小波变换在雷达信号检测中的应用

小波分析已经成为目前雷达信号去噪的主要方法之一。通过对小波去噪问题的描述,揭示了小波去噪的滤波特性;分别阐述了目前雷达信号检测中常用的4类小波去噪方法并进行性能分析;对雷达信号的小波检测方法提出了展望。     

高斯噪声中非高斯弱信号的双谱检测

传统的能量检测在接收信号为高斯分布下最优,其检测性能最终取决于信噪比。当信噪比下降时,检测性能必然恶化,而且这种恶化是不可避免的和难以改善的。为了改善弱信号的检测性能,本文同时利用了信号的三阶和二阶统计量构造一种双通道信号检测器,在强高斯噪声的背景下,只要弱信号蕴含有足够多的双谱信息,其检测性能将远远超过基于传统的能量检测器的性能。     

基于小波包分解和滑动功率谱的舰船轴频电场信号检测

轴频电场是可在水下探测到的一种运动舰船特征物理场,由于海水的衰减作用,其信号十分微弱。文章提出了一种基于小波包分解和滑动功率谱的微弱舰船轴频电场信号检测方法。首先,利用小波包变换对观测信号进行多子带分解;然后,分别提取各子带信号功率作为检测特征量,使用浮动门限对其进行滑动检测。实测数据和仿真数据处理表明,该方法能够在较低的信噪比条件下有效工作,性能优于传统的功率谱检测方法。     

航空发动机叶片超声检测信号的小波分析方法

超声波检测技术是航空构件检测中应用较多的一种检测方法。针对含损伤的某型航空发动机压气机叶片，采用小波分析技术，对超声检测信号进行分析和处理，提高了超声检测技术检出缺陷的能力。采用四种不同的小波基对同一信号进行分析，经研究表明：sym4小波基处理航空构件超声检测信号比较理想。     

基于小波变换的电力系统谐波测量方法

小波变换具有时-频局部化特性,在电力系统的分析中具有无比广阔的应用前景.本文将小波变换方法应用于电力系统谐波检测中,并提出了同步检测与小波变换相结合的电压闪变测量方法,仿真结果表明此方法适用于电压闪变信号的检测和分析.     

基于小波包分析的激磁信号相位漂移检测方法

提出了一种基于小波包分析的激磁信号相位漂移检测方法,能够以较高的精度检测出相位信号的瞬时漂移。仿真结果验证了方法的有效性。     

基于检测前跟踪的超视距雷达微弱目标检测方法

天波超视距雷达（over-the-horizonradar，OTHR）通过快速傅立叶变换（FFr）实现相干积累，再利用常规的方法进行目标检测。但这种方法在弱目标、低信噪比的情况下效果并不好。本文提出了一种基于检测前跟踪（track-before-detect，TBD）的OTHR弱目标检测方法，利用数学形态学对每帧弱目标回波信号进行滤波，再通过动态规划方法进行检测。仿真结果表明，该方法能够有效地提高OTHR对弱目标的检测能力，运算效率高，实用性强。     

基于静态小波变换的雷达信号特征点检测方法

提出了一种基于静态小波变换的特征点检测方法,该方法能够精确定位特征点的位置,并且对输入信号的平移不敏感。利用静态小波变换系数的梯度和幅值构造一个准则函数,初步确定候选特征点出现的位置,再根据小波模极大值随尺度变化的李氏指数规律确认特征点。仿真试验证明,该算法能够在多种噪声干扰下有效检测出特征点。     

SAR图像舰船目标边缘检测

提出了一种在正则化基础上,利用小波变化实现合成孔径雷达(SAR)图像舰船目标边缘检测的新方法。传统的利用小波变换实现图像边缘检测时,阈值需要人为设定。针对这一问题,文章引入正则化超分辨技术,从贝叶斯框架下的估计问题出发,采用非二次正则化,平滑图像,保护强散射点目标,实现对 SAR图像进行去噪。利用小波变换的局部化特性和多尺度分析能力,检测突变信号,实现对舰船目标的边缘检测。该方法去噪效果好,边缘 定位准确,仿真结果表明了算法的有效性。     

小波技术在组合导航系统故障诊断中的应用

针对组合导航系统中存在的故障类型和特点，提出一种新的基于信号处理的故障检测方法。该方法利用小波分析技术对含有故障信息的系统信号进行分析处理，并将此方法应用于SINS／GPS组合导航系统。仿真结果分析表明，小波分析技术能很好地及时检测出组合导航系统的硬故障，且更加简便灵活，从而可以将小波分析技术应用于组合导航系统的故障检测。     

双树复小波域MCA降噪在齿轮故障诊断中的应用

齿轮箱早期故障信号中往往包含强烈的干扰噪声,而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果.针对该问题,提出了基于形态分量分析(MCA)的双树复小波降噪方法.首先,对强背景噪声故障信号进行双树复小波变换,得到不同层的小波变换系数;然后,选取小波系数周期性较为明显层的小波系数进行MCA降噪;最后,将降噪后的系数进行单支重构后便可获得故障特征信号,对降噪信号进行包络分析便可以确定信号的故障特征频率.利用该方法对仿真分析和某轧机齿轮箱打齿故障早期信号进行了处理,结果表明:该方法能够在有效去除信号中的强背景噪声,比单独MCA降噪及软阈值降噪具有更好的效果,得到了更清晰的故障特征频率,从而为齿轮早期故障诊断提供了一种新方法.      

