光纤陀螺中分形噪声的参数估计和去除

光纤陀螺零漂信号中主要存在分形噪声和高斯白噪声,采用传统的时间序列分析法很难去除这类混合噪声.基于小波分析,提出一种分步估计加性白噪声强度和分形随机过程参数的新方法.先通过拟合自相关函数,估计出白噪声的强度;再在小波变换域估计分形噪声参数,并选取适当软阈值对测量值滤波.实验结果表明该估计和降噪方法有效地去除了光纤陀螺中的混合噪声,且不需要噪声的先验知识,具有很好的适应性.      

基于小波的网络连接层流量模型

最近研究表明网络流量的统计特性在不同尺度上表现出很大的差异,由大量具有高斯性的网络流量和少量的突发性网络流量组成.为了更好地理解这种复杂的网络流量统计特性,引入多尺度分析工具小波,在多尺度分析的基础上提出一种新的基于小波的网络连接层流量模型,有机地结合了独立小波模型和多重分形小波模型的优点,即保持了独立小波模型在不同尺度对高斯性方差的拟合,同时保持了多重分形小波模型对突发性的拟合.真实网络流量的仿真结果表明这个模型能够灵活地适应网络流量在不同尺度下所表现出的高斯特性和突发行为.     

光纤陀螺分形噪声的预白化滤波方法

光纤陀螺分形噪声往往具有长相关特性,导致陀螺输出信号慢漂移.为了滤除这类分形噪声,提出了一种分数阶预白化差分方法,通过该方法可以将分形噪声转化为高斯白噪声;利用小波变换,在小波变换域中采用Bayes软阈值去噪方法去除该白化噪声,从而形成了一种光纤陀螺分形噪声的预白化滤波方法.对VG949p型光纤陀螺实测数据处理结果表明,该方法能够有效地去除其中的分形噪声,抑制了陀螺低频漂移,同时也滤掉了其高频噪声项.      

基于调频高斯小波变换的导航传感器故障诊断

为提高多传感器组合导航系统对各导航传感器的在线故障检测能力,在分析调频高斯小波特性的基础上,提出了一种基于调频高斯小波变换的导航传感器故障诊断算法.该算法仅利用传感器的观测量来直接诊断传感器工作是否正常.它可以对方差突变等软故障进行有效的在线检测.仿真结果证明了所提方法的有效性.     

基于小波分析的BOC信号抗多径码相位估计

卫星导航接收机需要精确地估计扩频信号的码相位并进行跟踪,估计的精度直接影响伪距测量的精度.卫星信号的多径传播使得简单的相关器估计存在较大的误差,针对未来导航系统普遍采用的BOC(Binary Offset Carrier)导航信号,提出了一种基于小波分析的估计算法来抑制多径误差,仿真的结果表明该算法比传统的窄相关和双Delta技术在性能上有很大的改进.并证明了在采用Haar小波时,该技术与相关器估计方法在极限条件下是等价的,同时该方法的算法复杂度比基于最大似然估计的方法MMT(Multipath Mitigating Technique)要低.     

结合小波变换的Jacquin分形图像编码

提出了一种将分形与小波变换紧密结合起来的图像压缩方法;改进了目前虽简单易行,但编码时间过长的分形图像编码,而且Domain块的采样方式也存在缺陷。针对这些问题,利用小波分解的特性构造了一种基于小波分解的分形图像编码算法;对输入图像进行小波变换,将变换后的低频部分作为Jacquin分形编码方法的搜索区域。实验表明重构图像的质量得到了较大的提高。     

基于小波分析的地形多分辨率建模方法

以提高运算效率和存储效率为目的研究了基于小波的数字高程模型（DEM,Digital Elevation Model）数据的多分辨率建模,根据DEM的数据特点在Mallat多分辨率分析算法的基础上,提出了基于小波分析的DEM数据多分辨率建模算法,对算法实现过程中的小波函数以及边界延拓方式的选取进行了阐述,提出了评价建模精度的相关指标,并通过仿真实验确定了恰当的小波参数.仿真结果表明,小波分析法是实现DEM多分辨率建模的有效方法,同时保证了良好的运算效率和存储效率.该方法可应用于地形的快速可视化、飞行器的动态和静态航路规划等工程应用中.     

