基于经验模态分解的非平稳信号趋势项消除

归纳概括了传统的趋势项消除方法,指出各类方法的优点和不足,提出了基于EMD（经验模态分解）的非线性、非平稳信号剔除方法。该方法通过数据驱动自适应构造基底函数IMF（本征模函数）,再由若干阶IMF分量和剩余分量的重组获得趋势项,避免了对复杂趋势项的数学建模和分析计算。仿真结果表明,EMD法能够有效地提取和剔除非平稳信号中的复杂趋势项成分,获得平滑的趋向性信号。     

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。     

基于离散小波变换的近程信号自动识别

进行信号识别的关键在于利用有限信号数据提取出有效的信号特征,然后根据这些特征作出判决。文中阐述了利用离散小波变换对近程信号进行分解处理,并结合具体应用背景,提取小波分解的细节作为信号识别的特征参量。仿真实验表明,基于小波分解的特征提取过程对噪声有较好的抑制能力,小波变换的应用能够有效提高对近程信号识别的能力。     

基于小波变换的信号突变检测方法

奇异点为信号中常见的现象，也往往是信号所反映的物理过程的重点，通过检测奇异点，能更好把握物理过程中的突变和非常规但影响很大的,对设备进行监控和维护时，维护信号的突变点，能确定可能的故障因素，小波变换提供了一种检测奇异点的有效方法。     

基于相关与小波变换相结合的弱信号检测

针对强噪声背景中的弱信号检测问题,在传统的相关检测方法的基础上,利用小波良好的去噪性能,提出了相关检测与小波变换相结合的弱信号检测方法。仿真结果表明,该方法优于传统的相关检测方法,无须知道有用信号的先验知识和同步信号便可以有效的检测周期性弱信号,并获得更高的输出信噪比。     

基于小波变换剔除数据野点的方法

在脱靶量数据处理中,野点的存在对采用非线性最小二乘法估计多普勒频率的精度会产生恶化影响。本文研究利用野值点和多普勒频率在小波域上系数的不同,对不同数据段的系数设定不同阈值进行处理,从而达到去除野值点和恢复多普勒频率的目的。试验结果表明,采用小波变换去除了随机测量误差与野值点对多普勒频率的影响,对于后续的脱靶量参数估计没有任何不利影响。     

基于小波分析的信号滤波方法研究

设计了模拟温度信号的数据采集系统,采集了温度信号T．分别利用最小二乘平滑滤波方法和小波变换滤波方法对传感器输出的原始温度信号T进行滤波,通过对比滤波后波形和残差体现了小波分析在信号滤波应用中的优越性。     

平稳随机载荷的信号特征提取与深度神经网络识别

针对线性时不变结构的平稳随机载荷识别问题,从结构的动力学响应求解原理出发,利用小波变换对于信号特征的提取能力与长短期记忆神经网络（LSTM）对于序列问题的强大建模与映射能力,提出了一种针对平稳随机载荷的特征信号识别方法,通过对作用于三自由度振动系统数值模型上的平稳随机动载荷识别,证明了方法的可行性。对一个受2点平稳随机载荷作用的加筋壁板结构模型进行动载荷识别实验,结果表明,用提出的方法识别的动载荷均方根相对误差均小于5%,该动载荷识别方法具有良好的识别能力。     

基于正交小波变换的目标检测方法

理论分析表明,独立高斯噪声经过正交小波变换后保持方差和独立性不变。基于Mallat的小波多分辨分析,通过对小波系数进行平方律处理,建立了基于正交小波变换的恒虚警率检测器模型,推导了相应的虚警和检测概率公式,分析了噪声未知情况下小波系数序列长度对检测性能的影响,并给出了合适的长度值。实验结果表明,所提出的检测器能满足不同虚警概率和杂波背景的要求,具有较好自适应性。     

结合经验模态分解的振动信号趋势项提取方法

提出一种结合经验模态分解（Empirical Mode Decomposition,EMD）的振动信号趋势项提取方法。利用EMD将信号分解为一系列固有模态函数（Intrinsic Mode Function,IMF）,根据振动信号过零点特性,对属于趋势项的IMF分量进行判别,并对判别为趋势项的IMF分量进一步利用最小二乘法进行趋势项拟舍,将拟合结果求和作为最终趋势项。数值模拟试验和实测数据处理结果表明,这一方法无需假设趋势项类型,且可不受EMD过程中模态混叠和端点效应的影响,使趋势项提取更为准确。     

基于小波变换的单脉冲雷达目标RCS测量方法研究

随着现代信号处理技术的发展,对非平稳信号分析和处理的小波分析技术已成功应用于雷达目标特性分析领域,大功率单脉冲雷达作为我国航天测控网的主干设备,具有一定的目标特性识别能力。本文主要针对脉冲雷达RCS测量原理,讨论了基于小波变换的单脉冲雷达空间目标RCS测量方法,提出应发挥窄带低分辨率雷达在未来空间目标识别中的作用。     

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。     

基于小波变换的混和压缩编码

根据数字图像编码的现状,在分析目前图像压缩的常用方法优缺点的基础上,采用小波变换,对不同视觉敏感的频段采用不同分辨率的量化同时,结合非均匀量化和Huffman编码,对图像进行混合编码压缩,获得了好的压缩效果。     

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。     

基于趋势分析的发动机振动故障识别

总结十种航空发动机整机故障的振动特征发现,单纯从频率角度分析几乎所有故障模式都表现为转子基频,但是不同故障的振动幅值发展趋势却有所不同.基于此提出了基于趋势模型的发动机振动故障识别方法.讨论了发动机整机振动趋势的数学描述及不同故障模式的趋势发展特征;建立了平稳波动模型、周期摆动模型、线性发展模型和阶跃突起模型分别描述发动机振动正常状态和三种典型故障模式;为了有效识别上述四种模型,提出了模型识别准则并实现了识别算法.最后以四组发动机实测趋势数据作为案例进行验证,结果表明该方法可以有效地区分故障模式,验证了该方法的正确性和工程实用性.     

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。     

基于小波变换的数字水印算法

目的提出一种在小波变换域中嵌入有意义二值图像数字水印的算法。方法利用Arnold置乱对水印的嵌入位置进行了置乱,增强了水印的安全性和鲁棒性。结果在水印提取过程中,不需要提供原始图像,实现了盲检测。结论实验证明,算法对JPEG压缩、噪声、剪切等攻击具有较高的鲁棒性。