子波变换平滑的混沌信号检测

将近几年兴起的子波变换、分形理论应用于带观测噪声混沌信号的检测。基于快速子波变换导出了平滑算子，将其对时序信号进行处理，并根据它在一定的尺度范围内具有标度不变的性质，利用改进的Ｇ－Ｐ算法计算其分数维数，对带有观测噪声的Ｌｏｒｅｎｚ吸引子波的混沌运动进行了检测。实验结果表明，该方法具有较好检测混沌现象的能力。     

基于局部Neymark分解的混沌信号与噪声的分离方法

从动力系统和几何的观点出发,提出了基于局部Ｎｅｙｍａｒｋ分解的混沌信号与噪声的分离方法。该方法在一个局部的轨道空间内进行Ｎｅｙｍａｒｋ分解,重构时消除由噪声引起的在某些方向上的错误分量,接着进行反嵌入,使得这一由于噪声影响而发生畸变的局部轨道得以纠正,达到混沌信号与噪声分离（以下简称混沌滤波）的目的,并对其中的反嵌入问题作了较为深入的讨论,仿真实验表明了本方法的有效性。     

混沌理论在尾桨气动噪声信号分析中的应用

研究剪刀式尾桨气动噪声的混沌特性，并应用混沌理论进行了直升机尾桨气动噪声信号分析。本文通过利用多频调制方法对尾桨噪声进行理论分析，得出相对声压值随剪刀变化的规律；然后将混沌运动的特征参数——关联维数用于剪刀式尾桨气动噪声信号的分析。分析结果表明剪刀式尾桨引起的气动噪声含有混沌特性，同时对比理论和试验结果表明剪刀尾桨构型的参数对气动噪声有明显的影响。     

复杂系统混沌行为判别与混沌时间序列的分形建模

提出了以有限维自由度及Lyapunov指数联合分析为判据的复杂系统混沌行为判别方法．避免了判别过程中将纯随机行为及复杂确定性线性行为误判为混沌行为。以球磨机矿浆流量为例,在相空间重构的基础上对系统关联维数进行了分析．验证了系统具有有限维自由度。通过Lyapunov指数分析考察了系统的时空演化特性并验证了系统的初值敏感性,从而分析出该流量具有确定性与随机性相互统一的混沌运动特征。利用Hurst指数通过分形内插算法对流量信号进行了精确重构,建立了一种可准确重演系统时空变化规律的模型．     

基于小波神经网络的混沌时间序列预测及应用

根据相空间重构理论,探讨了一种基于小波神经网络(WNN)的混沌时间序列预测方法。根据G-P算法和Takens理论,计算出混沌时间序列相空间重构所需的最小嵌入维数,以此作为网络的输入节点数。通过时频分析,使得隐节点数的选取也有了可靠的理论依据。最后对Lorenz仿真信号和滚动轴承信号进行仿真和预测,验证了方法的有效性。结果表明,对于混沌时间序列的预测,WNN网络比BP网络表现出更理想的预测效果,为非线性动态系统的预测提供了一种有效的途径。     

基于UKF的四元数载体姿态确定

对于低精度高噪声的传感器组成的低成本姿态测量系统,本文引入U nscen ted K a lm an filtering(UKF)用于姿态确定,设计了有陀螺测量和四元数差分法的无陀螺测量两种UKF滤波器;应用四元数避免了欧拉角法的奇异问题;用高斯-牛顿误差最小法将六维参考向量转化为四元数,作为观测量的一部分,使九维非线性观测方程转化为七维线性方程进行滤波,减少了计算量;应用仿真数据进行算法验证,成功得到姿态估计;对两种算法在低速和高速状态下进行验证,仿真结果表明了该方法的有效性。     

非定常大振幅振荡试验数据处理研究

在大振幅振荡风洞试验过程中,去除测量数据信号中的噪声、对齐初读数和吹风数中的角度序列和力信号序列是获得准确大振幅试验数据的两个关键问题。文中介绍了全相位数字滤波原理和处理非定常试验数据方法,并推导了全相位处理数据理论计算公式,通过对天平各通道力信号进行频谱分析来确定滤波的截止频率。对移相位、插值拟合、移动最小二乘拟合3种对齐初读数和吹风数方法进行了详细介绍,并比较了3种方法处理试验数据结果。结果表明,在有噪声的信号中,全相位数字滤波能够减少滤波过程中信号相位和幅值失真,3种对齐数据方法处理试验数据结果比较一致、合理。     

序列图像背景重建方法

研究了基于Kalman滤波理论的有色噪声滤波,探讨了其在序列图像背景重建中的应用。首先针对光线变化对背景的影响,建立背景的二阶滤波方程和观测方程,然后给出有色噪声滤波模型,利用Kalman滤波器对背景进行预测更新。试验结果表明,该方法能迅速更新背景,对光线变化具有良好的适应能力。     

