基于Huffman最优二叉树支持向量机的舱音记录器背景信号识别

飞行器舱音记录器(CVR)记录的舱音信号,通常是语音声、警告声、开关按钮声和背景噪声等混合而成.目前国内对该类信号的分析和辨别主要是计算机译码后利用人耳进行辨听,存在不易准确分辨各种独立声音信号的缺点.针对舱音信号是一种非平稳性的时频信号,提出了基于多尺度最优小波包基的CVR背景信号特征提取算法,将10种典型信号进行小波包分解,以分解得到的子带能量作为信号初始特征,再根据类间最大距离准则选取最优小波包基,从而确定待识别信号最具有代表性的特征向量,最后基于Huffman最优二叉树支持向量机进行CVR背景信号分类.仿真实验结果表明,该方法的平均识别率为94.62%,可以应用于CVR背景声音信号的自动识别.     

基于小波矩特征和神经网络的灰度图像识别算法研究

小波矩结合了矩特征和小波特征,既反映了图像的全局性信息,又反映了图像的局域性信息,并且具有旋转、平移和缩放不变性。文章研究了基于小波矩的灰度图像特征提取算法,并将其与BP神经网络组合,利用神经网络的强学习能力和容错性,形成一个灰度图像识别系统。仿真实验表明,在图像失真较小的情况下识别率可达到100％,较之未提取特征的神经网络识别方法而言,网络收敛速度与识别精度都有较大的提高。     

基于模糊函数的雷达辐射源信号分选新方法

当前的雷达辐射源信号分选方法存在准确率不高和对噪声敏感的问题,对此,提出一种新的分选算法。对接收到的信号首先求取其模糊函数,并将其简化为二维特征图,然后对该二维特征图进行小波包分解,得到八维小波包变换特征（WPT）,最后将类间分离度最优的第二维小波包变换特征Wpt2和第五维小波包变换特征Wpt5作为分选的特征参数。由于不同信号的模糊函数区别较大且受噪声的影响小,因此转换后的WPT可分性强、稳定度高;大量的仿真验证了新方法的优越性,在信噪比为10dB时,分选准确率最低为90％。     

基于小波变换的固体火箭发动机深层界面超声回波信号分析

针对固体火箭发动机多层粘接结构中的超声检测回波信号严重混迭及难以分辨的问题,提出对回波信号进行小波变换,提取小波变换后各个频段的能谱作为特征,为多层粘接结构中深层界面的粘接缺陷分析及识别提供依据。实验结果表明,超声回波信号分析方法可有效提取出固体发动机多层粘接结构中的深层界面信号特征,并能将缺陷识别、定位。     

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。     

一种基于小波和人工神经网络的故障检测与诊断方法

提出了一种基于小波和人工神经网络的故障检测与诊断的方法，该方法利用小波包分解的精确细分的特点，分别对正常系统和故障系统的采样信号进行精确特征提取，并构造一系列基于信号能量且具有表征系统状态能力的特征向量，然后利用人工神经网络分类器对系统在各种状态下的特征向量进行分类决策，从而实现对系统的故障检测与诊断。     

复合材料结构损伤的小波神经网络辨识研究

将小波神经网络应用于结构健康监测，研究实现复合材料结构常见损伤的高精度辨识。剖析了小波神经网络的收敛算法，并使用了惯性系数以抑制振荡并提出了一种自适应调整学习率的算法以加快收敛。组建结构健康监测实验系统，进行数据处理和特征提取以获得不同的结构损伤模式。提出了小波神经网络初始权值的设置方法，据此删除了小波神经网络的冗余节点。将该小波神经网络应用在实验获得的各种结构损伤模式的辨识上，验证了它的高精度和快速收敛，并成功实现了复合材料结构损伤状态的辨识仿真。     

基于小波包能量谱的航天器在轨泄漏漏孔形状辨识方法

为了实现对航天器在轨泄漏漏孔形状的准确辨识,提出基于小波包能量谱和支持向量机的航天器在轨泄漏辨识方法。首先分析圆形、长方形、正三角形3种典型形状漏孔之泄漏信号的频域特点,之后运用小波包能量谱提取不同形状漏孔泄漏信号的特征值,最后运用提取的特征值配合支持向量机建立辨识模型,实现对漏孔具体形状的辨识。对该辨识方法进行试验验证,将3种形状的漏孔分为A、B两组,利用A组漏孔进行泄漏信号特征值提取与辨识模型的训练,再对B组漏孔进行辨识准确率测试;结果表明该方法可以实现对不同形状漏孔的辨识,在合适的小波包分解层数下,总体辨识准确率可达95.9%。     

一种基于奇偶判断WPT的多音干扰抑制方法

频移小波包变换可以有效抑制窄带干扰,以提高扩频测控系统的抗干扰能力,但是在多音干扰下,当信号左右节点都存在干扰时,由于不能通过子带能量大小来确定子节点是否继续分解,导致该方法不能抑制多音干扰.针对该问题,提出了一种基于奇偶判断WPT的多音干扰抑制方法,通过采用子带能量差平稳度函数来判断干扰最佳频移量,然后对频移后的干扰子带进行编号,并通过门限判断进行干扰子带定位,确定干扰子带的编号,再通过对干扰子带的编号进行奇偶判断,可以得到小波包的自适应分解树,实现信号的自适应分解,分解到最底层后将干扰子带置零,最后根据分解树反向进行信号重构,完成干扰抑制.通过对误码率、测速精度和测距精度的仿真,结果表明该方法能够有效抑制多音干扰.     

