小波分析在直接吸收谱信号分析中的应用

采用小波分析方法对直接吸收谱信号进行消噪处理,通过对信号的高、低频部分进行分离实现了噪声消除。采用这种方法对近红外波段的DFB(分布反馈)半导体激光器所发出并且经由气室吸收、数据采集等步骤产生的直接吸收信号进行噪声消除实验,清除了数据中的高频噪声。实验中的两种光谱信号经消噪处理后,反映了数据的光谱特性,有利于进行光谱数据的拟合处理;尤其将受到气流强烈干扰的信号去除了大幅值的噪声信号,使该信号反映气流的速度特性,并能进行后续的线型拟合工作。     

小波包分析在电机信号消噪处理中的应用

在检测航空高速直流电机的机械特性信号时,采样信号中含有大量干扰噪声,对信号的消噪是进行信号提取、分析、故障诊断和处理的前期工作,其效果将直接影响到后期工作.针对电机起动过程中的噪声干扰信号,采用小波包分析的软阈值方法消噪,取得了良好的效果.     

扰动基座下惯组信号消噪方法对比研究

针对捷联惯导系统在扰动基座下对准时,惯组信号中存在干扰角运动和线运动的特点,进行了车载扰动基座初始对准试验,对试验数据进行频谱分析,得到车载扰动基座环境的频域特性。根据分析结果,设计并实现了FIR数字滤波器滤波和小波滤波对惯组信号的消噪,频谱分析和惯性系粗对准的结果显示,这两种方法都能有效地消除惯组信号中的噪声。数据分析显示,小波滤波的效果要优于FIR数字滤波器滤波的效果。     

小波消噪在测试信号处理中的应用

结合某测试信号,介绍了阈值消噪的三种方法：强制阈值、默认阈值和给定阈值。通过分析不同阈值消噪后信号波形,计算消噪信号的信噪比、均方根误差和相关系数,对几种方法的准确度进行了对比。结果表明,通过合理选择小波分解的尺度,对小波系数进行阈值重构,能有效地去除信号中含有的噪声,而选用不同规则下的阈值函数或者同一阈值函数对小波系数的处理方式不同,消噪的效果会有很大差异,而阈值函数的选取,更应充分考虑信号的实际特征。     

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。     

基于小波变换的高超声速边界层动态图像分析

利用小波变换技术,研究高超声速下动态尖锥周期俯仰摆动的边界层转捩图像。通过基于二维小波变换的图像消噪和图像增强算法,优化动态实验图像,根据小波变换图像的奇异性提取沿时间历程变化的尖锥边界线和边界层图像,得到尖锥的俯仰摆动周期和迎角变化范围。结果显示边界层厚度的变化周期与尖锥的俯仰摆动周期存在相位差,随着迎角增大,背风面转捩点向尖锥前缘移动。实验结果表明,基于小波变换的图像处理技术不仅能够作为高超声速尖锥实验流动显示进行定性观察,还可以实现对高超声速边界层转捩实验的精确观测和定量分析,成为一种重要的量化和自动化的实验技术和分析手段。     

小波变换与SVD结合的射频信号消噪方法

射频信号因具备空间远距离传输特性被广泛应用于航天测控等领域,但空间磁场、信道、设备元器件等会引入大量噪声干扰,对射频信号的传播及后续分析处理造成影响。而目前关于射频信号消噪的研究很少,针对此问题,对比研究了传统滤波器消噪、小波阈值法及SVD(Singular Value Decomposition,奇异值分解)法在射频信号消噪方面的应用,仿真分析了各算法对有用射频信号的提取效果,从而发现3种方法均能起到噪声抑制的作用,但是,滤波器法明显会降低信号能量,小波变换法易使重构信号失真,而SVD法则运算时间较长。为此,提出将小波阈值法与SVD相结合,用于射频信号消噪。再通过比对各方法消噪的性能指标,验证了将2种方法结合,可有效提高运算效率及噪声抑制能力。     

一种小波包的微机械陀螺消噪方法

微机械(MEMS)陀螺精度直接影响惯导系统精度。研究表明,随机噪声是影响MEMS陀螺精度的重要因素。本文在介绍小波包变换和自适应阈值的基础上,采用db4小波包变换阈值消噪方法,对某MEMS陀螺信号进行消噪处理,数据处理验证了此算法在MEMS陀螺消噪处理中的有效性。     

一种改进阈值法陀螺信号消噪的研究

在光纤陀螺输出信号时,使用小波包消噪法可以在各尺度上更加细致地对噪声进行抑制.这里分步估计陀螺信号中白噪声和分形噪声的强度,根据各尺度噪声强度对各层阈值进行自适应调节,并提出一种连续的阈值量化函数,克服以往软、硬阈值函数存在的不足.仿真结果证明,与通用阈值消噪法相比,新阈值法能更好地去除随机噪声,对于不同信噪比信号均表现出较好的性能.     