基于小波神经网络的多传感器自适应融合算法

针对多传感器融合系统的非线性和不确定性,将小波分析与神经网络相结合,提出一种基于小波神经网络的多传感器自适应融合算法.融合系统包括扩展卡尔曼滤波器、小波神经网络、融合知识库以及航迹融合算法.该算法以分布式融合结构为基础,利用环境信息理论和测量方差归一化方法构建小波神经网络,并且通过数值样本训练小波神经网络,使其在融合过程中实时估计各传感器的信任度,再由融合知识库根据各传感器信任度来选择适合的航迹融合算法,最终得到全局状态估计.实验结果表明,提出的融合算法可以根据环境变化在线自适应融合来自多传感器的测量值,对不确定信息具有很好的融合能力.      

卷积线性混合模型下的复非高斯信号盲源提取

雷达信号的多径效应导致基于瞬时线性混合模型的盲源分离算法不再适用。为此，提出了一种基于FastICA的复非高斯信号盲源提取方法。该方法将混合系统建模为卷积线性混合模型，使得信号模型中不需要将每个多径信号都看作一个独立的源信号，既节约了接收通道数量，又降低了盲源分离过程的复杂度，利用待提取信号的非高斯性实现高斯背景下复非高斯信源的提取。实验结果表明：在信干比为-30 dB时，所提方法能够快速、有效地处理卷积线性混合模型下复非高斯信源的提取问题，为该场景下的微弱信号提取提供了一种新的方法。     

一种基于小波相关滤波的无线电干涉测量处理方法

针对深空探测中干涉测量微弱信号相关处理问题,提出了一种基于小波滤波的无线电干涉测量方法。首先,在小波相关滤波算法分析的基础上,提出了基于移位相关、逆序处理以及最高层小波系数阈值处理的改进算法;其次,分析并构建了深空探测宽带信号模型,并给出了基于小波相关滤波的无线电测量方案;最后通过蒙特卡洛仿真和实测数据处理证明小波相关滤波可以改善无线电干涉测量精度,其中同步卫星群时延估计精度改善约10%。     

基于支持向量机的滚动轴承状态寿命评估

应用状态寿命描述滚动轴承的使用寿命,并建立了滚动轴承的状态寿命评估模型.状态寿命评估模型建模的关键是振动信号的特征提取和状态的识别算法.针对滚动轴承振动的特点,提取小波包重构信号的频带能量构造特征向量,利用支持向量机作为辨识算法建立滚动轴承状态寿命评估模型.滚动轴承全寿命试验验证了模型的有效性和可信性.     

基于小波变换熵值及高阶累积量联合的卫星信号调制识别算法

调制识别是信号检测与解调的关键环节,针对卫星调制中采用的MAPSK,MQAM,MFSK,MPSK方式,提出了一种计算小波变换熵值并结合高阶累积量的联合调制识别算法.根据小波变换对时频信息敏感的特点,不同调制方式高阶累积量计算结果的区分性以及不同复杂度的调制信号熵值结果不同,分析了以上4类调制信号的计算结果,提出了基于小波变换熵值及高阶累积量联合的卫星信号调制识别算法.计算调制信号小波系数,据此计算熵值,实现对调制信号的类别划分,使用高阶累积量实现类别内的信号分类.经过仿真分析,可实现在8dB以上达到0.9识别率的效果,该方法对高阶（64阶调制）信号识别具有一定借鉴意义.      

基于小波包和BP网络的滚动轴承状态寿命模型

使用状态寿命(即状态良好、初始损伤、故障发展和即将失效4个寿命阶段)描述滚动轴承的使用寿命,并建立了滚动轴承状态寿命的评估模型.状态寿命评估模型建模的关键是振动信号的特征提取和状态的识别算法.针对滚动轴承振动的特点,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,提取小波包重构信号的频带能量构造特征矢量,利用推广性能良好的贝叶斯正则化BP网络作为状态寿命评估的算法建立特征向量与状态寿命之间的映射,采用滚动轴承全寿命试验数据作为学习样本,训练和确定评估模型.试验验证了模型的有效性和可信性.     

小波变换在大地回波噪声处理中的应用

基于小波变换的多尺度分辨特性,作者对连续信号、脉冲信号和宽平稳白噪声在小波域中不同分解尺度上的模极大值变化规律进行分析,根据它们的变化规律用Mallat快速算法设计出一套用于抑制低信噪比雷达回波中的干扰噪声、最大限度提纯真实回波信号的算法.仿真实验证明,该算法对抑制噪声作用明显,能较好地提纯雷达回波信号,这为低信噪比下雷达回波信号检测提供了一条有效途径.     