一种基于奇偶判断WPT的多音干扰抑制方法

频移小波包变换可以有效抑制窄带干扰,以提高扩频测控系统的抗干扰能力,但是在多音干扰下,当信号左右节点都存在干扰时,由于不能通过子带能量大小来确定子节点是否继续分解,导致该方法不能抑制多音干扰.针对该问题,提出了一种基于奇偶判断WPT的多音干扰抑制方法,通过采用子带能量差平稳度函数来判断干扰最佳频移量,然后对频移后的干扰子带进行编号,并通过门限判断进行干扰子带定位,确定干扰子带的编号,再通过对干扰子带的编号进行奇偶判断,可以得到小波包的自适应分解树,实现信号的自适应分解,分解到最底层后将干扰子带置零,最后根据分解树反向进行信号重构,完成干扰抑制.通过对误码率、测速精度和测距精度的仿真,结果表明该方法能够有效抑制多音干扰.     

基于小波包变换的Quick Bird全色影像和多光谱影像的融合

为了能够更好地将迄今为止在商业领域内空间分辨率最高的Quick Bird卫星遥感影像的高空间分辨率特性和多光谱特性结合起来,以提高对影像信息的分析和提取能力,笔者在研究了小波包图像分析法之后,提出了一种基于小波包变换(WPT)的Quick Bird遥感影像融合方法,在此基础上,对同一地区Quick Bird全色影像和多波段影像进行了融合实验,获得了满意的实验结果。     

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。     

基于自适应小波包变换的LMS窄带干扰抑制技术

文章将自适应小波包子带树分解算法与LMS自适应算法相结合,利用自适应小波包变换所具有的优良时频局域性和多分辨分析特征,迅速跟踪和准确定位窄带干扰所污染的子带;然后利用自适应LMS算法对受扰子带进行干扰对消,将窄带干扰滤除,在去除干扰的同时,有效地减少了对有用信号的损失。同时,小波包变换提高了LMS算法的收敛速度和稳定性。仿真结果表明,二者的结合使DSSS系统的干扰抑制性能得到进一步提高。     

超低空导弹引信抗海杂波干扰的信号提取方法

由于超低空导弹工作在海杂波背景下,其引信的信号检测易受干扰。传统的信号处理方法效果不佳,而小波变换有多分辨分析的特性,可以有效滤除杂波带来的噪声,然后根据回波信号频率,辨别真假目标。基于雷达引信实测数据进行仿真,实验结果表明,该方法能够有效滤除大部分噪声信号,从而提高超低空导弹作战能力。     

基于YOLOv6框架实现典型通信信号调制快速识别方法

随着战场通信侦察对抗系统的快速发展,通信信号体制变得非常复杂,给非合作接收条件下的通信信号检测、调制识别及信号辐射源个体识别带来困难。为了全面掌握信号先验信息,对复杂多样的通信信号体制进行盲检与识别,本文提出基于时频图分析和深度神经网络的多种通信信号自动调制识别方法。首先,利用时频分析将不同典型通信信号转换为时频图像,再将标注后的时频图输入基于深度学习的YOLOv6（目标检测模型）网络中进行特征学习;然后,通过设计YOLOv6更高效的网络结构,使其能够对信号的时频图进行快速识别;最后,将训练后的网络权重对典型通信交叠信号进行测试,对提取的特征向量进行分类识别,完成6种调制方式识别与位置的快速确定,实现在非合作接收条件下的多个典型通信信号调制方式的检测和识别。     

基于小波包变换及相关系数法的复合材料层合板冲击位置识别研究

复合材料较为广泛应用于航空、航天等工程领域,但对冲击载荷十分敏感。因此,对复合材料结构承受的冲击载荷进行在线监测以及冲击位置的实时识别具有重要意义。文章以复合材料层合板为研究对象,基于两个冲击位置的距离越靠近则接收到信号幅频特性相似度越高的特点,采用FBG光纤光栅传感器,通过小波包变换的方法来提取能量特征向量,同时结合相关系数法来实现复合材料层合板的冲击位置识别。在480 mm×480 mm的复合材料层合板上开展冲击实验,8次实验皆完成了冲击位置识别,其中7个点距离误差为0 mm,实现精准识别,另一个点误差在6%以内。