基于静态小波分解的机加工表面图象滤波

由于在机械加工过程中机械振动和噪声回波的相干性，机加工表面图象上会存在白噪声，为了削弱这些噪声的影响，提出了一种基于静态小波分解的自适应阈值滤波方法，该方法首先将机加工图象分解至静态小波域。然后在静态小波域中将噪声的小波系数收缩至零，将此算法应用于机加工图象噪声滤波，并与基于Mallat分解的滤波算法和另外三种典型图象滤波算法进行比较，结果表明，该方法不仅可以有效的去除噪声，而且还可以保持图象的精密纹理结构。     

一种新的鲁棒非线性卡尔曼滤波

Huber方法是一种基于l1/l2联合范数的估计方法,该方法可以实现估计的鲁棒性,同时尽量不损失滤波精度和效率.基于Huber估计的无味卡尔曼滤波虽提高了无味卡尔曼滤波的鲁棒性,但这种方法用统计线性回归模型来近似非线性的观测模型,损失了无味变换的精度.从Huber方法的数学意义出发,对观测信息(观测值或观测噪声)进行重新构造,然后对精确的非线性观测方程进行标准的无味卡尔曼滤波,这种新的基于Huber方法的无味卡尔曼滤波无需对非线性观测方程进行线性近似,在保持鲁棒性的前提下提高了滤波精度.通过一个具有混合高斯分布观测噪声的简明实例,验证了新算法在鲁棒性、滤波精度以及估计一致性方面的优势.     

基于分形的奇异信号的检测

提出了基于分形的奇异信号的检测方法，给出了奇异信号的数学模型、检测原理和实现算法。根据所计算的短时网格分形维数，判断是否有突变信号以及确定其发生时刻。以电力系统中突变信号为例进行仿真，证明该方法能准确有效地检测到突变信号，并能精确地确定突变信号的发生时刻和突变类型。     

基于分形理论的铝合金腐蚀损伤研究

对不同腐蚀时间作用下航空LY12铝合金的表面腐蚀损伤形貌进行试验研究。将分形理论引入到铝合金腐蚀损伤研究领域,对受腐蚀损伤铝合金的表面形貌的分形现象进行了分析。结果表明：在同一应力水平下,疲劳寿命随表面腐蚀形貌分维数的增加而减少。结构的疲劳寿命随分维数变化规律的研究将为受腐蚀铝合金结构的安全性评价提供新的思路和方法。同时提出了把腐蚀形貌分维数和腐蚀深度作为评价铝合金腐蚀损伤的指标。     

基于正交小波变换的噪声下1/f类分形信号的恢复

为了恢复噪声背号下的分数布朗运动．采用正交小波对混有噪声的分数布朗运动的增量进行分解，在线性最小方差估计准则的基础上估计出“细节”小波系数和“近似”小波系数，并重构离散分数高斯噪声，从而得到要提取的分数布朗运动。在仿真中，说明了“近似”小波系数对重构信号的重要性，并以恢复出的分数布朗运动的最小均方误差mse和自相似参数的方均根误差rms为指标说明了本文方法的有效性和优越性。     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值     

基于分形几何的超声速燃烧火焰形态表征方法研究

分形几何是图像学发展的新兴学科。通过分形几何，可以研究不规则图形，揭示图形的自相似特性，并且给出图形自相似性的定量数据。本文将分形几何用于分析超声速气流中的火焰形态，定量分析了不同当量比与燃料组分摩尔比条件下火焰分形维数的变化规律，研究了湍流火焰传播速度和火焰边界分形维数之间的对应关系。通过高速摄影获得的火焰CH*自发光瞬态图像，记录了马赫数2.5超声速气流中不同燃料的火焰形态，验证了超声速火焰边界具有自相似性。实验结果表明，超声速燃烧湍流火焰锋面边界的分形维数随当量比的增大近似线性增大，随着燃料中氢含量的增加而增大。     

基于二进小波变换的磁共振图像去噪新算法

针对传统去噪方法在降低噪声的同时会模糊图像边缘的缺点,提出了一种基于二进小波变换的噪声抑制新算法.利用小波系数的区域相关性,将要处理的小波系数置于由它周围的系数组成的可变窗口内,由窗口内所有小波系数的值来决定该系数的处理方式.由于离散小波是非平移不变的,因而重构过程中会出现人工噪声.为了避免这个问题,本文采用了具有平移不变性的二进小渡变换.实验结果表明,该方法较之传统去噪方法有更高的去噪精度,可以有效降低噪声,同时较好地保持图像细节和边缘信息.     

基于小波变换的自适应多用户检测算法

在分析传统自适应多用户检测的基础上 ,提出了一种基于小波变换的自适应多用户检测算法。用小波变换进行前处理 ,然后再通过 LMS算法实现自适应多用户检测。与通常的自适应多用户检测算法相比 ,该算法利用了小波变换对小波空间进行了分解 ,信号经小波变换后自相关性会下降 ,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 ,该算法收敛速度较快 ,计算量增加较少 ,易于实时实现 ,而且具有良好性能。同时仿真实验表明 ,收敛速度与小波基选择有关 ,对于同一小波基系列 ,小波基的正则性越好收敛速度越快