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。     

基于小波神经网络的PIM功率时间序列预测

无源互调（passive intermodulation，PIM）是影响通信系统性能的关键因素之一。研究表明，PIM信号并非一个定值，而是随时间变化的非平稳信号。基于PIM功率信号的时间序列特性，文章提出基于小波神经网络的PIM功率时间序列预测方法。首先，详细介绍小波神经网络预测模型及其预测方法；其次，以同轴连接器为验证对象，通过PIM实验测试系统获得3阶PIM功率的时间序列；最后，依据获得的PIM功率时间序列，结合构建的小波神经网络预测模型对后续的时间序列进行预测分析，并将预测结果与实验结果进行比较，从而验证小波神经网络在预测PIM功率时间序列方面的有效性。该研究对于开展PIM抑制技术具有一定的参考价值。     

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.      

基于遗传算法优化小波网络的柔性喷管力矩特性辨识方法

为准确辨识负载力矩并提高主动加载负载模拟的真实度，使用了一种基于遗传算法优化的神经网络辨识方法。使用小波分析方法对测试信号进行预处理，将消噪与分解后得到的信息作为神经网络训练的扩充样本，提高了辨识精度。使用遗传算法选择最优输入信息、网络结构和隐含层规模，加快网络收敛速度并简化计算过程，实现对柔性喷管力矩的快速准确辨识。仿真结果表明该辨识方法可以准确地描述柔性喷管在典型测试信号激励下的力矩特性，平均辨识误差为2%，对于实现精确主动加载控制和验证伺服控制性能具有重要意义。     

基于数据挖掘和小波神经网络的航材消耗预测方法

运用数据挖掘技术对航材消耗的历史数据进行关联分析，筛选小对保障飞机飞行有重要作用的航材消耗数据，大大缩减了需要预测的航材数量，同时对消耗航材之间的内在影响关系进行量化。在分析人工鱼群算法原理的基础上，对算法中步长参数和视野范同参数的设置方法进行了改进。实例结果表明，运用小波神经网络预测航材消耗的方法大大降低了预测误差，说明了该方法的有效性、可行性和实用性。     

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。      

润滑油红外光谱去噪预处理方法

采用小波包变换软阈值去噪方法对润滑油的红外光谱进行去噪预处理,结合偏最小二乘法进行定量预测,并与常用的平滑去噪方法进行对比。结果表明,小波包变换能有效地去除红外光谱的噪声,以此为基础建立的润滑油酸值模型的预测精度高于常用的平均平滑法和 Savitzky-Golay卷积平滑法这 2种平滑去噪方法的预测精度。