基于相关系数与小波模极大值的火箭振动环境数据预处理方法

提出一种去趋势项和小波模极大值结合的方法对火箭飞行中测得的信号进行预处理,以消除信号中的低频干扰和噪声。对原始振动信号进行经验模态分解(EMD),得到若干个固有模态函数(IMF)分量,对除最后一项分量的IMF进行重构并再次分解,用重新得到的IMF与再次分解前信号的相关系数作为判断标准,剔除分解中产生的低频干扰分量;用小波模极大值方法对消除低频干扰的振动信号进行降噪处理,再用交替投影算法恢复信号。仿真试验和工程实例分析结果表明:该法能有效消除火箭振动信号中的低频干扰和噪声信号。     

基于集合经验模态分解和小波阈值的真空泵振动信号降噪方法

真空泵的振动信号具有非平稳、非线性的特性,且夹杂着大量背景噪声,难以直接对其特征信号进行提取、分析,阻碍对真空泵的在线故障诊断。为此,文章提出基于集合经验模态分解(EEMD)的真空泵振动信号小波阈值降噪方法:首先将振动信号进行EEMD分解,得到若干个本征模态函数(IMF)与余项,然后引入归一化自相关函数对IMF分量进行筛选,再对筛选出的IMF分量进行小波阈值降噪处理,最后将降噪后的IMF分量与未处理的IMF分量和余项进行重构,得到降噪后的真空泵振动信号。对仿真与实验信号进行降噪处理的结果表明该方法优于现有的降噪方法,为真空泵振动信号的降噪提供了新的途径。     

一种基于谱域-空域组合特征支持向量机的高光谱图像分类算法

针对高光谱图像分类问题,提出了一种基于支持向量机的利用组合特征对高光谱图像进行分类的算法,组合特征综合了高光谱图像的光谱域和空域信息。针对图像的高维数据特性,利用最大噪声分量方法进行特征提取,对得到的主分量图像,采用虚拟维数估计算法来确定需要保留的主分量数目,并用数学形态学操作用保留的主分量图像中提取目标的形态信息。根据得到的空域特征并结合原始光谱域特征,构造用于分类的组合特征矢量。而且采用了支持向量机,利用了其支持小样本、效率高的优点。高光谱数据实验表明,本文提出的方法和单独使用谱域或空域信息进行分类相比,具有一定的优越性。
     

基于目标分解和SVM的极化SAR图像分类方法

极化SAR图像分类是新体制雷达应用研究中的一类基础前沿问题。文章提出了一种基于目标分解及支持矢量机(Support Vector Machine,SVM)的极化SAR图像分类方法。首先根据Cloude分解和Freeman分解两种方法提取极化SAR图像的多类散射特征,从而构造出图像各像素的特征向量。接着利用样本区域像素的特征向量对SVM进行训练,获得经训练的SVM。最后,以各待分类像素的特征向量为输入,利用经训练的SVM即可完成极化SAR图像的分类。对两幅AIRSAR实测极化SAR图像数据分类的结果表明,文章方法能够有效地利用多类散射特征的互补信息,具有较高的分类精度。     

基于经验模态分解的外弹道降噪方法及应用

针对外弹道测量数据信号的非平稳性,引入经验模态分解法,根据工程实际应用需求进行改进,提出实用的基于经验模态分解的外弹道降噪方法。新算法验证了外弹道噪声的分布规律并反映了经验模态分解算法的特性。相对于多项式滤波算法,新算法保证了数据信息完整性,有效地降低了噪声的不利影响,提高数据信息的可靠性和真实性。通过仿真和工程实践计算,验证了该算法的有效性和适用性。     

基于小波和支持向量回归的高光谱遥感图像压缩

高光谱遥感成像技术能够获取探测对象丰富的空间信息和光谱信息,但所得图像海量数据的存储与传输制约了其应用。为此,提出了一种基于三维整数小波变换和小波支持向量回归的高光谱遥感图像压缩方法。首先采用三维整数小波变换把高光谱遥感图像分解成不同尺度的多个子带。然后对低频子带直接进行DPCM编码,而对高频子带则利用小波支持向量回归学习其小波系数之间的相关性,并采用小部分训练样本即支持向量来稀疏表示小波系数,以此达到压缩高频小波系数的目的。最后对支持向量及其相应的权重进行熵编码。文中给出了实验结果,并与基于3D SPIHT和JPEG2000的高光谱遥感图像压缩方法进行了比较,结果表明：所提出的方法在相同比特率下能够获得更高的峰值信噪比。     