基于小波包变换和B样条拟合的特征参数提取

提出了综合应用卷积型小波包变换和B样条拟合的特征参数提取方法，卷积型小波包变换能取得比常规小波消噪更好的效果，对于消噪处理后的信号，用B样条进行逼近，得到其分段解析表达式，并计算一阶和二阶导数确定特征点，提取特征参数，有效抑制了噪声对特征点计算的影响，提高了特征参数提取的准确度。     

基于小波分析的航空发动机旋转失速检测方法

对试车检测到的压气机旋转失速压力数据,进行了小波降噪处理,并对处理后的数据进行多分辨分析,利用dN层小波系数重构相关频带内的压力信号分量,当重构信号某处的幅值超过给定阀值时,认为检测到了失速。研究结果表明,小波分解能有效地区分信号中的突变部分和噪声,达到降噪的目的;对不同采样频率的压力数据进行分析,给出了相应的阀值,对dN层重构信号进行监测,能有效检测到旋转失速的发生。      

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.      

基于小波理论的液体火箭发动机试验数据噪声处理

1引言液体火箭发动机试验(也称发动机试车)的主要目的之一,就是为了获得发动机各类参数的大量数据,因为这些数据是验证发动机设计理论,研究发动机工作性能的重要依据[1]。稳态参数是液体火箭发动机试验的主要检测参数。在工程实践中,经常认为稳态参数是变化缓慢的参数,常采用降     

基于L1趋势滤波的飞控传感器降噪方法

针对飞行控制传感器中普遍存在的噪声信号,提出了一种基于L1趋势滤波技术的在线降噪方法。首先简要介绍了L1趋势滤波技术,引入了滑动窗口对算法进行改进以满足实时在线应用需求。以气压计所采集的信号为例,采用原始飞参数据,利用该方法进行降噪处理,并与文献中常用的小波降噪方法进行初步比较,基于Matlab的仿真结果验证了该方法的可行性。     

虚拟仪器在高校电工实验室中的应用

针对传统电工实验室存在的问题，在分析虚拟仪器的优点基础上，提出了将虚拟信号发生器及频谱分析仪引入实验教学的意义，论述了虚拟仪器在高校电工实验室的可行性和有效性。     

液体火箭发动机动态数据处理的小波分析方法

研究了基于小波分析的液体火箭发动机动态数据处理方法，给出了数据处理模型，应用小波奇异性检测和误差滤波理论，分析了动态数据的处理过程，并用某液体火箭发动机某次地面试车的动态测试数据进行了验证。结果表明，小波分析方法不需要过程误差的先验知识，能够同时完成异常数据的检测及相应误差的滤除任务，非常适合于液体火箭发动机的动态工作过程。     

LabVIEW在信号分析虚拟仪器中的应用

采用虚拟仪器技术,重点介绍了两种关于信号分析的虚拟仪器:联合时频分析和小波分析虚拟仪器,应用于航空发动机转子实验室的信号测试与分析系统。为振动信号的分析和航空发动机故障诊断中提供分析手段。     

基于复Shearlet域高斯混合模型的SAR图像去噪

 结合双树复小波的平移不变性、多分辨率性和剪切波变换的灵活可选的多方向性,提出一种新的图像表达方法——复Shearlet变换。针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干噪声特点,建立了复Shearlet系数域的高斯混合模型(Gaussian Mixture Model,GSM),在此基础上应用贝叶斯最小二乘法进行系数估计,最后进行复Shearlet反变换得到去噪以后的SAR图像。仿真结果和分析表明:本文提出的算法相比其他变换域去噪算法,不仅去噪后的图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR)有所提高,而且去噪后的图像更平滑,且与Shearlet域高斯混合模型相比,本文算法速度快了两倍多。     

基于小波分析的航空发动机故障诊断方法研究

小波变换是一种多分辨率的时频分析方法,应用在振动信号处理、故障诊断方面较传统方法优越。在阐述小波分析理论基础上,对某型航空发动机的振动信号进行分析,采用小波分解和信号重构的方法,提取了噪声掩盖下振动信号中的故障信息,根据航空发动机整机振动的典型故障特征频率,判断该发动机是否发生故障。