小波包分析在内燃机车静液压齿轮箱故障诊断中的应用

本文简述了小波变换的基本原理及利用小波包对振动信号进行分解的方法。小波分析良好的时频局部化性质，适于检测正常信号中夹带的瞬态反常现象并展示其成分，这在旋转机械状态监侧及早期故障诊断中具有重要意义。本文给出利用小波包分析在内燃机车静液压齿轮箱故障诊断中提取微弱轴承冲击故障特征的实例。     

基于小波相邻系数降噪的滚动轴承早期微弱故障时频特征提取

将小波相邻系数降噪与时频小波切片变换（FSWT）相结合用于滚动轴承的早期微弱故障时频特征提取，通过对滚动轴承加速疲劳试验早期微弱故障振动数据进行分析，结果表明:小波相邻系数可以有效降低淹没滚动轴承早期微弱故障特征的背景噪声；时频小波切片变换方法能有效提取出经小波相邻系数降噪后振动信号的时频特征，即滚动轴承发生故障时的特征频率及其谐频成分，验证了所述方法的有效性.此外，通过与谱峭度时频分析结果的对比，证明所述方法更能准确扑捉到滚动轴承发生早期微弱故障时的时频特性，突出了所述方法的优越性.      

含噪振动信号中早期碰摩的故障检测研究

 研究了在有噪环境下发动机转子系统早期碰摩故障的检测问题。利用最优参数搜索法改进了独立分量分析( ICA) 算法, 用于求解转子系统振动信号与噪声的盲分离问题。在此基础上, 对分离后的振动信号利用小波包分解进行早期碰摩信号的检测。结果显示最优搜索的ICA 算法运行效率高, 信号分离纯度好, 对振动信号有高效的降噪作用, 并利用小波包分解准确地检测出振动信号中的碰摩信息, 其效果优于小波分解法。信噪分离与小波包分解相结合有望用于工程实践中的早期碰摩故障检测和诊断。     

非合作无源探测中的假设检验弱目标检测方法

在非合作无源探测系统中,弱目标回波不仅会受到强直达波、强多径的干扰,还会受到强目标的掩盖干扰,因此很难对其进行有效检测。为了解决这一问题,提出了一种基于多择复合假设检验的弱目标检测方法。首先将接收信号投影到多径干扰的正交补子空间内,以消除强直达波和强多径干扰,然后将目标检测看作一个多择复合假设检验问题,建立了与之相应的基本框架模型,利用最大后验估计方法对目标时延、多普勒频移及信号幅度等参数进行估计,构造检验统计量,设置相应的门限,根据假设检验结果,逐个消除强目标干扰从而达到检测弱目标的目的。仿真结果表明,本方法可以有效抑制强直达波、强多径及强目标干扰,有效检测出弱目标,且虚警率低。     

小波域的自适应波束形成算法

在分析传统自适应波束形成的基础上,首次提出了一种小波域的自适应波束形成算法。与通常的自适应波束形成算法相比,该算法利用小波变换对小波空间进行了分解,信号经小波变换自相关性会下降,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了该算法收敛速度较快,且计算量增加较少,易于实时实现,而且具有较好性能。同时仿真实验表明该算法收敛速度与小波基和尺度的选择有关,尺度越大收敛速度越快;对于同一小波基系列,小波基的正则性越好收敛速度越快。     

白天激光漫反射测距中微弱信号检测的单开门多触发方法

白天激光漫反射测距因存在强背景噪声,导致微弱回波信号的检测十分困难,严重限制了激光漫反射测距的广泛应用。因此,提出了采用单开门多触发方法解决白天激光漫反射测距的微弱信号检测难题。首先,介绍了一种GM-APD (Geiger-ModeAvalanchePhotoDiode,盖革模式雪崩光电二极管)多触发概率分布函数的快速求解方法。接着,取激光漫反射测距系统典型参数,理论分析了多触发情况下的回波信号检测概率,分析结果表明单开门多触发方法可提高激光漫反射测距在白天情况下的回波信号检测概率。同时,通过对触发次数限制的优选,可以增加有效检测比,减少白天观测条件下回波信号的提取代价。最终,通过系统仿真验证了理论分析结果的正确性。因此,单开门多触发方法是解决白天激光漫反射测距微弱信号检测的可行途径之一。     

自适应可调品质因子小波变换在轴承早期故障诊断中的应用

分析了可调品质因子小波变换(TQWT)的近似平移不变性,并通过模拟信号对该性质进行验证。提出了基于时频峭度指标优化的自适应可调品质因子小波变换(ATQWT)方法,用于解决滚动轴承早期故障诊断问题。首先利用时频峭度指标对TQWT的品质因子和冗余因子进行搜寻,确定最优影响参数后,根据所得结果设置好TQWT的参数并对原始信号进行处理,得到相应的信号分量并选定最佳信号分量,对最佳信号分量执行包络解调处理,最后分析包络谱中的频率成分来判定轴承的状态。实验信号分析结果表明:所得时频峭度指标更加可靠，鲁棒性更强。在低信噪比情况下,该方法可以准确分离出原始信号中的微弱特征,有效判定轴承的早期故障。