改进粒子群算法优化SVM参数的遥感图像分类

文章使用支持向量机(SVM)分类算法,结合当下应用较为广泛的智能优化算法,对SVM的参数进行优化选取,以期能够提高遥感图像的分类精度。针对粒子群算法(PSO)优化SVM分类器参数时,存在着容易早熟收敛、分类精度相对较低、容易陷入局部最优解的问题,提出了一种以自适应权重粒子群算法(SAPSO)为基础,引入遗传算法交叉算子的混合优化算法(SAPSO-GA),利用这种改进的算法优化SVM参数对遥感图像进行分类。文章以一景Quick Bird卫星遥感影像为例,对影像进行图像融合等预处理,然后分别使用PSO-SVM算法和SAPSO-GA-SVM算法进行土地利用分类,比较分析两种算法的分类精度,结果表明,改进的算法提高了粒子群算法的搜索性能,能够寻找更佳SVM分类器参数,获得较高的分类精度。     

基于U-net的"高分五号"卫星高光谱图像土地类型分类

"高分五号"卫星是世界首颗实现对大气和陆地综合观测的全谱段高光谱卫星,对于土地利用类型分类具有重要的应用价值,如何利用深度学习技术开展高光谱图像分类是当前研究的热点问题。深度学习中的语义分割方法在地面场景的图像中已经获得较好的应用,但是对于高光谱遥感图像的精度和适用性较差,无法准确获得精确的分类结果。文章采用U-net模型开展高光谱土地利用类型分类研究,首先基于"高分五号"卫星高光谱数据,构建样本数据集,然后训练分类模型,进行土地利用类型分类,探讨语义分割方法在高分五号高光谱数据上的应用能力。结果表明,采用深度学习中的语义分割方法能够有效提高精度水平,U-net模型的整体分类精度为0.9357,Kappa系数达到0.92,均高于SVM方法和CNN方法。采用深度学习中的语义分割方法,可以为"高分五号"高光谱数据的土地利用分类提供技术支撑,有效提升"高分五号"卫星的应用能力。     

考虑小波数相关性的SAR图像去斑算法

SAR(合成孔径雷达)发射的相干信号之间会使图像产生相干斑点噪声,严重影响SAR图像的应用,需加以抑制。通过研究分析,一副图像小波分解之后的小波系数在幅度、符号之间具有强烈的相关性,由此提出了一种小波去斑算法,该算法考虑了小波系数幅度、小波系数符号之间的相关性。利用合成斑点噪声图像和实际SAR图像验证了该算法的有效性。结果表明:该算法在抑制SAR图像斑点噪声的同时,具有更好的边缘细节保持能力,提升了SAR图像后续应用效能。     

基于第二代小波的序列图像超分辨率复原算法研究

介绍了第二代小波(SGWs)的基本原理和特点,在此基础上提出了低分辨率采样图像高分辨率 (HR)重建算法。它不但具有结构简单,逆变换容易,可扩展性好的优点,并且克服了第一代 小波(FGWs) 的不均匀采样和定义在有限区间上的难题,指出了小波变换时数据不规则性的 处理方法,并利用硬／软阈值对小波系数降噪,使得重构后的图像具有最佳的PSNR和最低的 重构误差。实验和仿真结果表明,与传统方法相比,该算法在提高了图像的分辨率同时PSNR 最多能提高3 dB左右。
     

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。     

微惯性测量单元信号小波自适应滤波仿真研究

针对微惯性测量单元信号进行小波多分辨率分析后在各尺度空间呈现的不同特性,提出了一种分解层数和阈值门限自适应选取的滤波去噪方法,同时采用具有紧支集特性的Daubechies正交小波基和改进的阈值函数,自适应选取分解层数并逐层进行阈值自适应滤波,然后经小波逆变换重构原始信号,最后应用实际的M IMU信号进行滤波仿真。实验结果表明该方法能有效消除M IMU信号随机误差,大幅改善其零偏稳定性和信噪比,且算法简练通用性强,有很强的实用性。     

