小波变换在遥测数据处理中的应用

采用离散小波变换方法对在轨卫星遥测数据进行处理，利用噪声和信号在不同小波尺度上的性质不同．基于极大极小化思想选取去噪处理中的阈值，达到分离噪声和信号的目的。结果表明：利用小波变换可有效消除卫星遥测数据的噪声。     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

基于平移不变量的激光陀螺信号快速滤波方法

为提高激光陀螺的测量精度,提出了一种平移不变量小波快速滤波方法。对信号作循环平移,进行软(硬)阈值小波消噪处理再作逆平移,通过多次“平移——滤波——逆平移”过程,最后平均所获结果,有效消除软阈值小波滤波中的伪吉布斯现象。讨论了算法中平移量对滤波效果和计算复杂度的影响。用Allan方差法对一组激光陀螺实测零漂信号的不同方法滤波效果分析结果表明,该滤波法能在不影响滤波效果的前提下较大幅度减少计算量。     

Aircraft engine fault detection based on grouped convolutional denoising autoencoders

Many existing aircraft engine fault detection methods are highly dependent on performance deviation data that are provided by the original equipment manufacturer. To improve the independent engine fault detection ability, Aircraft Communications Addressing and Reporting System (ACARS) data can be used. However, owing to the characteristics of high dimension, complex correlations between parameters, and large noise content, it is difficult for existing methods to detect faults effectively by using ACARS data. To solve this problem, a novel engine fault detection method based on original ACARS data is proposed. First, inspired by computer vision methods, all variables were divided into separated groups according to their correlations. Then, an improved convolutional denoising autoencoder was used to extract the features of each group. Finally, all of the extracted features were fused to form feature vectors. Thereby, fault samples could be identified based on these feature vectors. Experiments were conducted to validate the effectiveness and efficiency of our method and other competing methods by considering real ACARS data as the data source. The results reveal the good performance of our method with regard to comprehensive fault detection and robustness. Additionally, the computational and time costs of our method are shown to be relatively low.     

从图像处理的观点出发来看光学遥感器的成像质量

图像处理作为成像链路重要的一部分，充分利用地面去噪声和解卷积的作用，可以一定程度上提高成像质量。文章从不考虑、被动考虑以及主动考虑图像处理3个方面来对光学遥感器的成像质量进行了一些探讨。     

固体火箭发动机水下试验的数据处理方法研究

针对固体火箭发动机水下试验数据参数变化剧烈、信号严重混迭及难以分辨的问题,提出了一种基于小波变换的软阈值去噪法,完成了固体火箭发动机水下试验推力数据的分析和处理.与传统数据处理方法对比分析表明:该方法可以将动态数据分解为反映过程“低频”特性的近似分量和反映“高频”特性的细节分量,便于对发动机性能进行分析;在去除试验数据干扰的同时保留了试验数据自身的变化特征,满足了工程应用对固体火箭发动机水下试验数据处理的要求.     

基于GSP仿真和SDAE的航空发动机故障诊断

为了深入研究航空发动机故障机理,提出基于航空燃气涡轮发动机性能仿真软件(GSP)和堆栈降噪自编码器(SDAE)的航空发动机故障诊断方法。通过GSP性能仿真方法模拟发动机在不同设计参数下的部件故障,并得到对应的运行状态参数;从每种故障类型下的长时间序列的状态参数中提取出向量化的曲线特征,构成故障样本;将故障样本带入SDAE模型中进行深度特征提取,经过前向传播和反向微调得到训练好的模型用于发动机故障诊断。结果表明:GSP能够通过参数更改来模拟微弱故障下的状态参数,从而构建多故障样本集;SDAE的重构误差和反向传播误差能够快速收敛到较小值,SDAE的故障诊断正确率为99.5%;与深度信念网络(DBN)、人工神经网络(ANN)以及经典机器学习方法支持向量机(SVM)相比,SDAE的故障分类正确率分别提高了0.8%、6.9%和10.1%。     

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。      

基于小波变换的雷达测量数据的随机误差分析

小波变换是各领域科学研究必备的有力工具。本文介绍了小波变换的理论知识,具体讨论它在雷达测量数据随机误差分析中的应用,包括小波变换去噪的原理和过程,使用改进MAD方法计算随机误差方差。仿真结果表明,小波变换简单有效,在实践中具有应用价值。     

从图像处理的观点出发来看光学遥感器的成像质量

图像处理作为成像链路重要的一部分,充分利用地面去噪声和解卷积的作用,可以一定程度上提高成像质量。文章从不考虑、被动考虑以及主动考虑图像处理3个方面来对光学遥感器的成像质量进行了一些探讨。