定时变均方值的确定性过程和决定频率特性的平稳随机过程.利用小波分析对确定性信号和随机信号进行分离,用信号的全部带宽计算非平稳信号的时变均方值,缩短了平均时间,减少了偏置误差;用信号的整个持续时间确定非平稳信号的谱特性,提高了频率分辨率,减少了随机误差.对分离出的平稳随机振动自功率谱密度进行了归纳,得到了飞行器助推段的振动环境.      

时频分析在超声导波信号分析中的应用

超声导波信号是一种非平稳信号,存在频散现象,利用传统的时域和频域分析方法不能揭示其频谱随时间变化的特点.为了解决这一问题,研究了导波信号的非平稳特征,介绍了短时傅里叶变换(STFT,Short-Time Fourier Transform)时频分析原理,分别对铝板试样和蜂窝板试样内传播的导波信号进行了STFT和时频谱分析,得出了铝板内导波信号中各频率成分随时间的变化情况,分析出导波信号的模式转换现象,比较精确地计算了导波的群速度;对于蜂窝板内的导波信号,由于能量泄露比较严重,当激励频率为1.5MHz时,A0模式只能近距离传播,这就使得采用STFT不能很好地进行模式识别.研究结果表明,当导波传播距离较远时,利用STFT可以对其信号进行动态的频谱分析和模式识别,并可对实际的群速度进行较精确的测量.     

Chirp哈特利、Chirp余弦、Chirp正弦变换

给出了连续Chirp哈特利变换、连续Chirp余弦变换、连续Chirp正弦变换的定义.还给出了离散Chirp哈特利变换、离散Chirp余弦变换、离散Chirp正弦变换的定义.采用这几种变换估计实多项式信号的参数.详细研究了二阶离散Chirp哈特利变换、二阶离散Chirp余弦变换、二阶离散Chirp正弦变换的参数估计性能.简要分析了三阶离散Chirp哈特利变换.由于二阶离散Chirp余弦变换和二阶离散Chirp正弦变换检测信号时存在虚假信号,提出一种消除虚假信号的方法,该方法在增加一定计算量的情况下可以有效地消除虚假信号,并降低旁瓣.进行了二阶离散Chirp哈特利变换、二阶离散Chirp余弦变换、二阶离散Chirp正弦变换的计算机仿真.进行了三阶离散Chirp哈特利变换的计算机仿真.计算机仿真结果验证了分析的正确性.     

基于DWT的汽油机爆震信号分析

为提高爆震检测精度,研究了离散小波变换在爆震信号分析中的应用.利用离散小波变换从汽油机的振动信号中提取出了轻微爆震特征,提出了一种根据离散小波变换特征域子带信号能量大小来评价爆震强度的指标,根据爆震发生时特征域子带信号能量阶跃变化的特性,提出了确定爆震阈值的方法,该方法经检验能准确判断发生爆震的临界值.研究成果为将小波变换应用于汽油机爆震的实时精确控制打下基础,可进一步通过点火提前控制使汽油机在轻微爆震区工作,汽油机的动力性、经济性都能够得到提高.     

导弹弹性振动在线辨识及自适应抑制

新一代导弹具有大空域宽速域等特点,飞行环境的剧烈变化及自身长细比结构特性,导致导弹的弹性振动模态参数变化范围大,传统的固定参数陷波滤波器难以适应这种剧烈的参数变化。本文提出了一种自适应弹性振动抑制算法,首先通过调制滑动傅里叶变换算法对速率陀螺的输出信号进行时频分析,实时辨识出各阶弹性振动信号的频率和幅值,并根据辨识结果设计了一种陷波滤波器参数在线整定方法,从而保证陷波滤波器能快速准确滤除弹性振动信号。仿真实验结果表明,该算法能够快速有效地辨识出弹性振动信号,并且对于频率突变和频率线性变化的非平稳信号也有较好的适应能力,能够满足实际工程需求。     

小波变换在大地回波噪声处理中的应用

基于小波变换的多尺度分辨特性,作者对连续信号、脉冲信号和宽平稳白噪声在小波域中不同分解尺度上的模极大值变化规律进行分析,根据它们的变化规律用Mallat快速算法设计出一套用于抑制低信噪比雷达回波中的干扰噪声、最大限度提纯真实回波信号的算法.仿真实验证明,该算法对抑制噪声作用明显,能较好地提纯雷达回波信号,这为低信噪比下雷达回波信号检测提供了一条有效途径.     

基于HHT变换的超光滑加工表面谱特征分析

Hilbert-Huang变换(HHT, Hilbert-Huang Transform)是最新发展起来的处理非线性非平稳信号的时频分析方法,其基本的实现分为两步:多分辨经验模态分解和瞬时频率的求解,获得信号的时频谱.该方法的关键是多分辨经验模态分解(EMD, Empirical Mode Decomposition),任何信号都可以分解为有限数目并且具有一定物理意义的固有模态函数(IMF, Intrinsic Mode Function).用于表面分析,HHT可以将粗糙度曲线分解成不同频率范围的分量,每一个分量都有其独有的物理意义,区分各影响因素,得到Hilbert谱,进而可以分析加工过程中各影响因素的作用.针对超光滑表面的粗糙度谱特征进行了HHT变换分析,并得出了相应结论,对加工有一定的指导意义.      

有限长Ramanujan-Fourier快速变换及频率估计

近来出现的Ramnujan-Fourier变换(RFT,Ramanujan Fourier Transformation)是以"Ramanujan和"为基向量的算术变换,该变换可提供分数频率分辨力.首先分析了有限长Ramanujan频谱特点,给出了基向量分布情况,推导了该变换的快速算法,比较了有限长RFT与快速傅里叶变换的乘法计算量;其次,给出了利用RFT的递归峰值检测频率估计算法,并分析了RFT的频率分辨率和适用特点,在非高斯噪声条件下,仿真比较了RFT与傅里叶变换对信号进行频率估计的性能,得到在信噪比为-20 dB的非高斯噪声情况下,频率估计的归一化均方误差可以达到 10-3.      

基于小波变换和神经网络的机械故障检测方法

针对机械故障中遇到的问题,提出了基于小波变换和神经网络故障检测方法,小波变换理论能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高了时-频分辨力。利用小波变换对信号原始信息进行分解,得到信号的不同特征向量。将不同的特征向量送入不同子神经网络进行诊断,并通过神经网络做出最后的诊断。该系统具有知识自动获取、识别速度快、鲁棒性及容错能力强等特点,实例证明该系统是有效的。