基于贝叶斯估计的非平稳SAR图像自适应小波滤波

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量、降低图像的可判读性。本文提出的滤波方法，将通用小波阈值滤波方法和基于图像局域统计特性的滤波方法相结合。针对非平稳SAR图像的不同区域采用不同的方法调整小波系数，具有自适应能力。分析了噪声在小波变换域中的分布和统计特性，用高斯混合模型来对其进行描述。采用期望最大似然(EM)算法迭代出小波系数的分布参数。最后用贝叶斯估计得出真实图像的小波系数。在仿真实验中，将该方法与经典的局域统计方法以及通用的小波阈值去噪方法进行了比较。结果表明，本文的方法能对非平稳SAR图像进行更有效的滤波。     

图像压缩感知的自适应方向提升稀疏表示及重构算法

为了克服传统的压缩感知重构中正交小波方向选择性差的局限性,针对图像信号方向性决定了需要在不同纹理区域选择滤波器以使变换后信号能量更加稀疏,提出一种基于自适应方向提升稀疏表示的重构方法。重构时,在每次迭代更新后,根据图像信号的纹理特征选择不同强度方向和信号光滑度的小波基,使得变换后信号能量分布更加集中,并利用小波域阈值处理方法解决信号的重构噪声问题。实验结果表明,该算法提高了重构图像的峰值信噪比和视觉效果,保护了图像的细节。     

基于Daubechies小波的X射线脉冲星信号降噪研究

针对X射线脉冲星弱信号埋没在强噪声中,在短时间内周期叠加的脉冲轮廓的信噪比低,影响脉冲到达时间的估计精度和效率,提出基于Daubechies小波的X射线脉冲星信号降噪的算法。在对RXTE观测数据预降噪处理和周期叠加的基础上,采用Daubechies小波算法做降噪处理,使得较短的时间内仍能获得高信噪比的脉冲轮廓。利用RXTE观测数据进行验证仿真,结果表明,该算法能有效滤除X射线脉冲星信号所包含的设备及空间环境的噪声,在保证脉冲到达时间精度的情况下,缩短了观测时间,提高X射线脉冲星导航的效率。      

基于时频矩阵非负分解特征的多视角SAR目标识别

针对多视角合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别问题,提出一种基于目标高分辨率距离像(High Range Resolution Profile,HRRP)时频矩阵非负分解特征提取和识别方法。该方法首先对SAR图像进行滤波预处理,得到相应的目标HRRP序列;然后采用匹配追踪时频分析方法计算得到目标HRRP的时频矩阵;应用非负矩阵分解技术分解时频矩阵,得到相应的谱矢量和时相矢量。基于分解得到的谱矢量和时相矢量提取时频域矩特征和稀疏特征。最后,应用隐马尔科夫模型(Hidden Markov Model,HMM)对这些时频特征序列建模及识别。采用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)计划公开发布的SAR目标数据库的实验结果表明,该方法不仅能有效降低时频域特征的维数,而且识别性能优于传统的时频域特征。     

基于半参数回归模型的批处理确定卫星轨道方法

由于卫星轨道观测数据中含有非线性影响因素,必然会降低定轨精度。在半参数 回归模型的基础上,应用小波阈值去噪算法估计并消除观测数据中存在的非线性影响因素, 提出了基于半参数回归模型的批处理确定卫星轨道的方法,以提高定轨精度;然后,在理论 上证明了在测量数据存在非线性影响因素的情形下,基于半参数回归模型的批处理确定卫星 轨道方法的定轨精度高于经典的批处理定轨精度;最后,对中低轨卫星应用批处理定轨进行 了仿真。结果表明：基于半参数回归模型的批处理确定卫星轨道方法分离出观测数据中的 白噪声和非线性影响因素,从而可以在观测数据中消除非线性影响因素,提高定轨的精度。     

液体火箭发动机启动段振动信号的小波去噪

液体火箭发动机试验启动段的振动信号中包含有大量的噪声分量,通过小波变换的Mallat算法对振动信号进行去噪处理,并通过试车数据对采用的方法进行验证,取得了良好效果,显示了小波去噪在振动信号去噪领域的广泛应用前景。     

基于遥测信号的小波变换与数字滤波联合滤波方法研究

为了弥补数字滤波器不能滤除遥测信号通带内噪声的不足,提出小波变换与数字滤波联合滤波的方法。重点讨论数字滤波器的选择、小波滤波分解级数的确定和小波消噪中阈值的选择。将该方法应用于遥测信号滤波,取得了较好的效果。