信号去噪的小波互除方法

小波变换具有良好的时频局部化性质 ,特别适合于分析和处理突变信号。本文在Mallat模极大值去噪方法的基础上 ,提出一种新的小波变换去噪方法———互除法。该方法在小波系数的影响域内计算和估计信号的真实系数 ,从而进行信号重构 ,避免了复杂的交替投影算法。与以前的一些方法比较 ,互除法在平均误差和可视化方面有很好的效果。     

基于最优小波包基的信号去噪算法及其应用

提出了一种基于Shannon熵准则的最优小波包基信号去噪算法,并将其应用于某型导弹惯导系统陀螺仪信号的去噪处理中。该算法在最优小波包基的基础上,针对不同频段采用不同的阈值算法,用量化后的系数重构得到去噪后的信号。仿真结果表明,该算法具有良好的去噪性能,并且消噪效果明显优于基于小波变换的去噪算法,因而将具有更为广泛的应用前景。     

心率小波去噪处理在航空医学中的应用

本文主要探讨了在航空医学应用中。如何有效的去除心电信号(ECG)中伴随的大量噪声。为飞行员以及医护人员提供准确、可靠的依据。针对MIT提供的飞行员心电数据。运用小波变换理论对其进行了去噪处理。得到了满意的结果。     

基于自适应提升小波收缩阈值图像去噪算法

提出了一种自适应提升小波收缩阈值去噪方法，改进了提升算法中预测算子的计算方法，在更新算子中引入了自适应，最后在阈值处理方面使用了实践证明效果比较好的收缩阂值，仿真证明，经去噪后，图像在性能指标上有一定的提高，图像的细节能够很好地保持。     

基于PSO-RWE的自适应小波阈值函数滚动轴承振动信号去噪方法

针对现有小波去噪方法存在阈值函数中未知参数选取依赖经验,导致去噪不充分或去噪后信号失真的问题。提出了一种基于相对小波熵(RWE)的粒子群优化(PSO)算法,用于小波阈值函数中未知参数的自适应寻优,达到滚动轴承振动信号自适应降噪目的。改进了一种含两未知参数的小波阈值函数;以相对小波熵为优化算法的适应度函数对未知参数进行自适应寻优,得到最优小波阈值函数;通过对模拟仿真信号和试验采集的滚动轴承振动信号进行分析。结果表明:优化后的小波去噪方法能够更好地将噪声从染噪信号中滤除,去噪后信号波形的平滑度更好,信噪比相较硬阈值去噪提高294%,而且保留了原始信号更多的细节特征,具有更好的去噪性能和应用实用价值。     

小波去噪法在复合材料变形测量中的应用研究

为了提高数字散斑相关方法（DSCM）在复合材料变形测量中的精度,将数字散斑技术与小波去噪技术相结合,采用阈值去噪法对小波系数进行阈值量化处理,并进行复合材料的拉伸试验,同时使用DSCM及引伸计进行测量,再使用该小波去噪法对DSCM测量的结果进行去噪,并与引伸计所测结果相比较。结果表明：去噪后的DSCM的测量结果与引伸计测量的结果吻合得更好,精度更高,说明该小波去噪法能够较好地去除数字散斑相关测量和计算中的噪声。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

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。     

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。     

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.     

基于时频域滤波及频域广义整体最小二乘辨识的飞机颤振模态参数辨识

提出一套适用于噪声环境的飞机颤振模态参数辨识方法.为减小噪声对辨识结果的影响,首先设计了一种针对扫频激励的时频滤波器,利用扫频信号及其响应在时频域分布较为集中的特点,有效去除噪声,提高了试验数据的信噪比.为进一步提高辨识精度,提出了一种基于随机模型的频域广义最小二乘辨识算法.将噪声条件下的系统辨识问题转化为广义整体最小二乘问题,并采用线性的广义奇异值分解求解模型系数,避免了非线性优化的复杂计算.通过优化加权项,获得了接近极大似然估计的辨识效果.最后,通过试飞试验数据验证了方法的有效性.     

民航行李X光安检图像自适应小波去噪算法

对X光安检图像进行去噪处理可以更清楚地显示出危险物。针对传统小波软硬阈值去噪方法的缺陷．给出了一种自适应阈值的去噪方法,在此方法中,首先进行软硬阈值的折中处理,然后分别对大于和小于阈值的两部分进行自适应处理。利用Tennessee大学提供的实际采集的X光安栓图像进行实验,结果表明该方法能有效地去除安检图像中的噪声,图像去噪后的信噪比、峰值信噪比分别是25．2229dB、27．708dB．与含噪图像相比分别增加了7．7253dB和7．739dB。因此该方法表现出较高的去噪性能。     

Flight Flutter Modal Parameters Identification with Atmospheric Turbulence Excitation Based on Wavelet Transformation

针对基于大气紊流激励的飞机颤振试验数据具有信噪比低以及测量数据以加速度响应形式给出等特点,将小波变换与随机减量法相结合对飞机颤振模态参数进行识别,首先利用随机减量法获得结构在非零初始加速度条件下的自由衰减响应,然后对该自由衰减响应进行Morlet连续小波变换,为使变换简单,本文采用了Parseval定理和留数定理,利用Morlet的带通滤波特性,通过搜索小波变换系数在不同的尺度区域内的极大值,再根据小波变换系数的极大值、相角与固有振动频率及阻尼系数间的关系,即可识别出各模态参数。并对利用小波变换识别颤振模态参数时,实现模态解耦应满足的条件进行了分析研究。通过仿真和飞机颤振试验数据分析,验证了该识别方法不仅简单、有效和可行,而且具有较强的抗噪性。     

利用大迎角试飞数据辨识飞机气动导数

基于用局部线化代替非线性概念．探索了利用大迎角飞行试验数据辨识飞机空气动力参数问题。在准定常假设条件下，提出了迎角分割算法和时间分割算法，针对歼教七飞机的失速飞行试验数据，用最小二乘回归方法和最大似然法验证了上述大迎角参数辨识的思想，取得了较好的结果，为进一步开展大迎角参数辨识技术的工程应用奠定了基础。     

小波降噪在某型直升机半物理仿真数据处理中的应用

针对直升机半物理仿真测量数据主要是低频噪声的特点,提出利用小波变换、塔式结构重构算法,对信号进行降噪滤波处理的方法.仿真结果表明该方法在离线降噪滤波处理上实用高效.     

小波包分析在摩擦焊超声检测信号消噪中的应用

采用小波包对摩擦焊缺陷超声检测信号进行消噪,结果表明,该方法不仅能有效抑制噪声,而且能明显提高信噪比。     

用于飞控系统试飞验证的识别方法

为试飞验证飞控系统的稳定性,改进,确认控制律和评价飞机的飞行品质,提出了富氏系数法（ＦＣ）,直接快速富氏变换－功率谱密度地（ＦＦＴ－ＰＳＤ）和相关函数为－功率谱密度法（ＣＦ－ＰＳＤ）确定系统频率响应,进而采用罗森布洛克无约束极值法和最小二乘－高斯牛顿迭代法进行模型参数拟合,另外,给出适合于上述方法的输入激励设计,通过用Ｔｕ－１５４Ｍ空中模拟试验机人机闭环／手动扫频试验数据和ＢＷ－１变稳机手动／自动