基于连续小波变换的飞行器结构模态参数辨识

给出了一种基于连续小波变换的多输入多输出MIMO(Multiple-Input Multiple-Output)飞行器结构模态参数的辨识方法.对结构离散运动方程进行连续小波变换建立了小波域内的系统AR(Auto Regression)模型,AR模型的系数矩阵决定着系统的动力学特性,可以通过最小二乘法求得.模态参数可以通过求解由AR系数矩阵构成的特征矩阵的特征值来获得.与已有基于小波变换的模态参数辨识方法相比,该方法应用了连续小波的时移共变性和小波变换的滤波能力来确保辨识的效率.在辨识过程中,采用优化算法提高了辨识的精度和稳定性.算例仿真结果表明该方法具有较高的计算精度和稳定性,能用于飞行器结构模态参数的辨识.      

基于多小波基多信源融合异常值剔除方法研究

提出了一种基于多小波基多信源融合和偏度分析相结合的异常值剔除方法。基于多个小波基的数据融合算法,先对各信源的数据进行多个不同小波基的多尺度分解,对相同小波基分解的信号在多尺度上加权融合,之后进行不同小波基的逆变换得到重构信号,将重构信号融合出的结果作为目标状态估值,对各信源的异常值进行检测,将偏度分析与检测门限相结合,实现了对异常值的剔除。实验结果表明,该方法准确、高效地实现了对各信源异常值的检测与剔除,提高了数据处理的精度,且易于工程实现。     

基于小波变换和GM-ARMA的导弹备件消耗预测

针对导弹备件消耗呈现"小样本、非平稳"的特点, 为了克服传统预测方法依靠大样本数据进行建模的不足,提出了把基于小波变换和改进GM-ARMA的组合预测方法应用于导弹备件消耗预测的构想.在利用小波分解和其他模型建立组合模型的过程中,提出了先对小波基方程和分解层数2个特征进行参数化,再定量地对所有子模型的特征参数进行统一、综合的评估,以达到建立最佳组合模型的目的;然后对具有平稳特性的高频信息用阻尼最小二乘法优化的ARMA(Autoregressive and Moving Average)模型进行预测,对反映整体趋势体现非平稳的低频信息用背景值优化和数据变换技术改进的GM(1,1)模型进行预测.实例结果表明所提出的组合预测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.     

一种地震动信号特征提取与分类方法

为了实时检测、识别和预警对地下基础设施的挖掘破坏活动,本文提出一种地震动信号特征提取与分类方法。通过提取小波包变换域和集合经验模态变换域的多域能量联合分布特征向量,构建改进的径向基神经网络分类模型,利用机器学习的方法提取稳定的信号多域融合特征,并实现准确的信号特征分类预测。由多类别挖掘信号的仿真实验结果可以看出,本文的算法和模型能有效提升地震动信号分类的准确率,对地震动干扰信号具有较强的鲁棒性。     

一种无人机视觉导航方法及其滤波算法改进

设计了一种无人机视觉/惯性组合导航系统,将无人机和地标点的运动模型作为状态方程,视觉信息作为观测量构建了与之对应的滤波模型.在滤波处理上,采用了复杂加性噪声模型对系统噪声进行建模处理;将小波分析引入到UKF(Unscented Kalman Filter)滤波中得到小波-UKF滤波算法,以此克服视觉观测噪声对滤波的影响;采用最大后验概率准则(MAP,Maximum A Posterior)自适应估计观测噪声协方差阵,并将其反馈到滤波过程中克服了小波处理后观测噪声方差阵不易确定的不足.仿真结果证明:对滤波算法的改进可以有效地提高滤波估计的精度.     

信号的紧小波标架表示与最佳小波基

探讨了信号的小波标架表示与最佳小波基选择问题.首先对信号的小波标架表示与小波基表示的关系进行了描述,这个关系对于分析信号的小波标架表示是非常有用的;其次推导了周期小波标架的分解与重构的Mallat-塔式算法并证明了标架界为1的紧小波标架的周期化仍为标架界为1的紧小波标架;最后给出了基于小波标架算法和极小化加性代价函数的最佳小波基选择算法.